CN104713888B - 使用计算机检测织物疵点的方法 - Google Patents
使用计算机检测织物疵点的方法 Download PDFInfo
- Publication number
- CN104713888B CN104713888B CN201510154256.2A CN201510154256A CN104713888B CN 104713888 B CN104713888 B CN 104713888B CN 201510154256 A CN201510154256 A CN 201510154256A CN 104713888 B CN104713888 B CN 104713888B
- Authority
- CN
- China
- Prior art keywords
- mrow
- fabric
- msub
- mfrac
- fault
- 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.)
- Active
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种使用计算机检测织物疵点的方法，该方法通过向待测织物照射编码光信息，通过计算待测织物每个点的相位信息，进而获得待测织物的空间坐标信息，并且重构空间立体图像；然后根据重构的立体图像是否存在曲率不连续处以及x，y和h坐标是否均匀变化判断是否存在疵点以及疵点类型；最后传输到远程终端，由人工进行核实。本发明的方法不受织物背景颜色以及测量环境的制约；不仅可应用于素色织物疵点的检测，也可以应用于复杂背景彩色织物的检测；即使在光学照明环境不佳的情况下也能得到较好的疵点检测正确率。
Description
技术领域
本发明属于纺织行业领域，具体涉及一种使用计算机检测织物疵点的方法。
技术背景：
纺织工业是我国国民经济传统支柱产业和重要民生产业，也是国际竞争比较优势明显的产业，在繁荣市场、扩大出口、吸纳就业、增加农民收入、促进城镇化发展等方面发挥着重要作用。加快振兴纺织工业，必须以自主创新、技术改造、淘汰落后、优化布局为重点，不断推进结构调整和产业升级，从而我国纺织工业由大到强的转变。自从加入WTO以来，我国纺织品出口一直以低价位、低利润与国外产品竞争，占领的大多数为中低端市场，而难以进入对质量要求严格的高端市场。因此，通过提高检验的技术与装配来提升我国纺织品质量已经成为迫在眉睫的问题。
织物疵点的自动检测和识别是20世纪90年代以来的一个研究热点。目前，国际上形成商品的自动检测系统为数不多，比较有影响的是瑞士Uster公司的Fabriscan系统、比利时BracoVision公司的Cyclops系统和以色列EVS公司的I2TEX系统，这些系统价格非常昂贵，国内纺织企业主要还是靠人工离线检测。人工检验效率低，易疲劳，而且容易出现漏检现象。因此，必须开发结构灵活，算法稳定，适应性强的低成本在线疵点检测系统。李立轻等将自适应正交小波变换应用于织物疵点检测；宋寅卯等研究了基于最优PCNN模型的织物疵点自动检测；王三武等研究了基于BP神经网络的织物疵点检测方法；卿湘运等提出了基于局部熵的织物疵点检测与识别方法；高晓丁等研究了基于支撑矢量机的织物疵点识别算法；邢亚敬等研究了基于优化Gabor滤波器的织物疵点检测方法。
上述方法为计算机视觉在织物检测方面的应用奠定了基础，但是上述检测方法均是基于二维图像处理，存在多种问题：(1)难以解决“环境光背景光变化”带来的图像干扰；(2)多数织物疵点检测方法只能应用于素色织物疵点的检测，难以应用于复杂背景彩色织物的检测；(3)总体上疵点检测正确率不高。
发明内容
为了解决上述技术问题，本发明提供了一种使用计算机检测织物疵点的方法，该方法通过向待测织物照射编码光信息，通过计算待测织物每个点的相位信息，进而获得待测织物的空间坐标信息，并且重构空间立体图像；然后根据重构的立体图像是否存在曲率不连续处以及x，y和h坐标是否均匀变化判断是否存在疵点以及疵点类型；最后传输到远程终端，由人工进行核实。
本发明的使用计算机检测织物疵点的方法，包括如下步骤：
(1)从多个不同角度将编码光信息多次照射到待测织物表面上，获取待测织物表面反射的多个编码图像；
(2)根据预先设定的程序，计算待测织物空间图像上任意点(x,y)的空间坐标(x,y,h)；
(3)使用图像上所有点的空间坐标(x,y,h)重构待测织物表面的立体图像；
(4)根据重构的立体图像判断是否存在疵点以及疵点类型；
(5)计算机自动生成疵点位置及疵点类型信息，并且将疵点图片传输到远程终端，由人工进行核实。
在步骤(1)中，使用高亮度投影仪将编码光信息照射到待测织物表面上，编码光信息可以是结构光(例如，点、线或条纹)。条纹优选是光栅条纹，例如是幅值、相位和照射方向可调的正弦光栅条纹、余弦光栅条纹、频率和方向不同的两种光栅条纹组合形成的复合光栅条纹、莫尔条纹、灰度编码光栅条纹及彩色光栅条纹中的任意一种；进一步优选是莫尔条纹和彩色光栅条纹；最优选是莫尔条纹。
在一个实施方式中，使编码光信息移动若干次数，例如可以是二次、三次或四次；同时照射到待测织物表面上，并且相应地获取待测织物表面的若干编码图像，例如可以是二个、三个或四个。在一个优选的实施方式中，从三个不同角度将编码光信息三次照射到待测织物表面上，获取待测织物表面反射的三个编码图像。
获取待测织物表面反射的编码图像由图像采集系统实现。图像采集系统包括CCD摄像机和与该摄像机相连接的计算机。CCD摄像机从另一角度采集待测织物表面的图像，然后传输至计算机进行数据计算。
在步骤(2)中，根据预先设定的程序，计算待测织物空间图像上任意点(x,y)的空间坐标(x,y,h)。其中预先设定的程序利用下列公式进行运算：
公式(1)：
公式(2)：
公式(3)：
公式(4)：
其中，I1-I3为图像采集系统采集的图像强度，D为信号强度，γ为可见度，Λ为莫尔等效周期，h为任意点(x,y)的空间高度。使用上述公式，计算出待测织物表面上所有点(x,y)的空间坐标(x,y,h)。
在步骤(3)中，使用图像上所有点的空间坐标(x,y,h)重构待测织物表面的立体图像。在一个优选的实施方式中，重构方法可以采用OPENGL和C++编程实现。
在步骤(4)中，根据重构的立体图像是否存在曲率不连续处以及x，y和h坐标是否均匀变化判断是否存在疵点以及疵点类型。
在步骤(5)中，计算机自动生成疵点位置及疵点类型信息，并且将疵点图片传输到远程终端，由人工进行核实。在一个实施方式中，在将疵点图片显示给远程终端检测人员查看之前进行图像增强处理，通过图像增强算法使得疵点具有更好的人眼分辨率，以便使得疵点图片中的疵点更加明显。为了便于操作人员查找相关疵点图片，设定命名规则使得疵点图片在存储设备上具有唯一ID。
与现有技术已知的方法相比，本发明的方法具有下列优势：
(1)该方法不受织物背景颜色以及测量环境的制约；
(2)不仅可应用于素色织物疵点的检测，也可以应用于复杂背景彩色织物的检测；
(3)即使在光学照明环境不佳的情况下也能得到较好的疵点检测正确率。
具体实施方式
使用高亮度投影仪将编码光信息照射到待测织物表面上，编码光信息可以是莫尔条纹。
使编码光信息移动三次，从三个不同角度将编码光信息三次照射到待测织物表面上，获取待测织物表面反射的三个编码图像。
获取待测织物表面反射的编码图像由图像采集系统实现。图像采集系统包括CCD摄像机和与该摄像机相连接的计算机。CCD摄像机从另一角度采集待测织物表面的图像，然后传输至计算机进行数据计算。
根据预先设定的程序，计算待测织物空间图像上任意点(x,y)的空间坐标(x,y,h)。其中预先设定的程序利用下列公式进行运算：
公式(1)：
公式(2)：
公式(3)：
公式(4)：
其中，I1-I3为图像采集系统三次采集的图像强度，D为信号强度，γ为可见度，Λ为莫尔等效周期，h为任意点(x,y)的空间高度。使用上述公式，计算出待测织物表面上所有点(x,y)的空间坐标(x,y,h)。
使用图像上所有点的空间坐标(x,y,h)重构待测织物表面的立体图像；重构方法可以采用OPENGL和C++编程实现。
根据重构的立体图像是否存在曲率不连续处以及x，y和h坐标是否均匀变化判断是否存在疵点以及疵点类型。例如，如果重构的待测织物表面的立体图像曲率连续，且内部子结构均为标准三维织物结构，没有缺少织物数据的信息，则该结构为褶皱带来的干扰，予以排除。如果h坐标出现非周期性变化的情况，则为跳花，或者纱线粗节。如果XY平面缺少某一条数据，需要判断缺少数据的方向以及缺少数据的位置。如果突然缺少x数据(对应于经线X方向)，则为断经；如果突然缺少y数据(对应于纬线Y方向)，则为断纬。如果一直缺少经线方向数据，则为缺经；如果一直缺少纬线方向数据，则为缺纬。XY平面数据不均匀，则判断为织物数据不匀的类型。如果是规律性的粗细不匀，则是粗经、粗纬、细经、细纬，需要查找纱线是否存在瑕疵；如果出现的是网眼状不匀，则为方眼；如果出现片状不匀，则为云织；如果出现数据较稀疏不匀或者较密的不匀，则为稀路或者密路。稀路、密路、方眼和云织均需查看生产工艺是否存在故障。
在步骤(5)中，计算机自动生成疵点位置及疵点类型信息，并且传输到远程终端，由人工进行核实。在一个实施方式中，在将疵点图片显示给远程终端检测人员查看之前进行图像增强处理，通过图像增强算法使得疵点具有更好的人眼分辨率，以便使得疵点图片中的疵点更加明显。此后，在终端操作的检测人员便能对增强后的疵点图片进行疵点分类。为了便于操作人员查找相关疵点图片，设定命名规则使得疵点图片在存储设备上具有唯一ID。它主要由四部分组成即检测机的机器号、织物的订单号、序列号及位置信息。
通过图像分析，终端操作的检测人员对图像中疵点的尺寸进行评估，取得疵点的尺寸，并依据其类别信息对该疵点进行打分，经此方式，可对织物进行最终的等级评定。将相关信息如织物的生产情况、疵点图像、疵点位置信息、疵点大小与类别信息、分值情况等信息保存至远程终端的数据库，所述信息全部存于远程终端上的数据库用于备查，并可通过其生成完整的织物质量报表。该方式提高了织物疵点检测的效率，提高对织物疵点类别判定的准确率。
值得注意的是，以上所述仅为本发明的较佳实施例，并非因此限定本发明的专利保护范围，本发明还可以采用等同技术进行替换。故凡运用本发明的说明书及图示内容所作的等效变化，或直接或间接运用于其他相关技术领域均同理皆包含于本发明所涵盖的范围内。
Claims (2)
1.一种使用计算机检测织物疵点的方法，包括如下步骤：
(1)从三个不同角度将编码光信息三次照射到待测织物表面上，获取待测织物表面反射的三个编码图像；所述步骤(1)的编码光信息是莫尔条纹；
(2)根据预先设定的程序，计算出待测织物空间图像上任意点(x,y)的空间坐标(x,y,h)；所述步骤(2)的预先设定的程序利用下列公式进行运算：
公式(1)：
<mrow>
<msub>
<mi>I</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mi>D</mi>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&gamma;</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>h</mi>
</mrow>
<mi>&Lambda;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
公式(2)：
<mrow>
<msub>
<mi>I</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mi>D</mi>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&gamma;</mi>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>h</mi>
</mrow>
<mi>&Lambda;</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
公式(3)：
<mrow>
<msub>
<mi>I</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mi>D</mi>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&gamma;</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>h</mi>
</mrow>
<mi>&Lambda;</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<mn>4</mn>
<mi>&pi;</mi>
</mrow>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
公式(4)：
<mrow>
<mi>h</mi>
<mo>=</mo>
<mfrac>
<mi>&Lambda;</mi>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
<mi>arctan</mi>
<mi>&theta;</mi>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msqrt>
<mn>3</mn>
</msqrt>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>I</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>I</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
其中，I1-I3为图像采集系统采集的图像强度，D为信号强度，γ为可见度，Λ为莫尔等效周期，h为任意点(x,y)的空间高度；
(3)使用图像上所有点的空间坐标(x,y,h)重构待测织物表面的立体图像；所述步骤(3)的重构采用OPENGL和C++编程实现；
(4)根据重构的立体图像是否存在曲率不连续处以及x，y和h坐标是否均匀变化判断是否存在疵点以及疵点类型；
所述判断方法如下：
如果重构的待测织物表面的立体图像曲率连续，且内部子结构均为标准三维织物结构，没有缺少织物数据的信息，则该结构为褶皱带来的干扰，予以排除；
如果h坐标出现非周期性变化的情况，则为跳花，或者纱线粗节；
如果XY平面缺少某一条数据，需要判断缺少数据的方向以及缺少数据的位置；如果突然缺少x数据，则为断经；如果突然缺少y数据，则为断纬；如果一直缺少经线方向数据，则为缺经；如果一直缺少纬线方向数据，则为缺纬；
XY平面数据不均匀，则判断为织物数据不匀的类型；如果是规律性的粗细不匀，则是粗经、粗纬、细经、细纬，需要查找纱线是否存在瑕疵；
如果出现的是网眼状不匀，则为方眼；如果出现片状不匀，则为云织；如果出现数据较稀疏不匀或者较密的不匀，则为稀路或者密路；稀路、密路、方眼和云织均需查看生产工艺是否存在故障；
(5)计算机自动生成疵点位置及疵点类型信息，并且将疵点图片传输到远程终端，由人工进行核实。
2.根据权利要求1所述的方法，其中，所述步骤(5)在将疵点图片显示给远程终端检测人员查看之前进行图像增强处理，通过图像增强算法使得疵点具有更好的人眼分辨率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510154256.2A CN104713888B (zh) | 2015-04-02 | 2015-04-02 | 使用计算机检测织物疵点的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510154256.2A CN104713888B (zh) | 2015-04-02 | 2015-04-02 | 使用计算机检测织物疵点的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104713888A CN104713888A (zh) | 2015-06-17 |
| CN104713888B true CN104713888B (zh) | 2017-09-12 |
Family
ID=53413401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510154256.2A Active CN104713888B (zh) | 2015-04-02 | 2015-04-02 | 使用计算机检测织物疵点的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104713888B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203536B (zh) * | 2016-08-30 | 2019-05-14 | 南京工业大学 | 一种织物疵点的特征提取及检测方法 |
| CN112147153B (zh) * | 2020-10-28 | 2022-10-18 | 江苏善果缘智能科技有限公司 | 一种用于产品表面疵点检测的led照明光源构建方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101509765A (zh) * | 2009-03-30 | 2009-08-19 | 天津工业大学 | 一种用于高精度三维测量的细纹幂增立体匹配方法 |
| CN101598677B (zh) * | 2009-07-03 | 2011-01-05 | 天津工业大学 | 织物疵点在线三维识别方法 |
| CN101825443B (zh) * | 2010-03-09 | 2012-08-22 | 深圳大学 | 一种三维成像方法及系统 |
| CN102103090A (zh) * | 2010-12-07 | 2011-06-22 | 东华大学 | 基于计算机视觉的梳棉机棉网质量在线检测装置与方法 |
| CN102175692A (zh) * | 2011-03-17 | 2011-09-07 | 嘉兴学院 | 织物坯布疵点快速检测系统及方法 |
| CN102519390B (zh) * | 2011-12-21 | 2015-01-07 | 哈尔滨理工大学 | 三编码周期灰度梯形相移结构光三维信息获取方法 |
| CN102607466B (zh) * | 2012-03-29 | 2014-10-01 | 天津大学 | 高反射自由曲面光栅投影快速非接触测量方法及装置 |
| CN102661724B (zh) * | 2012-04-10 | 2014-10-22 | 天津工业大学 | 应用于织物疵点在线检测的rgbpsp彩色三维重建方法 |
-
2015
- 2015-04-02 CN CN201510154256.2A patent/CN104713888B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104713888A (zh) | 2015-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102867299B (zh) | 一种基于奇异值分解的图像分析方法及应用于织物瑕疵检测的方法 | |
| CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
| CN106841237A (zh) | 一种电子显示屏玻璃盖板表面缺陷检测系统及方法 | |
| CN101587082B (zh) | 一种应用于织物疵点检测的快速三维重建方法 | |
| CN110349146A (zh) | 基于轻量级卷积神经网络的织物缺陷识别系统的搭建方法 | |
| CN101923059A (zh) | 一种自动验布方法及系统 | |
| CN103745239B (zh) | 一种基于卫星遥感技术的森林资源测量方法 | |
| CN103234969A (zh) | 一种基于机器视觉的织物纬密度测量新方法 | |
| CN101598677B (zh) | 织物疵点在线三维识别方法 | |
| CN103234976A (zh) | 基于Gabor变换的经编机布匹瑕疵在线视觉检测方法 | |
| CN102661724B (zh) | 应用于织物疵点在线检测的rgbpsp彩色三维重建方法 | |
| CN104713888B (zh) | 使用计算机检测织物疵点的方法 | |
| CN206132657U (zh) | 一种基于机器视觉的烫金质量智能检测系统 | |
| Xie et al. | Fabric defect detection method combing image pyramid and direction template | |
| CN109145985A (zh) | 一种布匹疵点的检测及分类方法 | |
| CN107633507A (zh) | 基于轮廓检测和特征匹配的lcd缺陷检测方法 | |
| CN110009019A (zh) | 磁性材料裂纹智能检测系统及方法 | |
| CN104457599A (zh) | 非接触式在线测量细丝直径的装置及方法 | |
| Zhang et al. | An effective framework using identification and image reconstruction algorithm for train component defect detection | |
| CN105046262B (zh) | 一种鲁棒扩展局部二值模式纹理特征提取方法 | |
| CN117495836A (zh) | 一种素色织物疵点检测方法 | |
| Lu et al. | A new grinding surface roughness measurement method based on image quality algorithm and BP neural network | |
| Li et al. | Metal surface defect detection based on improved YOLOv5 | |
| Liu et al. | Automatic measurement for dimensional changes of woven fabrics based on texture | |
| Ren et al. | Research and application of label defect detection method based on machine vision |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |