織物表面疵點自動檢測方法研究

吳軍

摘要：針對織物表面質量檢測仍處于人工檢測的現狀，根據織物疵點破壞織物固有紋理組織結構，體現為灰度值縱向或橫向頻率變異的特點，提出一種疵點自動檢測方法。該方法先由織物組織循環結構確定大小兩個檢測窗口的尺寸，然后通過合適的離散小波基把試樣分解成含經向細節和緯向細節的兩個子圖，分別統計兩者能量和后分離出低頻的疵點信息。該方法簡單易行，漏檢率低，適應于大多數方向性、塊狀類疵點的檢測。

關鍵詞：織物疵點檢測;雙窗口設計;小波分解;能量統計

中圖分類號：TS101.9文獻標志碼：A文章編號：1009-265X（2020）01-0047-05Research on Auto Inspection Method for Fabric Defect

WU Jun

Abstract：Considering that fabric surface quality inspection still depends on manual work， and that fabric defect damages the texture structure of fabric is featured by vertical or horizontal frequency departure of grey level， an auto inspection method proposed， according that. Firstly， the size of the big and small inspection windows were determined by the loop structure of fabric weave. The the sample is decomposed into two subimages containing warp and weft details by proper discrete wavelet basis. Finally the energy sum and the defect information of the low frequency were calculated respectively. This method is simple and easy to operate， good in real time， and suitable for detection of most directional and lumpy defects.

Key words：fabric defect; doublewindows design; wavelet decomposition; energy sum

傳統紡織企業工序繁多，隨著用工成本日益高漲，生產過程自動化已是重要的解決方案之一。坯布檢驗為整理車間一道不可缺少的工序，用于后續修補及坯布評分分級。國外已研發出自動檢測裝置應用于生產[1]，但因進口設備成本較為昂貴，故國內企業現階段多仍采用傳統的人工檢驗，效率低下，可靠性較差，人為干擾因素偏大。坯布自動檢測具有實時性強、疵點種類多、表現形式各異的特點，國內研究人員近些年提出的一些算法存在檢測速度慢、漏檢、誤檢率高、檢測疵點種類少等問題。隨著機器視覺系統的硬件成本日益下降，找到一種快速簡便、識別率高的織物疵點檢測方法已成為迫切需要解決的問題。

在具有代表性的各類疵點檢測算法中，基于紋理的灰度共生矩陣法計算量過大[2]，不易實現在線實時檢測，灰度直方圖法[3]和傅里葉時頻變換法[4]缺少疵點空間信息，不能對疵點位置直接作出反饋，灰度匹配法需對視覺系統的應用環境如光源等進行嚴格配置而不太適應工廠實際[5]，閾值分割法不能對僅有紋理差異而無灰度差異的疵點進行識別[6]。

1檢測窗口選取

紡織物具有規則的人工紋理結構，棉坯布最常見的組織結構為平紋和斜紋（圖1）。

在一個基本組織內，經、緯方向的灰度值均表現出規則的周期性變化，呈現出紋理的規則性和方向性[7]，由于疵點破壞了正常組織結構，導致該區域呈現出與周圍區域不同的外觀風格。

窗口選取就是依據循環組織結構尺寸，把采集的圖像分割成若干大小一致、保持完整循環結構的子圖像。子圖像尺寸設計為織物組織循環數的整數倍，以保證檢測窗口前后樣本之間的一致性和可重復性，如式（1）：

Pj=Rj×IRj/ρj

Pw=Rw×IRw/ρw（1）

式中：Pj、Pw為窗口經、緯向像素數;Rj、Rw為織物經、緯向組織循環數;IRj、IRw為圖像經、緯向分辨率;ρj、ρw為織物經、緯向密度。

對某標稱規格133×100的平紋棉織物（經密133根/英寸、緯密100根/英寸），圖像分辨率為72PPI（Piexs/inch），其組織循環數（單位：像素）為經向2×72/（52×2.54）=1.09，緯向2×72/（39×2.54）=1.45，則窗口取值109×145及其整數倍。

窗口選取大則低頻呈現效果好，適用于較大面積的條狀、塊狀疵點，如稀密路，大的破洞、油塊等;窗口小，則高頻細節呈現清晰，低頻效果反倒不能完整呈現，適用于單根紗線所造成的疵點，如粗經、粗緯、竹節、缺紗、斷紗、小跳花等，故應選取大小兩種尺寸窗口，且兩窗口均滿足窗口尺寸為織物組織循環數的整數倍原則。部分原始圖像樣本見含疵樣本圖2。

其中竹節、粗緯分別代表經、緯方向性疵點，斷經、稀弄為導致紋理破壞的疵點，跳紗、油斑為塊狀類疵點，前二者為紡部工序產生的疵點，后四者為織部工序產生的疵點，樣本具有普遍性與代表性。

2圖像采集與預處理

圖像預處理可以有效提高目標圖像的識別清晰強度，減少數據處理量，該工作通過圖像采集卡等硬件來完成，上位機不參與以提高數據處理的實時性。首先將采集到的RGB圖像轉換成灰度圖像格式，然后對灰度圖像進行直方圖均衡化處理，再進一步把圖像轉換成二值圖像格式。