CN113344913A - 一种织物瑕疵检测方法 - Google Patents
一种织物瑕疵检测方法 Download PDFInfo
- Publication number
- CN113344913A CN113344913A CN202110762582.7A CN202110762582A CN113344913A CN 113344913 A CN113344913 A CN 113344913A CN 202110762582 A CN202110762582 A CN 202110762582A CN 113344913 A CN113344913 A CN 113344913A
- Authority
- CN
- China
- Prior art keywords
- fabric
- information
- classification
- image acquisition
- storage unit
- 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
- 239000004744 fabric Substances 0.000 title claims abstract description 233
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000007547 defect Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000009941 weaving Methods 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 24
- 239000002759 woven fabric Substances 0.000 description 18
- 239000004753 textile Substances 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 239000000758 substrate Substances 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 229910052709 silver Inorganic materials 0.000 description 3
- 239000004332 silver Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 241001343354 Halenia corniculata Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007650 screen-printing Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Treatment Of Fiber Materials (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种织物瑕疵检测方法,包括织物图像采集机构及电控制器,织物设置信息存贮单元,在织物图像采集机构的进布侧或出布侧或在织物图像采集机构处设置用于读取信息存贮单元织物信息的信息读取机构,信息读取机构、织物图像采集机构与电控制器连接,该方法包括以下步骤:(a)信息读取机构读取织物分类信息;(b)织物图像采集机构采集织物图像;(c)根据获取的织物分类,电控制器调取与该织物分类匹配的运算处理模板,将采集的织物图像进行运算处理,对织物瑕疵进行检测。本发明无需通过计算机视觉图像处理与分析技术对织物图像进行识别与判断获得织物分类,消除了计算机视觉图像处理与分析技术在判定织物分类时经常发生错误的弊端。
Description
技术领域
本发明涉及一种织物检测方法,具体是涉及一种织物瑕疵检测方法,属于纺织工艺技术领域。
背景技术
在纺织印染产品中, 纺织品瑕疵是影响布匹质量的重要因素之一。纺织品瑕疵检测作为一种有效的质量保证手段,可通过人工检测来实现,但人工检测存在检测速度慢、效率低、可持续性差等缺陷,而且还容易造成漏检等问题,因此,技术人员通常采用自动化的机器视觉检测来保证较高的检测效率。
现有的织物瑕疵检测方法,包括工业相机和电控制器,该方法首先是通过工业相机采集织物图像,然后通过电控制器内置的计算机视觉图像处理与分析软件对工业相机采集的织物图像进行织物纹理识别与判断处理,然后根据判断结果判定该织物分类,最后根据判定的织物分类,电控制器调取与该织物分类匹配的运算处理模板,对采集的织物图像进行运算处理,完成对织物瑕疵的检测。由此可见,采用计算机视觉图像处理与分析技术对织物分类的识别,在织物瑕疵检测方法中极其重要,因为如果计算机视觉图像处理与分析技术对织物分类识别发生错误,则电控制器根据织物分类调取的运算处理模板同样也发生错误,导致对织物瑕疵进行检测时发生错误,从而造成检测失误、漏检,甚至检测错误。
由于计算机视觉图像处理与分析技术对织物分类识别很重要,为此,国内外很多该领域的技术人员长期以来一直在研究如何通过升级计算机视觉图像处理与分析软件来提高对织物分类识别的准确率,诸如运用图像去噪、傅立叶变换、神经网络技术、模糊C均值算法等,并为此做了大量的工作。东南大学硕士学位论文,李维撰写的《机织物组织结构的识别》,以华茂纺织股份有限公司的机织物组织结构识别的生产需求为应用背景,针对平纹、斜纹、缎纹的单层机织物,通过工业相机采集织物图像,对其进行数字图像处理,探寻出识别机织物的组织结构和经纬线密度的方法;学术期刊《东华大学学报(自然科学版)》第32卷第1期,2011年2月的“应用图像分析技术自动识别织物的组织结构”;学术期刊《棉纺织技术》第30卷第4期,2002年4月的“织物组织结构的自动识别”;学术期刊《纺织学报》第34卷第12期,2013年12月的“基于核模糊聚类的机织物组织自动识别”。再譬如,中国发明专利,申请号 201310517450.3 条纹织物组织结构自动识别方法,将条纹织物组织结构通过计算机视觉图像处理与分析技术应用到纺织领域中机织布匹的自动化识别检测中;中国发明专利,申请号 202010486331.6 一种基于卷积神经网络的机织物结构参数识别方法,提供一种基于卷积神经网络的机织物结构参数识别方法,可以同时检测识别织物经纬密、织物组织以及色织物色纱排列;中国发明专利,申请号 201810366154.0 一种基于平移相减法的织物组织识别方法,提供一种基于平移相减法的织物组织识别方法,计算出织物组织的纬纱数、经纱数和飞数,并可以得到图像的组织图;中国发明专利,申请号 201911119749.7,整纬机控制方法、装置、计算机设备和存储介质,该专利中,首先,多个工业相机分别拍摄织物得到多张织物图像,服务器利用特征提取算法提取织物图像特征,根据图像特征识别织物的类别也即分类,然后根据织物类别从织物模板中匹配到预设参数对织物进行整纬处理;中国发明专利,申请号202010527660.0,等等,相关计算机视觉图像处理与分析技术对织物分类识别的文献、专利可枚举许多。
虽然上述学术论文、期刊及专利在织物组织结构识别方面的研究学者众多, 但由于织物复杂多变的三维组织结构特性,已有的研究还不能对织物分类进行准确、有效识别,其主要原因是现有的计算机视觉图像处理与分析技术一直存在不足,其只有在完成对织物的纹理进行分割,提取图像纹理特征,进行纹理特征的匹配搜索,对纹理的相似性、纹理的走向做出判断之后,才可能给出织物分类的判定,其存在识别不稳定、不确定,未能成为准确可靠的自动识别技术。
2010年台湾科技大学Kuo 等用BP神经网络对机织物组织图的一阶及二阶黑白灰度共生矩阵参数进行识别,实现机织物组织图的机织物组织结构分类,该方法鲁棒性较高,但分类结果受到BP神经网络训练样本的影响;2007年至2014年,东华大学、香港理工大学、江南大学等建立机织物组织循环数据库,通过模板匹配确定机织物组织循环和机织物组织结构种类,该方法虽对数据变化具有一定的容忍度,稳定性较好,但织物组织结构种类识别结果受到数据库中织物品种数量的限制,而织物品种多达数十万种且日新月异,难以推广应用。中国专利CN103106645B公开了一种机织物组织结构识别方法,该方法识别过程非常复杂,还存在以下缺陷:首先是识别率不高,特别是对斜纹组织、缎纹组织和变化组织等纱线易扭曲形变的机织物的识别率较低;其次是无法很好地应对光照不均匀、纱线粗细和颜色变化的样本,要求机织物必须保持完整、干净、平整,或者为非平纹的色织物,应用场景限制非常高。
由此可见,现有技术中采用计算机视觉图像处理与分析技术对织物分类识别方法在使用过程中存在的缺点主要是:
(1)通常是对单一或少量特征点的提取分析,识别准确率普遍较低,甚至无法识别;(2)计算机视觉数据库中织物品种有限,无法将多达数十万种且日新月异的织物品种都存贮在数据库中,导致工业相机采集的织物图像经常出现不能与数据库中的织物品种模板匹配的情况,从而无法识别,甚至发生识别错误;(3)亮度及色彩变化对识别结果影响较大,无法应对光照不均匀、纱线粗细和颜色变化的织物组织结构;(4)难以识别纱线扭曲形变、皱褶的织物组织结构,尤其对于斜纹组织、缎纹组织和变化组织时更难识别。
由于计算机视觉图像处理与分析技术对织物分类识别存在诸多缺陷,因而在进行织物瑕疵检测时,经常出现织物分类识别错误,从而导致电控制器调取与该织物不匹配的运算处理模板进行运算处理,对织物瑕疵进行错误检测,轻则降低了纺织品的品质,重则因检测错误而造成废品。
发明内容
本发明要解决的技术问题是克服现有技术的不足,提供一种无需通过计算机视觉图像处理与分析技术对织物图像进行识别与判断获得织物分类,从而避免采用计算机视觉图像处理与分析技术在判定织物分类时识别率低、识别不稳定、不确定以及易发生错误的弊端,能在对织物瑕疵进行检测前,快速、准确地获得织物分类,保证对织物瑕疵进行准确检测,且步骤简单、可靠、智能化程度高的织物瑕疵检测方法。
为解决上述技术问题,本发明采用这样一种织物瑕疵检测方法,包括织物图像采集机构及电控制器,所述织物设置存贮该织物信息的信息存贮单元,所述信息存贮单元存贮的织物信息包括织物分类信息,在所述织物图像采集机构的进布侧或者出布侧或者在织物图像采集机构处设置用于读取所述信息存贮单元织物信息的信息读取机构,所述信息读取机构、织物图像采集机构与电控制器连接,该方法包括以下步骤:
(a)所述信息读取机构读取织物的信息存贮单元的织物分类信息;
(b)在步骤(a)之前或之后或同时,所述织物图像采集机构采集织物图像;
(c)根据获取的织物分类,电控制器调取与该织物分类匹配的运算处理模板,将采集的织物图像进行运算处理,对织物瑕疵进行检测。
作为本发明的一种优选实施方式,所述信息存贮单元包括二维码标签、射频识别器件、条形码、印刷文字标签、在织物上直接做标记;所述信息读取机构包括二维码扫描器、射频标签阅读器、条形码扫描器、印刷文字阅读器、符号阅读器。
作为本发明的一种优选实施方式,所述信息存贮单元存贮的织物信息还包括织物织造方法、纹理结构、织物的幅宽、克重、长度、纤维种类。
作为本发明的一种优选实施方式,所述织物图像采集机构包括工业相机或光电检测传感器,工业相机或光电检测传感器与电控制器连接。
作为本发明的一种优选实施方式,在步骤(c)中,电控制器对织物瑕疵进行检测,检测内容包括检测织物的缺陷类型、缺陷位置、缺陷面积和缺陷等级。
作为本发明的一种优选实施方式,所述电控制器包括数字控制器或者嵌入式工业控制器或者工控机或者PLC可编程控制器。
采用上述技术方案后,本发明具有以下有益效果:
本发明提供了一种织物瑕疵检测方法,同时,在该方法中提供了一种织物组织结构种类即织物分类的识别方法,其基于非接触式自动识别技术。该方法采用织物信息存贮单元和读取信息存贮单元织物信息的信息读取机构,在对织物瑕疵检测前,通过信息读取机构读取信息存贮单元的织物信息数据,从而快速、准确地获取该织物分类信息,完成织物分类的自动正确识别,在织物分类正确的基础上,电控制器调取与该织物分类匹配的运算处理模板对采集的织物图像进行运算处理,完成对织物瑕疵的准确检测。
本发明通过直接读取织物分类信息,彻底避免了计算机视觉图像处理与分析技术对织物分类识别不准确或错误,避免了计算机视觉图像处理与分析技术无法很好地应对织物光照不均匀、纱线粗细和颜色变化的样本,要求织物必须保持完整、干净、平整或者为非平纹的色织物、应用场景限制非常高的缺陷,避免了这些因素导致的调取运算处理模板错误,大幅度提高了织物瑕疵检测质量和精度。
本发明方法简单,操作简便,准确性和可靠性高。
附图说明
以下结合附图对本发明的具体实施方式作进一步的详细说明。
图1为本发明织物瑕疵检测方法中的一种优选实施例结构示意图。
具体实施方式
参见图1,一种织物瑕疵检测方法,包括织物图像采集机构1及电控制器,所述织物3设置存贮该织物信息的信息存贮单元4,所述信息存贮单元4存贮的织物信息包括织物分类信息,所述织物分类信息包括平纹织物、斜纹织物、提花织物、缎纹织物、双层织物、纬二重织物等;在所述织物图像采集机构1的进布侧或者出布侧或者在织物图像采集机构1处设置用于读取所述信息存贮单元织物信息的信息读取机构2,图中仅示信息读取机构2设置在织物图像采集机构1的进布侧,未示设置在织物图像采集机构1的出布侧及在织物图像采集机构1处,所述信息读取机构2、织物图像采集机构1与电控制器连接,该方法包括以下步骤:
(a)所述信息读取机构2读取织物3的信息存贮单元4的织物分类信息;
(b)在步骤(a)之前或之后或同时,所述织物图像采集机构1采集织物图像;
(c)根据获取的织物分类,电控制器调取与该织物分类匹配的运算处理模板,将采集的织物图像进行运算处理,对织物3瑕疵进行检测。
作为本发明的一种优选实施方式,所述信息存贮单元4包括二维码标签、射频识别器件、条形码、印刷文字标签、在织物上直接做标记等,所述射频识别器件包括RFID射频电子标签,所述在织物上直接做标记可以是在织物上打孔洞等;所述信息读取机构2包括二维码扫描器、射频标签阅读器、条形码扫描器、印刷文字阅读器、符号阅读器等。
作为本发明的一种优选实施方式,织物在织造过程中或在织造完成后或在销售时,根据该织物织造工艺,将包含有织物分类等织物信息存贮在信息存贮单元内,信息存贮单元通过固定或粘贴或印刷等方式设置在织物3上,另外,可将织物分类中的平纹织物、斜纹织物、提花织物等分别在信息存贮单元对应地记录为1、2、3等,这样当信息读取机构读到信息存贮单元中的1时,即获得该织物分类的ID 号,则能通过电控制器的织物分类特征库或通过以太网或者WIFI 等无线网络与数据服务器连接,调用与ID 号对应数据而获取该织物分类为平纹织物,同理,当读到2时,通过上述技术手段即能获取该织物分类为斜纹织物,等等,实施操作很方便。在具体实施时,例如,当织物信息存贮单元与信息读取机构采用RFID非接触式无线通讯自动识别技术时,采用柔性基片可穿戴RFID电子标签,附着在织物上,标签包括设置在基片上的RFID天线和天线端口;基片上印有导电银墨印刷层,天线端口处通过导电银墨粘贴有higgs4射频标签芯片;当织物携带标签运行到射频标签阅读器自动识别区域时,电控制器获得该织物分类的ID 号,电控制器通过织物分类特征库或通过以太网或者WIFI 等无线网络与数据服务器连接,调用与ID 号对应数据而获取该织物分类例如为平纹织物。
本发明还可使用一种织物基UHF RFID标签,包括基底,所述基底为织物,采用丝网印刷的方式将导电油墨印制在基底上形成上述的镂空型偶极子天线,所述镂空型偶极子天线与芯片相连。所述织物为高密织物,所述高密织物是指织物中经纬纱的密度超过200根/平方英寸以上的产品,导电油墨为导电银墨。
作为本发明的一种优选实施方式,所述信息存贮单元4存贮的织物信息还包括织物织造方法、纹理结构、织物的幅宽、克重、长度、纤维种类。
作为本发明的一种优选实施方式,所述织物图像采集机构1包括工业相机或光电检测传感器,工业相机或光电检测传感器与电控制器连接。
