CN103529051B - 一种机织纺织品瑕疵自动在线检测方法 - Google Patents
一种机织纺织品瑕疵自动在线检测方法 Download PDFInfo
- Publication number
- CN103529051B CN103529051B CN201310535185.1A CN201310535185A CN103529051B CN 103529051 B CN103529051 B CN 103529051B CN 201310535185 A CN201310535185 A CN 201310535185A CN 103529051 B CN103529051 B CN 103529051B
- Authority
- CN
- China
- Prior art keywords
- flaw
- textural characteristics
- image
- characteristics vector
- specification product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及一种机织纺织品瑕疵自动在线检测方法，利用双摄像头进行织物采集，首先对上游摄像头所摄区域的整块布料进行纹理提取，初步检测是否为合格产品，如果不合格再将下游摄像头所摄布料分区二次纹理提取，并进行瑕疵识别；两个摄像头在不同位置对同一块布料进行拍摄，避免由于反光等干扰导致的错判，在初步识别后进行分区域的二次识别，大大提高了识别准确性，同时又能保证检测速度，占用资源较小，能够适应在线检测、不停机检测。本发明提取纹理特征时，利用双树复小波与马科夫模型结合的特征提取方法进行纹理提取，相比传统的纹理提取方法，能够快速、有效、准确提取机织纺织品的纹理特征。
Description
技术领域
本发明涉及一种机织纺织品瑕疵自动在线检测方法，属于纺织品瑕疵在线识别技术领域。
背景技术
在现代纺织工业中，以先进的检测技术代替人眼进行织物瑕疵的自动检测能够提高检测效率、减少劳动力、降低劳动强度和进一步提高织物的质量。在我国，织物检测大部分还是由人工视觉来完成，在检测过程中，人眼视觉存在偏差，重现率比较低且检测结果不稳定，与大规模工业化生产不相适应。在纺织品生产中，若不能及时发现瑕疵，就会生产出一些次品布，造成材料和能源的浪费。如果安装织物瑕疵视觉检测系统，发现瑕疵即可进行处理，以减少材料的浪费。
经申请人检索发现，中国发明专利申请CN102967606A，提出了一种纺织机织物瑕疵视觉检测系统，其工作原理是，利用图像识别技术进行布料照片的特征提取，比对后，将处理结果传送至主机处理系统，经主机处理系统完成对整个机器视觉检布系统的控制，并且实时对其反馈的结果做出相应的最终处理。该技术能够实时检测出织物瑕疵点，并发出警报号，停止纺织机运行，引导工人处理当前瑕疵，也有效地降低工人劳动强度和劳动力成本。
将图像识别技术应用于织物的检测已经成为了本领域的惯用手段，但现有识别方法多为通用方法的直接转用，其针对性不强，仍然存在漏检和错检，不能满足高品质的要求。本发明着重根据织物的纹理特点对织物的瑕疵进行识别。
发明内容
本发明的目的：克服上述现有技术的缺陷，提出一种新的机织纺织品瑕疵自动在线检测方法，系针对织物的特点进行瑕疵识别，使漏检、错检率降低。
本发明提出的机织纺织品瑕疵自动在线检测方法，其特征在于：布料前进方向上方间隔的设置有上游摄像头、下游摄像头，根据布料前进速度及上、下游摄像头间距设置两摄像头的拍摄时间差，确保两个摄像头能够拍摄到机织纺织品的同一块区域，得到连续的若干对图像，本方法包括有以下步骤：
第1步：利用上游、下游摄像头实时拍摄机织纺织品，并将成对的图像传递至计算机；
第2步：计算机对接收到的图像进行预处理，包括：对灰度图像进行归一化，并通过灰度拉伸增强图像对比度；
第3步：对上游摄像头拍摄的图像提取纹理特征矢量，具体步骤如下：
a1、对图像进行双树复小波变换，获得6个256乘256的矩阵；
a2、将获得的6个矩阵代入马科夫模型，求取马科夫模型的参数，并对获得的参数进行归一化处理；
a3、对归一化后的参数构建矢量，得到该图像中织物的纹理特征矢量；
第4步：将第3步得到的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离不大于预设的合格产品阈值，则该图像中的织物为合格产品，转至第1步；否则将下游摄像头拍摄的图像沿中心线切割，获得两块子图像；
第5步：利用第3步的方法分别提取两块子图像的纹理特征矢量，并且分别将两块子图像的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离均不大于预设的合格产品阈值，则该图像中的织物为合格产品，则转至第1步；如果两者的欧氏距离大于合格产品阈值，则将相应子图像纹理特征矢量分别与所有预选瑕疵种类的机织物纹理特征矢量进行比较，若两者的欧氏距离不大于相应的瑕疵阈值，则相应子图像中的机织物属于相应的瑕疵种类，计算机进行记录；若两者的欧氏距离均大于相应的瑕疵阈值，则相应子图像中的机织物为其他瑕疵种类，计算机进行记录，根据上述瑕疵种类发出停机指令，并提示相应人员进行即时处理。
本发明进一步的改进如下：
1、上述机织纺织品瑕疵自动在线检测方法，所述第5步中的预选瑕疵种类包括：缺经、缺纬、污点、重经、重纬、破洞。
2、所述合格产品的纹理特征矢量及合格产品阈值的确定方法如下：
b1、选取至少200个合格产品的机织纺织品样品进行图像采集；
b2、利用所述第3步中的方法提取各图像的纹理特征矢量，所有合格产品图像纹理特征矢量的聚类中心为合格产品纹理特征矢量中心矢量；
b3、所有合格产品图像的纹理特征矢量到所述合格产品纹理特征矢量中心矢量的欧氏距离的最大值为合格产品阈值。
3、瑕疵的机织物纹理特征矢量及相应的瑕疵阈值确定方法如下：
c1、选取至少200个指定瑕疵种类产品的机织纺织品样品进行图像采集；
c2、利用所述第3步中的方法提取各图像的纹理特征矢量，所有指定瑕疵种类产品图像纹理特征矢量的聚类中心为相应瑕疵产品纹理特征矢量的中心矢量；
c3、所有该类瑕疵产品图像的纹理特征矢量到相应瑕疵产品纹理特征矢量的欧氏距离的最大值为相应的瑕疵阈值。
4、两摄像头的拍摄时间差T=S/V，式中S为摄像头拍摄中心位置之间的距离，V为机织纺织品的前进速度，下游摄像头拍摄时间晚于上游摄像头拍摄时间。
本发明针对机织纺织品的纹理特点，利用双树复小波与马科夫模型结合的特征提取方法进行纹理提取，相比传统的纹理提取方法，能够快速、有效、准确提取机织纺织品的纹理特征，并且提取的纹理特征更有利于识别，经试验表明明显提高了识别的准确性。本发明利用双摄像头进行织物采集，首先对上游摄像头所摄区域的整块布料进行纹理提取，初步检测是否为合格产品，如果不合格再将下游摄像头所摄布料分区二次纹理提取，并进行瑕疵识别。本发明巧妙地使用两个摄像头在不同位置对同一块布料进行拍摄，避免由于反光等干扰导致的误判，在初步识别后进行分区域的二次识别，大大提高了识别准确性，同时又能保证检测速度，占用资源较小，能够适应在线检测、不停机检测。
综上，本发明大大降低了识别错误率，提高瑕疵数据库的准确性，有助于生产者对机织工艺参数进行调整以提高产品品质。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明方法的流程示图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
本实施例机织纺织品瑕疵自动在线检测方法，其改进在于：布料前进方向上方间隔的设置有上游摄像头、下游摄像头，根据布料前进速度及上、下游摄像头间距设置两摄像头的拍摄时间差T，确保两个摄像头能够拍摄到机织纺织品的同一块区域，拍摄时间差T=S/V，式中S为摄像头拍摄中心位置之间的距离，V为机织纺织品的前进速度，下游摄像头拍摄时间晚于上游摄像头拍摄时间，得到连续的若干对图像；本实施例方法流程图见图1，具体步骤如下：
第1步：利用上游、下游摄像头实时拍摄机织纺织品，并将成对的图像传递至计算机；
第2步：计算机对接收到的图像进行预处理，包括：对灰度图像进行归一化，并通过灰度拉伸增强图像对比度；
第3步：对上游摄像头拍摄的图像提取纹理特征矢量，具体步骤如下：
a1、对图像进行双树复小波变换，获得6个256乘256的矩阵；
a2、将获得的6个矩阵代入马科夫模型，求取马科夫模型的参数，并对获得的参数进行归一化处理；
a3、对归一化后的参数构建矢量，得到该图像中织物的纹理特征矢量；
第4步：将第3步得到的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离不大于预设的合格产品阈值，则该图像中的织物为合格产品，转至第1步；否则将下游摄像头拍摄的图像沿中心线切割，获得两块子图像；
第5步：利用第3步的方法分别提取两块子图像的纹理特征矢量，并且分别将两块子图像的纹理特征矢量与合格产品的纹理特征矢量进行比较。如果两者的欧氏距离均不大于预设的合格产品阈值，则该图像中的织物为合格产品，则转至第1步。如果两者的欧氏距离大于合格产品阈值，则将相应子图像纹理特征矢量分别与所有预选瑕疵种类的机织物纹理特征矢量进行比较，若两者的欧氏距离不大于相应的瑕疵阈值，则相应子图像中的机织物属于相应的瑕疵种类，计算机进行记录；若两者的欧氏距离均大于相应的瑕疵阈值，则相应子图像中的机织物为其他瑕疵种类，计算机对瑕疵种类进行记录并发出停机指令，并提示相应人员进行即时处理。
所述第5步中的预选瑕疵种类包括：缺经、缺纬、污点、重经、重纬、破洞。
本实施合格产品的纹理特征矢量及合格产品阈值的确定方法如下：
b1、选取至少200个合格产品的机织纺织品样品进行图像采集；
b2、利用所述第3步中的方法提取各图像的纹理特征矢量，所有合格产品图像纹理特征矢量的聚类中心为合格产品纹理特征矢量中心矢量；
b3、所有合格产品图像的纹理特征矢量到所述合格产品纹理特征矢量中心矢量的欧氏距离的最大值为合格产品阈值。
本实施例瑕疵的机织物纹理特征矢量及相应的瑕疵阈值确定方法如下：
c1、选取至少200个指定瑕疵种类产品的机织纺织品样品进行图像采集；
c2、利用所述第3步中的方法提取各图像的纹理特征矢量，所有指定瑕疵种类产品图像纹理特征矢量的聚类中心为相应瑕疵产品纹理特征矢量的中心矢量；
c3、所有该类瑕疵产品图像的纹理特征矢量到相应瑕疵产品纹理特征矢量的欧氏距离的最大值为相应的瑕疵阈值。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (1)
1. 一种机织纺织品瑕疵自动在线检测方法，其特征在于：布料前进方向上方间隔的设置有上游摄像头、下游摄像头，根据布料前进速度及上、下游摄像头间距设置两摄像头的拍摄时间差，确保两个摄像头能够拍摄到机织纺织品的同一块区域，得到连续的若干对图像；本方法包括有以下步骤：
第1步：利用上游、下游摄像头实时拍摄机织纺织品，并将成对的图像传递至计算机；
第2步：计算机对接收到的图像进行预处理，包括：对灰度图像进行归一化，并通过灰度拉伸增强图像对比度；
第3步：对上游摄像头拍摄的图像提取纹理特征矢量，具体步骤如下：
a1、对图像进行双树复小波变换，获得6个256乘256的矩阵；
a2、将获得的6个矩阵代入马科夫模型，求取马科夫模型的参数，并对获得的参数进行归一化处理；
a3、对归一化后的参数构建矢量，得到该图像中织物的纹理特征矢量；
第4步：将第3步得到的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离不大于预设的合格产品阈值，则该图像中的织物为合格产品，转至第1步；否则将下游摄像头拍摄的图像沿中心线切割，获得两块子图像；
第5步：利用第3步的方法分别提取两块子图像的纹理特征矢量，并且分别将两块子图像的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离均不大于预设的合格产品阈值，则该图像中的织物为合格产品，则转至第1步；如果两者的欧氏距离大于合格产品阈值，则将相应子图像纹理特征矢量分别与所有预选瑕疵种类的机织物纹理特征矢量进行比较，若两者的欧氏距离不大于相应的瑕疵阈值，则相应子图像中的机织物属于相应的瑕疵种类，计算机进行记录；若两者的欧氏距离均大于相应的瑕疵阈值，则相应子图像中的机织物为其他瑕疵种类，计算机对瑕疵种类进行记录并发出停机指令，并提示相应人员进行即时处理。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510229731.8A CN104949990B (zh) | 2013-11-01 | 2013-11-01 | 一种适用于机织纺织品的瑕疵在线检测方法 |
| CN201310535185.1A CN103529051B (zh) | 2013-11-01 | 2013-11-01 | 一种机织纺织品瑕疵自动在线检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310535185.1A CN103529051B (zh) | 2013-11-01 | 2013-11-01 | 一种机织纺织品瑕疵自动在线检测方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510229731.8A Division CN104949990B (zh) | 2013-11-01 | 2013-11-01 | 一种适用于机织纺织品的瑕疵在线检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103529051A CN103529051A (zh) | 2014-01-22 |
| CN103529051B true CN103529051B (zh) | 2015-08-26 |
Family
ID=49931237
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310535185.1A Expired - Fee Related CN103529051B (zh) | 2013-11-01 | 2013-11-01 | 一种机织纺织品瑕疵自动在线检测方法 |
| CN201510229731.8A Active CN104949990B (zh) | 2013-11-01 | 2013-11-01 | 一种适用于机织纺织品的瑕疵在线检测方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510229731.8A Active CN104949990B (zh) | 2013-11-01 | 2013-11-01 | 一种适用于机织纺织品的瑕疵在线检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN103529051B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766314B (zh) * | 2015-03-27 | 2018-07-10 | 长园和鹰智能科技有限公司 | 带有瑕疵标记功能的面料读取机及面料读取方法 |
| CN104967840B (zh) * | 2015-06-19 | 2017-09-15 | 中央电视台 | 一种视频图像超标检测方法及装置 |
| CN106931946A (zh) * | 2015-12-30 | 2017-07-07 | 希姆通信息技术（上海）有限公司 | 一种全自动移动终端视觉检测方法 |
| CN106269573A (zh) * | 2016-08-19 | 2017-01-04 | 广东溢达纺织有限公司 | 织针筛选方法 |
| CN107256545B (zh) * | 2017-05-09 | 2019-11-15 | 华侨大学 | 一种大圆机的破洞瑕疵检测方法 |
| CN108088843B (zh) * | 2017-11-27 | 2020-07-10 | 吴宇泽 | 坝体流道检测机器人 |
| CN112051271B (zh) * | 2018-07-06 | 2024-03-12 | 湖南工程学院 | 自动检测织物瑕疵装置及工艺 |
| CN109684875A (zh) * | 2018-11-30 | 2019-04-26 | 深圳灵图慧视科技有限公司 | 布料检测记录方法、装置、设备及存储介质 |
| CN109829883B (zh) * | 2018-12-19 | 2020-11-17 | 歌尔光学科技有限公司 | 产品质量检测方法及装置 |
| CN110346377A (zh) * | 2019-07-11 | 2019-10-18 | 浙江蒲惠智造科技有限公司 | 基于机器视觉的无纺布表面检测系统及其检测方法 |
| CN110517233A (zh) * | 2019-08-15 | 2019-11-29 | 浙江赤霄智能检测技术有限公司 | 一种基于人工智能的缺陷分类学习系统及其分类方法 |
| CN110940676B (zh) * | 2019-10-22 | 2022-08-12 | 佛山市南海天富科技有限公司 | 基于圆筒织布机的瑕疵检测方法及系统 |
| CN111027577B (zh) * | 2019-11-13 | 2023-03-31 | 湖北省纤维检验局 | 一种织物异常纹理类型识别方法和装置 |
| CN110838149B (zh) * | 2019-11-25 | 2020-10-23 | 创新奇智(广州)科技有限公司 | 一种相机光源自动配置方法及系统 |
| CN111160451A (zh) * | 2019-12-27 | 2020-05-15 | 中山德著智能科技有限公司 | 一种柔性材料检测方法及其储存介质 |
| CN111784691A (zh) * | 2020-07-27 | 2020-10-16 | 泉州迈斯特新材料科技有限公司 | 一种纺织品瑕疵检测方法 |
| CN113155842A (zh) * | 2021-03-01 | 2021-07-23 | 唐芮 | 一种流水线瑕疵检测系统及其方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH085564A (ja) * | 1994-06-22 | 1996-01-12 | Sando Iron Works Co Ltd | 布帛の表裏面検知装置 |
| JPH0843318A (ja) * | 1994-08-01 | 1996-02-16 | Kanebo Ltd | 布目欠点の検出方法及び装置 |
| EP0742431A1 (en) * | 1995-05-10 | 1996-11-13 | Mahlo GmbH & Co. KG | Method and apparatus for detecting flaws in moving fabrics or the like |
| CN101063660A (zh) * | 2007-01-30 | 2007-10-31 | 蹇木伟 | 一种纺织品缺陷检测方法及其装置 |
| CN101216436A (zh) * | 2008-01-03 | 2008-07-09 | 东华大学 | 一种基于支持向量数据描述理论的织物瑕疵自动检测方法 |
| CN101216435A (zh) * | 2008-01-03 | 2008-07-09 | 东华大学 | 一种基于多分形特征参数的织物瑕疵自动检测方法 |
| CN101308096A (zh) * | 2008-06-19 | 2008-11-19 | 何峰 | 基于计算机图形识别原理的纺织织机在线品质监测方法 |
| CN102331425A (zh) * | 2011-06-28 | 2012-01-25 | 合肥工业大学 | 基于缺陷增强的纺织品缺陷检测方法 |
| CN102706881A (zh) * | 2012-03-19 | 2012-10-03 | 天津工业大学 | 基于机器视觉的布匹瑕疵检测方法 |
| CN102967606A (zh) * | 2012-11-02 | 2013-03-13 | 海宁市科威工业电子科技有限公司 | 一种纺织机织物瑕疵视觉检测系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6650779B2 (en) * | 1999-03-26 | 2003-11-18 | Georgia Tech Research Corp. | Method and apparatus for analyzing an image to detect and identify patterns |
| US7450779B2 (en) * | 2004-05-21 | 2008-11-11 | Imaging Dynamics Company Ltd. | De-noising digital radiological images |
| CN1948603A (zh) * | 2006-11-10 | 2007-04-18 | 苏州大学 | 一种识别机织物疵点的方法 |
| CN102879401B (zh) * | 2012-09-07 | 2015-06-24 | 西安工程大学 | 基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法 |
| CN103234976B (zh) * | 2013-04-03 | 2015-08-05 | 江南大学 | 基于Gabor变换的经编机布匹瑕疵在线视觉检测方法 |
-
2013
- 2013-11-01 CN CN201310535185.1A patent/CN103529051B/zh not_active Expired - Fee Related
- 2013-11-01 CN CN201510229731.8A patent/CN104949990B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH085564A (ja) * | 1994-06-22 | 1996-01-12 | Sando Iron Works Co Ltd | 布帛の表裏面検知装置 |
| JPH0843318A (ja) * | 1994-08-01 | 1996-02-16 | Kanebo Ltd | 布目欠点の検出方法及び装置 |
| EP0742431A1 (en) * | 1995-05-10 | 1996-11-13 | Mahlo GmbH & Co. KG | Method and apparatus for detecting flaws in moving fabrics or the like |
| CN101063660A (zh) * | 2007-01-30 | 2007-10-31 | 蹇木伟 | 一种纺织品缺陷检测方法及其装置 |
| CN101216436A (zh) * | 2008-01-03 | 2008-07-09 | 东华大学 | 一种基于支持向量数据描述理论的织物瑕疵自动检测方法 |
| CN101216435A (zh) * | 2008-01-03 | 2008-07-09 | 东华大学 | 一种基于多分形特征参数的织物瑕疵自动检测方法 |
| CN101308096A (zh) * | 2008-06-19 | 2008-11-19 | 何峰 | 基于计算机图形识别原理的纺织织机在线品质监测方法 |
| CN102331425A (zh) * | 2011-06-28 | 2012-01-25 | 合肥工业大学 | 基于缺陷增强的纺织品缺陷检测方法 |
| CN102706881A (zh) * | 2012-03-19 | 2012-10-03 | 天津工业大学 | 基于机器视觉的布匹瑕疵检测方法 |
| CN102967606A (zh) * | 2012-11-02 | 2013-03-13 | 海宁市科威工业电子科技有限公司 | 一种纺织机织物瑕疵视觉检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104949990B (zh) | 2017-06-23 |
| CN104949990A (zh) | 2015-09-30 |
| CN103529051A (zh) | 2014-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103529051B (zh) | 一种机织纺织品瑕疵自动在线检测方法 | |
| CN105741291B (zh) | 一种高速铁路接触网悬挂装置等电位线故障检测方法 | |
| CN102157024B (zh) | 一种大张检查机机检数据在线二次检测核查的系统及方法 | |
| CN108802041B (zh) | 一种屏幕检测的小样本集快速换型的方法 | |
| CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测系统 | |
| CN105444891A (zh) | 一种基于机器视觉的纱线印染色差检测系统 | |
| Zhang et al. | A review of fabric identification based on image analysis technology | |
| CN109916913A (zh) | 一种基于机器视觉的智能制造产品识别与检测方法 | |
| CN110097538A (zh) | 一种织机在线验布装置及疵点识别方法 | |
| CN105466938B (zh) | 一种基于c/s结构的织物疵点检测信息管理系统及方法 | |
| CN110490842A (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
| CN102236925B (zh) | 大张检查机机检数据离线二次检测核查的系统及方法 | |
| CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
| CN102592286A (zh) | 一种基于图像处理的色织物配色模纹图自动识别方法 | |
| CN104048966A (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
| CN102288608A (zh) | 一种新的机织物密度自动检测方法 | |
| CN113128555B (zh) | 一种用于列车闸片部件异常检测的方法 | |
| CN103926255A (zh) | 一种基于小波神经网络的布匹表面瑕疵检测方法 | |
| Huang et al. | Research on surface defect intelligent detection technology of non-woven fabric based on support vector machine | |
| CN109632817A (zh) | 一种基于准直激光束的织物织造在线疵点检测方法 | |
| CN202416024U (zh) | 一种混合光源的自动验布机 | |
| Wan et al. | Fault detection of air-spring devices based on GANomaly and isolated forest algorithms | |
| CN117409005B (zh) | 基于图像的收板机用不良品检测系统及方法 | |
| CN111784691A (zh) | 一种纺织品瑕疵检测方法 | |
| CN102967603A (zh) | 一种基于纱线中纤维取向的组织点类型判别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150826 Termination date: 20161101 |