CN104809725A - 一种布匹缺陷视觉识别检测装置和方法 - Google Patents
一种布匹缺陷视觉识别检测装置和方法 Download PDFInfo
- Publication number
- CN104809725A CN104809725A CN201510198352.7A CN201510198352A CN104809725A CN 104809725 A CN104809725 A CN 104809725A CN 201510198352 A CN201510198352 A CN 201510198352A CN 104809725 A CN104809725 A CN 104809725A
- Authority
- CN
- China
- Prior art keywords
- cloth
- central processing
- image
- processing system
- defective vision
- 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.)
- Pending
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种布匹缺陷视觉识别检测装置和方法，该装置包括有视频采集系统和中央处理系统，所述视频采集系统包括有红外光源和带有红外滤镜的摄像机，所述摄像机连接至中央处理系统，通过中央处理系统以及视频采集系统的配合，利用红外光的衰减特性实现对布匹缺陷进行高灵敏度地检测，改善了现有技术中的缺陷，完成了对布匹缺陷的快速和精确的检测识别；该方法通过中央处理系统以及视频采集系统的配合，利用红外光的衰减特性实现对布匹缺陷进行高灵敏度地检测，并利用图像算法对图像进行处理，从而完成了对布匹缺陷的快速和精确的检测识别。本发明作为一种布匹缺陷视觉识别检测装置和方法可广泛应用于布匹检测领域。
Description
技术领域
本发明涉及布匹检测领域，尤其是一种布匹缺陷视觉识别检测装置和方法。
背景技术
布匹缺陷检测是纺织行业生产过程中布匹质量得以保障的重要环节；同时也是各类食品的生产过程中，经常需要使用布匹对原料进行过滤，去除杂质，保留优质原料；而布匹在多次重复使用的过程中需要经常折叠与压挤，容易造成布匹的破损，若布匹有破损,仍然使用将会造成原料的浪费，所以经常也会将该项技术用于食品生产中。机器视觉技术的发展，使得利用数字图像处理技术来检测布匹缺陷成为可能。
传统的布匹破损检测是由人工来完成的，布匹在生产线自动清洗的过程中，人眼需要长期盯着布匹，寻找破损处。其效率极其低下，并且由于人眼视觉疲劳、分辨率低等因素，经常遗漏破损，造成生产原料的浪费。现有技术中，基于机器视觉的布匹疵点自动检测识别装置及方法（201410467132.5），其装置的灵敏度及其结合算法的高效性都亟需改善，以适应更高的工业要求。
发明内容
为了解决上述技术问题，本发明的目的是：一种实现布匹缺陷高效快速识别的检测装置。
为了解决上述技术问题，本发明的另一目的是：一种实现布匹缺陷高效快速识别的检测方法。
本发明所采用的技术方案是：一种布匹缺陷视觉识别检测装置，包括有视频采集系统和中央处理系统，所述视频采集系统包括有设置于该装置一侧的红外光源和设置于该装置另一侧的带有红外滤镜的摄像机，所述摄像机连接至中央处理系统，所述红外光源正对摄像机的镜头，被检测的布匹从红外光源与摄像机之间通过。
进一步，所述视频采集系统和中央处理系统通过千兆以太网连接，所述视频采集系统采集到流动的布匹图像通过千兆以太网传输到中央处理系统。
进一步，所述视频采集系统中设置于该装置一侧的为多个红外光源，所述视频采集系统中设置于该装置另一侧的为多个带有红外滤镜的摄像机。
进一步，该装置还包括有网络通讯系统，用于与远程总控制台通讯，所述网络通讯系统与中央处理系统连接。
进一步，该装置还包括有数据管理系统，用于对装置的运行参数以及布匹破损数据进行记录管理，所述数据管理系统与中央处理系统连接。
进一步，该装置还包括有现场控制系统，用于实现对检测生产线的启停、开关信号量、报警信号等信号的控制，所述现场控制系统与中央处理系统连接。
本发明所采用的另一技术方案是：一种布匹缺陷视觉识别检测方法，包括有以下步骤：
A、摄像头获取透过布匹的红外光并输出灰度图像；
B、对灰度图像进行感兴趣区域提取和预处理；
C、对感兴趣区域作图像增强与分割处理；
D、对上述处理后的图像进行二值化；
E、对二值化后的图像提取特征区域并进行缺陷识别。
进一步，所述步骤E具体为：遍历二值化后的图像的像素点，将灰度值为255的连通区域的最外围的像素点间用平滑的曲线连接，即为特征区域的边界，然后根据平滑曲线内的像素点数目计算特征区域面积。
进一步，还包括有步骤F：经过缺陷识别后确认存在布匹缺陷则自动触发警报。
本发明的有益效果是：本发明装置通过中央处理系统以及视频采集系统的配合，利用红外光的衰减特性实现对布匹缺陷进行高灵敏度地检测，改善了现有技术中的缺陷，完成了对布匹缺陷的快速和精确的检测识别。
本发明的另一有益效果是：本发明方法通过中央处理系统以及视频采集系统的配合，利用红外光的衰减特性实现对布匹缺陷进行高灵敏度地检测，并利用图像算法对图像进行处理，从而完成了对布匹缺陷的快速和精确的检测识别。
附图说明
图1为本发明装置的结构示意图；
图2为本发明方法的步骤流程图；
图3为本发明方法中二值图像提取特征区域轮廓示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
参照图1，一种布匹缺陷视觉识别检测装置，包括有视频采集系统和中央处理系统，所述视频采集系统包括有设置于该装置一侧的红外光源和设置于该装置另一侧的带有红外滤镜的摄像机，所述摄像机连接至中央处理系统，所述红外光源正对摄像机的镜头，被检测的布匹从红外光源与摄像机之间通过。
现有技术中通常采用LED光源发出可见光来检测布匹缺陷，而本发明采用红外光以及带有红外滤镜的摄像机配合，由于布匹具有一定厚度，在未破损的情况下能够透过布匹进入相机的红外光的强度是极其微弱的，但是一旦布匹存在破损，则会有较强的红外光透过，进而被摄像机接收到，从而在后续对图像进行二值化处理中对阈值的选择更容易，识别的精确度更高。
进一步作为优选的实施方式，所述视频采集系统和中央处理系统通过千兆以太网连接，所述视频采集系统采集到流动的布匹图像通过千兆以太网传输到中央处理系统。
视频采集系统采用的摄像机为高清摄像机，其传输的数据量比较大，因此采用千兆以太网与中央处理系统连接。
进一步作为优选的实施方式，所述视频采集系统中设置于该装置一侧的为多个红外光源，所述视频采集系统中设置于该装置另一侧的为多个带有红外滤镜的摄像机。
进一步作为优选的实施方式，该装置还包括有网络通讯系统，用于与远程总控制台通讯，所述网络通讯系统与中央处理系统连接。
所述网络通讯系统工业现场总线、前兆以太网两种通信方式，通讯介质为光纤和超五类双绞线，通讯距离可达10Km以上，可有效配合远程管理系统。
进一步作为优选的实施方式，该装置还包括有数据管理系统，用于对装置的运行参数以及布匹破损数据进行记录管理，所述数据管理系统与中央处理系统连接。
进一步作为优选的实施方式，该装置还包括有现场控制系统，用于实现对检测生产线的启停、开关信号量、报警信号等信号的控制，所述现场控制系统与中央处理系统连接。
其主要功能如下：
1）接收主控制器的控制数据、控制指令；
2）为主控制器发送从控制器状态和各种开关量信号；如：启停、警报灯；
现场控制功能在远程自动控制中尤为重要的作用。
参照图2，一种布匹缺陷视觉识别检测方法，包括有以下步骤：
A、摄像头获取透过布匹的红外光并输出灰度图像；
B、对灰度图像进行感兴趣区域提取和预处理；
实际检测时，红外光源的强度可根据检测布匹厚度的图像灰度值，利用改进的灰度图像匹配算法进行调整，保证投射过布匹的光强相同。所述预处理步骤为对图像均值滤波后，将其与正常图像灰度值（即标准灰度值）比较，若偏差超出标准灰度额定值（约15%以上），则初步判断是否为破损缺陷处。
C、对感兴趣区域作图像增强与分割处理；
增强处理可通过基于加权直方图红外透射图像增强算法对检测的视频采集图像进行滤波,使得布匹缺陷处的特征更加明显；分割处理则是利用双门限分割法对检测的视频图像数据进行分割，将视频图像分割为多个部分进行局部处理。
D、对上述处理后的图像进行二值化；
E、对二值化后的图像提取特征区域并进行缺陷识别。
灰度图像二值化算法是通过设定二值化时的阀值，然后将灰度图像中的每个像素的灰度值与设定的阀值做比较，当该像素点的灰度值大于设定的阀值时，将该像素点的灰度值设置为255；若该像素点的灰度值小于设定的阀值时，将该像素点的灰度值设定为0。具体公式如公式（1）所示:设输入图像为f(x,y),二值化后的图像为g(x,y)，阀值为T，则灰度图像二值化的方法如下：
（1）
进一步作为优选的实施方式，所述步骤E具体为：遍历二值化后的图像的像素点，将灰度值为255的连通区域的最外围的像素点间用平滑的曲线连接，即为特征区域的边界，然后根据平滑曲线内的像素点数目计算特征区域面积。
获得二值图像后再遍历二值图像，寻找并提取特征区域（目标特征区域为白色区域），将黑白图像像素点的灰度值为255的连通区域的最外围的像素点间用平滑的曲线连接起来即为特征区域的外形轮廓。获取轮廓后再统计该轮廓内包含的像素点数目，然后依据轮廓内包含的像素点数目计算破损处面积。二值图像提取轮廓的思路如图3：每个数值（0或255）表示二值图像中的一个像素点的灰度值。
进一步作为优选的实施方式，还包括有步骤F：经过缺陷识别后确认存在布匹缺陷则自动触发警报。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变换或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种布匹缺陷视觉识别检测装置，其特征在于：包括有视频采集系统和中央处理系统，所述视频采集系统包括有设置于该装置一侧的红外光源和设置于该装置另一侧的带有红外滤镜的摄像机，所述摄像机连接至中央处理系统，所述红外光源正对摄像机的镜头，被检测的布匹从红外光源与摄像机之间通过。
2.根据权利要求1所述的一种布匹缺陷视觉识别检测装置，其特征在于：所述视频采集系统和中央处理系统通过千兆以太网连接，所述视频采集系统采集到流动的布匹图像通过千兆以太网传输到中央处理系统。
3.根据权利要求1所述的一种布匹缺陷视觉识别检测装置，其特征在于：所述视频采集系统中设置于该装置一侧的为多个红外光源，所述视频采集系统中设置于该装置另一侧的为多个带有红外滤镜的摄像机。
4.根据权利要求1所述的一种布匹缺陷视觉识别检测装置，其特征在于：该装置还包括有网络通讯系统，用于与远程总控制台通讯，所述网络通讯系统与中央处理系统连接。
5.根据权利要求1所述的一种布匹缺陷视觉识别检测装置，其特征在于：该装置还包括有数据管理系统，用于对装置的运行参数以及布匹破损数据进行记录管理，所述数据管理系统与中央处理系统连接。
6.根据权利要求1所述的一种布匹缺陷视觉识别检测装置，其特征在于：该装置还包括有现场控制系统，用于实现对检测生产线的启停、开关信号量、报警信号等信号的控制，所述现场控制系统与中央处理系统连接。
7.一种布匹缺陷视觉识别检测方法，其特征在于：包括有以下步骤：
A、摄像头获取透过布匹的红外光并输出灰度图像；
B、对灰度图像进行感兴趣区域提取和预处理；
C、对感兴趣区域作图像增强与分割处理；
D、对上述处理后的图像进行二值化；
E、对二值化后的图像提取特征区域并进行缺陷识别。
8.根据权利要求1所述的一种布匹缺陷视觉识别检测方法，其特征在于：所述步骤E具体为：遍历二值化后的图像的像素点，将灰度值为255的连通区域的最外围的像素点间用平滑的曲线连接，然后根据平滑曲线内的像素点数目计算特征区域面积。
9.根据权利要求1所述的一种布匹缺陷视觉识别检测方法，其特征在于：还包括有步骤F：经过缺陷识别后确认存在布匹缺陷则自动触发警报。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510198352.7A CN104809725A (zh) | 2015-04-23 | 2015-04-23 | 一种布匹缺陷视觉识别检测装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510198352.7A CN104809725A (zh) | 2015-04-23 | 2015-04-23 | 一种布匹缺陷视觉识别检测装置和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104809725A true CN104809725A (zh) | 2015-07-29 |
Family
ID=53694530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510198352.7A Pending CN104809725A (zh) | 2015-04-23 | 2015-04-23 | 一种布匹缺陷视觉识别检测装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104809725A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447854A (zh) * | 2015-11-12 | 2016-03-30 | 程涛 | 一种小尺寸玻璃面板表面缺陷检测方法及系统 |
| CN107123114A (zh) * | 2017-04-21 | 2017-09-01 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器学习的布匹缺陷检测方法及装置 |
| CN107123107A (zh) * | 2017-03-24 | 2017-09-01 | 广东工业大学 | 基于神经网络深度学习的布匹缺陷检测方法 |
| CN108511359A (zh) * | 2018-03-30 | 2018-09-07 | 武汉新芯集成电路制造有限公司 | 晶圆缺陷的检测方法 |
| CN109544552A (zh) * | 2018-12-06 | 2019-03-29 | 合刃科技（深圳）有限公司 | 一种光栅无损检测方法及系统 |
| CN109961432A (zh) * | 2019-03-27 | 2019-07-02 | 广东工业大学 | 一种滤布破损的检测方法和系统 |
| CN110211107A (zh) * | 2019-05-28 | 2019-09-06 | 太原理工大学 | 一种基于双波段红外图像的矿用胶带损伤检测方法 |
| CN114134699A (zh) * | 2021-11-25 | 2022-03-04 | 霍柱斌 | 基于红外线检测的布料破损验收用传输装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539995A (zh) * | 2009-04-24 | 2009-09-23 | 清华大学深圳研究生院 | 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法 |
| CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
| WO2011137264A1 (en) * | 2010-04-28 | 2011-11-03 | Mettler-Toledo, Inc. | Thermal imaging of molded objects |
| CN202649776U (zh) * | 2011-12-22 | 2013-01-02 | 北京中科远恒科技有限公司 | 一种纺织机械自动化系统 |
-
2015
- 2015-04-23 CN CN201510198352.7A patent/CN104809725A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539995A (zh) * | 2009-04-24 | 2009-09-23 | 清华大学深圳研究生院 | 基于手指静脉纹与手指背纹的成像设备及多模态身份认证方法 |
| CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
| WO2011137264A1 (en) * | 2010-04-28 | 2011-11-03 | Mettler-Toledo, Inc. | Thermal imaging of molded objects |
| CN202649776U (zh) * | 2011-12-22 | 2013-01-02 | 北京中科远恒科技有限公司 | 一种纺织机械自动化系统 |
Non-Patent Citations (1)
| Title |
|---|
| 许志文 等: "基于机器视觉的纺织品缺陷检测系统的研究与实现", 《工业控制计算机》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447854A (zh) * | 2015-11-12 | 2016-03-30 | 程涛 | 一种小尺寸玻璃面板表面缺陷检测方法及系统 |
| CN107123107A (zh) * | 2017-03-24 | 2017-09-01 | 广东工业大学 | 基于神经网络深度学习的布匹缺陷检测方法 |
| CN107123114A (zh) * | 2017-04-21 | 2017-09-01 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器学习的布匹缺陷检测方法及装置 |
| CN108511359A (zh) * | 2018-03-30 | 2018-09-07 | 武汉新芯集成电路制造有限公司 | 晶圆缺陷的检测方法 |
| CN109544552A (zh) * | 2018-12-06 | 2019-03-29 | 合刃科技（深圳）有限公司 | 一种光栅无损检测方法及系统 |
| CN109961432A (zh) * | 2019-03-27 | 2019-07-02 | 广东工业大学 | 一种滤布破损的检测方法和系统 |
| CN110211107A (zh) * | 2019-05-28 | 2019-09-06 | 太原理工大学 | 一种基于双波段红外图像的矿用胶带损伤检测方法 |
| CN114134699A (zh) * | 2021-11-25 | 2022-03-04 | 霍柱斌 | 基于红外线检测的布料破损验收用传输装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104809725A (zh) | 一种布匹缺陷视觉识别检测装置和方法 | |
| CN105158258B (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
| CN104574353B (zh) | 基于视觉显著性的表面缺陷判定方法 | |
| CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN110403232B (zh) | 一种基于二级算法的烟支质量检测方法 | |
| CN102305793A (zh) | 一种产品外观质量检测方法和设备 | |
| CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
| CN104118609B (zh) | 贴标质量检测方法和装置 | |
| CN104280406A (zh) | 一种铜件表面缺陷检测的机器视觉系统 | |
| CN102183528A (zh) | 一种双联齿轮的缺陷检测装置及检测方法 | |
| CN105424723A (zh) | 一种显示屏幕模组缺陷检测方法 | |
| CN104432498A (zh) | 基于机器视觉的卷烟机烟支外观视觉检测装置 | |
| CN104135660A (zh) | 一种摄像模组脏污检测方法及检测系统 | |
| CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测系统 | |
| CN104792789A (zh) | 化纤纸管外观检测装置及方法 | |
| Shire et al. | Plain ceramic tiles surface defect detection using image processing | |
| CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
| CN111062961A (zh) | 一种基于深度学习的隐形眼镜边缘缺陷检测方法 | |
| CN103759644A (zh) | 一种滤光片表面缺陷的分离细化智能检测方法 | |
| CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
| Aziz et al. | Fabric defect detection algorithm using morphological processing and DCT | |
| CN110310275A (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
| CN106706644A (zh) | 一种镜片疵病的检测方法 | |
| CN110097538A (zh) | 一种织机在线验布装置及疵点识别方法 | |
| CN106093051A (zh) | 基于机器视觉的纸卷切面毛刺检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150729 |
|
| RJ01 | Rejection of invention patent application after publication |