作为本发明的一种优选实施方式,在步骤(c)中,电控制器对织物瑕疵进行检测,检测内容包括检测织物的缺陷类型、缺陷位置、缺陷面积和缺陷等级。
作为本发明的一种优选实施方式,所述电控制器包括具有人机操作界面的数字控制器例如DDC数字控制器或者嵌入式工业控制器或者工控机或者PLC可编程控制器,图中未示电控制器。
经过测试,本发明通过信息读取机构直接读取信息存贮单元的织物信息数据,快速、准确完成织物分类的自动正确识别,从而保证电控制器调取与该织物分类匹配的运算处理模板对采集的织物图像进行运算处理,完成对织物瑕疵的准确检测,消除了现有技术中通过计算机视觉图像处理与分析技术对织物分类识别存在的识别不准确、无法识别、甚至错误的弊端,避免了计算机视觉图像处理与分析技术对织物分类识别不准确或错误以及由此导致的调取运算处理模板错误,取得了良好的效果。
Claims (6)
1.一种织物瑕疵检测方法,包括织物图像采集机构(1)及电控制器,其特征在于:所述织物设置存贮该织物信息的信息存贮单元,所述信息存贮单元存贮的织物信息包括织物分类信息,在所述织物图像采集机构(1)的进布侧或者出布侧或者在织物图像采集机构(1)处设置用于读取所述信息存贮单元织物信息的信息读取机构(2),所述信息读取机构(2)、织物图像采集机构(1)与电控制器连接,该方法包括以下步骤:
(a)所述信息读取机构(2)读取织物的信息存贮单元的织物分类信息;
(b)在步骤(a)之前或之后或同时,所述织物图像采集机构(1)采集织物图像;
(c)根据获取的织物分类,电控制器调取与该织物分类匹配的运算处理模板,将采集的织物图像进行运算处理,对织物瑕疵进行检测。
2.根据权利要求1所述的织物瑕疵检测方法,其特征在于:所述信息存贮单元包括二维码标签、射频识别器件、条形码、印刷文字标签、在织物上直接做标记;所述信息读取机构(2)包括二维码扫描器、射频标签阅读器、条形码扫描器、印刷文字阅读器、符号阅读器。
3.根据权利要求1所述的织物瑕疵检测方法,其特征在于:所述信息存贮单元存贮的织物信息还包括织物织造方法、纹理结构、织物的幅宽、克重、长度、纤维种类。
4.根据权利要求1所述的织物瑕疵检测方法,其特征在于:所述织物图像采集机构(1)包括工业相机或光电检测传感器,工业相机或光电检测传感器与电控制器连接。
5.根据权利要求1所述的织物瑕疵检测方法,其特征在于:在步骤(c)中,电控制器对织物瑕疵进行检测,检测内容包括检测织物的缺陷类型、缺陷位置、缺陷面积和缺陷等级。
6.根据权利要求1至5中任一项所述的织物瑕疵检测方法,其特征在于:所述电控制器包括数字控制器或者嵌入式工业控制器或者工控机或者PLC可编程控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762582.7A CN113344913A (zh) | 2021-07-06 | 2021-07-06 | 一种织物瑕疵检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762582.7A CN113344913A (zh) | 2021-07-06 | 2021-07-06 | 一种织物瑕疵检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344913A true CN113344913A (zh) | 2021-09-03 |
Family
ID=77482812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110762582.7A Pending CN113344913A (zh) | 2021-07-06 | 2021-07-06 | 一种织物瑕疵检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344913A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308097A (zh) * | 2008-06-19 | 2008-11-19 | 何峰 | 基于计算机图形识别原理的圆形针织机在线品质监测方法 |
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 |
CN111242902A (zh) * | 2020-01-02 | 2020-06-05 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络的零件识别与检测方法、系统及设备 |
CN111754470A (zh) * | 2020-06-11 | 2020-10-09 | 厦门雨程户外运动用品有限公司 | 自动验布方法、装置、自动验布机和存储介质 |
US10853611B1 (en) * | 2019-08-23 | 2020-12-01 | Getac Technology Corporation | Method for scanning multiple barcodes and system thereof |
CN113030102A (zh) * | 2021-03-02 | 2021-06-25 | 成都小淞科技有限公司 | 基于机器视觉的漆面瑕疵检查系统 |
-
2021
- 2021-07-06 CN CN202110762582.7A patent/CN113344913A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308097A (zh) * | 2008-06-19 | 2008-11-19 | 何峰 | 基于计算机图形识别原理的圆形针织机在线品质监测方法 |
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 |
US10853611B1 (en) * | 2019-08-23 | 2020-12-01 | Getac Technology Corporation | Method for scanning multiple barcodes and system thereof |
CN111242902A (zh) * | 2020-01-02 | 2020-06-05 | 天津瑟威兰斯科技有限公司 | 基于卷积神经网络的零件识别与检测方法、系统及设备 |
CN111754470A (zh) * | 2020-06-11 | 2020-10-09 | 厦门雨程户外运动用品有限公司 | 自动验布方法、装置、自动验布机和存储介质 |
CN113030102A (zh) * | 2021-03-02 | 2021-06-25 | 成都小淞科技有限公司 | 基于机器视觉的漆面瑕疵检查系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rasheed et al. | Fabric defect detection using computer vision techniques: a comprehensive review | |
Çelik et al. | Development of a machine vision system: real-time fabric defect detection and classification with neural networks | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
Pan et al. | Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm | |
CN108090494B (zh) | 基于Gabor滤波器及支持向量机纺织品瑕疵识别方法 | |
Qu et al. | Defect detection on the fabric with complex texture via dual-scale over-complete dictionary | |
JP2013167596A (ja) | 欠陥検査装置、欠陥検査方法及びプログラム | |
Wang et al. | Surface defects detection using non-convex total variation regularized RPCA with kernelization | |
US10043259B2 (en) | Facilitating anomaly detection for a product having a pattern | |
Pan et al. | Automatic detection of structure parameters of yarn-dyed fabric | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN114037672A (zh) | 一种图像缺陷的检测方法、装置及计算机可读介质 | |
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 | |
Hu | Computer technology for textiles and apparel | |
CN113063802A (zh) | 一种印刷标签缺陷检测方法及其装置 | |
CN114821284A (zh) | 一种纺织品生产用码布机智能调节方法 | |
CN110006923B (zh) | 一种标牌品质检测方法、装置及计算机可读存储介质 | |
Mahmud et al. | Fabric defect detection system | |
Li et al. | Yarn-dyed woven defect characterization and classification using combined features and support vector machine | |
CN113344913A (zh) | 一种织物瑕疵检测方法 | |
CN113392808B (zh) | 定型机织物超喂控制方法 | |
CN113322654B (zh) | 一种织物整纬方法 | |
CN111709429A (zh) | 一种基于卷积神经网络的机织物结构参数识别方法 | |
CN215493211U (zh) | 基于机器视觉的织物验布机 | |
CN220188297U (zh) | 织物密度在线检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |