CN115861310A - 一种床单表面纺织缺陷检测方法 - Google Patents

一种床单表面纺织缺陷检测方法 Download PDF

Info

Publication number
CN115861310A
CN115861310A CN202310152664.9A CN202310152664A CN115861310A CN 115861310 A CN115861310 A CN 115861310A CN 202310152664 A CN202310152664 A CN 202310152664A CN 115861310 A CN115861310 A CN 115861310A
Authority
CN
China
Prior art keywords
image
texture
image block
cloth
extension
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.)
Granted
Application number
CN202310152664.9A
Other languages
English (en)
Other versions
CN115861310B (zh
Inventor
林汉凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Fuana Art Home Co ltd
Original Assignee
Shenzhen Fuana Art Home Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Fuana Art Home Co ltd filed Critical Shenzhen Fuana Art Home Co ltd
Priority to CN202310152664.9A priority Critical patent/CN115861310B/zh
Publication of CN115861310A publication Critical patent/CN115861310A/zh
Application granted granted Critical
Publication of CN115861310B publication Critical patent/CN115861310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及图像处理技术领域，涉及一种床单表面纺织缺陷检测方法，包括：获取布匹图像的灰度图像，将灰度图像分块得到多个图像块；根据每个图像块中的纹理方向得到每个图像块的延伸方向，根据每个图像块的延伸方向，以及延伸方向上图像块的延伸方向得到确定出每个图像块对应的所有延伸图像块；根据每个图像块中的纹理方向,以及每个图像块对应的所有延伸图像块中的纹理方向，得到每个图像块对应的纹理方向序列；利用得到的所有图像块对应的纹理方向序列获取灰度图像中的纹理混乱度；根据灰度图像中的纹理混乱度得到布匹纹理的异常程度，根据布匹纹理的异常程度判断布匹表面是否存在缺陷。本发明提高了布匹缺陷检测的准确性。

Description

一种床单表面纺织缺陷检测方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种床单表面纺织缺陷检测方法。
背景技术
床单，床上纺织品之一，是由织造好的布匹进行染色后形成，在布匹织造生产中，对于其纹理优劣检测是重要的一个环节，在布匹纺织过程中，由于张力的原因，会使得纺织机走线偏移，从而导致布匹表面的纹理发生变化，影响布匹的质量，进而床单的质量，所以在对布匹缺陷进行检测时，应对布匹的纹理特征进行检测。
在现有布匹纹理缺陷的自动化检测中，往往利用传统的阈值分割方法，对布匹纹理进行检测，但是在检测时，会受布匹上冗余线条或污渍的影响，造成相邻纹理分割不清晰，或是在纹理间隔内分割出许多噪声纹理，导致布匹的缺陷区域和正常区域误分，对布匹缺陷纹理的检测结果造成很大影响，导致布匹表面缺陷检测结果不准确。
发明内容
本发明提供一种床单表面纺织缺陷检测方法，以解决现有的布匹表面缺陷检测结果不准确的问题。
本发明的一种床单表面纺织缺陷检测方法，采用如下技术方案：
获取布匹图像的灰度图像，将灰度图像分块得到多个图像块；
根据每个图像块中的纹理方向得到每个图像块的延伸方向，根据每个图像块的延伸方向，以及延伸方向上图像块的延伸方向得到每个图像块对应的所有延伸图像块；
根据每个图像块中的纹理方向,以及每个图像块对应的所有延伸图像块中的纹理方向，得到每个图像块对应的纹理方向序列；
利用得到的所有图像块对应的纹理方向序列获取灰度图像中的纹理混乱度；根据灰度图像中的纹理混乱度得到布匹纹理的异常程度，根据布匹纹理的异常程度判断布匹表面是否存在缺陷。
进一步的，每个图像块中的纹理方向是按如下方法确定的：
获取每个图像块在多个不同方向上的灰度游程矩阵；
将每个图像块在每个方向上的灰度游程矩阵中的最大灰度游程，作为每个图像块在每个方向对应的最大灰度游程；
获取每个图像块在所有方向对应的最大灰度游程中的最大值，将该最大值作为该图像块的最大灰度游程；
将每个图像块的最大灰度游程对应的方向作为对应图像块中的纹理方向。
进一步的，获取灰度图像中的纹理混乱度的方法是：
将所有图像块对应的纹理方向序列中的所有角度，按照对应的图像块或延伸图像块所在位置进行排列得到角度序列矩阵；
类比灰度图像获取灰度共生矩阵的过程，获取角度序列矩阵对应的角度序列偏向矩阵；
将角度序列偏向矩阵中的每列中，每两个相邻的数据组成的数据对作为角度对；
根据每个角度对中的角度之间差值的平方，以及每个角度对在角度序列偏向矩阵中出现的概率得到灰度图像中的纹理混乱度。
进一步的，判断布匹表面是否存在缺陷的方法是：
设置异常程度阈值；
当布匹纹理的异常程度大于异常程度阈值时，该布匹表面存在缺陷；
当布匹纹理的异常程度小于或等于异常程度阈值时，该布匹表面不存在缺陷。
进一步的，得到每个图像块对应的所有延伸图像块的方法是：
根据每个图像块的延伸方向进行延伸，得到每个图像块对应的第一延伸图像块；
获取第一延伸图像块的延伸方向，根据第一延伸图像块的延伸方向获取第二延伸图像块，以此类推，直至延伸至灰度图像的边缘，将延伸的过程中得到的所有延伸图像块，作为该图像块对应的所有延伸图像块。
进一步的，得到每个图像块对应的纹理方向序列的方法是：
将每个图像块中的纹理方向，和该图像块对应的每个延伸图像块中的纹理方向进行排序得到每个图像块对应的纹理方向序列，其中，每个图像块中的纹理方向为该图像块对应的纹理方向序列中的第一个值。
进一步的，布匹纹理的异常程度是按如下方法确定的：
对灰度图像中的纹理混乱度进行反比例归一化得到反比例归一化后的值；
利用数值1减去反比例归一化后的值得到布匹纹理的异常程度。
进一步的，根据每个图像块中的纹理方向所属的预设方向阈值范围确定出每个图像块的延伸方向。
本发明的有益效果是：本发明首先对布匹图像的灰度图像划分了图像块，计算了每个图像块中的纹理方向，并根据每个图像块中的纹理方向进行延伸，得到了每个图像块对应的延伸图像块，该步骤对纹理进行了精细的划分，对纹理进行延伸的过程，一定程度上避免了噪声纹理和污渍纹理的干扰，通过图像块的延伸能够更加准确的得到每条纹理，使得所得的每个图像块对应的纹理方向序列更加准确；因此，利用每个图像块对应的纹理方向序列所得灰度图像中的纹理混乱度更准确，进而使得利用灰度图像中的纹理混乱度判断所得的布匹的异常程度更加准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种床单表面纺织缺陷检测方法的实施例的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的一种床单表面纺织缺陷检测方法的实施例，如图1所示，包括：
S1、获取布匹图像的灰度图像，将灰度图像分块得到多个图像块。
在床单布匹纺织完成后，使用传送带进行运输，所以在采集布匹图像时，在布匹传送带的固定位置，架设CCD相机采集布匹图像，对布匹图像语义分割，对语义分割后的图像进行灰度化得到灰度图像，其中，相机采集布匹图像时，需要避免采集的布匹图像重合太多或太少，否则会存在重复检测太多或是漏检的情况。
优选的，将灰度图像分块得到多个图像块的具体步骤为：将灰度图像分为
Figure SMS_1
大 小的图像块，其中，根据床单布匹样图可知，布匹相邻纹理之间的距离为b，纹理区域的宽度 为
Figure SMS_2
,则图像块的大小需满足
Figure SMS_3
保证每个图像块中至少包含一条纹理， 最多则包含两条纹理，便于根据图像块中纹理的方向对图像块进行延伸。
S2、根据每个图像块中的纹理方向得到每个图像块的延伸方向，根据每个图像块的延伸方向，以及延伸方向上图像块的延伸方向得到每个图像块对应的所有延伸图像块。
优选的，获取每个图像块中的纹理方向的具体步骤为：获取每个图像块在多个不同方向上的灰度游程矩阵；将每个图像块在每个方向上的灰度游程矩阵中的最大灰度游程，作为每个图像块在每个方向对应的最大灰度游程；获取每个图像块在所有方向对应的最大灰度游程中的最大值，将该最大值作为该图像块的最大灰度游程；将每个图像块的最大灰度游程对应的方向作为对应图像块中的纹理方向。
获取每个图像块在多个不同方向上的灰度游程矩阵，优选的，多个方向分别为0°，15°，30°，45°，60°，75°，90°，105°，120°，135°，150°，165°和180°。
需要说明的是，分析当前图像块的灰度游程矩阵时，为了避免因灰度游程矩阵计算量太大而造成的算法复杂度过高的问题，需要在分析图像块之前，对灰度图像的灰度值进行灰阶划分，因为影响灰度游程矩阵计算量的一个重要因素是当前灰度图像灰度级过于复杂，所以在获取图像块灰度游程矩阵之前，需要对灰度图像中像素点的灰度值进行划分，将0-255区间划分为64个区间，即四个灰度值跨度为一个新的灰度级，灰度游程矩阵中的参数为新的灰度级。
图像块中的某一方向上游程最长时，表明该方向为纹理最长延伸方向，则此时可以利用灰度游程最长时对应的角度值表示该图像块内纹理的方向；当图像块中的纹理方向在某一方向上的延伸长度最长时，在灰度游程矩阵中的表现为：图像块中该方向对应的最大灰度游程大于其他方向对应的最大灰度游程，且该方向对应的最大灰度游程长度所在列中，存在不为0的元素值，因此，该方向为该图像块中的纹理方向。
根据所述获取每个图像块中的纹理方向的具体步骤，可得到每个图像块中的纹理方向。
确定出每个图像块对应的所有延伸图像块的具体步骤为：根据每个图像块中的纹理方向所属的预设方向阈值范围确定出每个图像块的延伸方向。
优选的，预设方向阈值范围为
Figure SMS_6
、
Figure SMS_9
、
Figure SMS_12
、
Figure SMS_5
]；当图像块中的纹理方向在
Figure SMS_10
范围内，该图像块的延伸方向为水平 方向；当图像块中纹理的方向在
Figure SMS_13
范围内，该图像块的延伸方向为
Figure SMS_15
方向；当 图像块中纹理的方向在
Figure SMS_7
范围内，该图像块的延伸方向为
Figure SMS_8
方向；当图像块 中纹理的方向在
Figure SMS_11
范围内，该图像块的延伸方向为
Figure SMS_14
方向。需要说明的是，
Figure SMS_4
方向为水平向右。
根据每个图像块的延伸方向进行图像块的延伸，若当前图像块的延伸方向为
Figure SMS_16
方向，延伸当前图像块的
Figure SMS_17
夹角上的图像块，将该图像块作为当前图像块对应的第一延 伸图像块，根据所述获取图像块延伸方向的方法，继续获取第一延伸图像块的延伸方向，根 据第一延伸图像块的延伸方向获取第二延伸图像块，以此类推，直至延伸至灰度图像的边 缘，将延伸过程中得到的所有图像块作为该图像块对应的所有延伸图像块。
需要说明的是，经过延伸后图像块内的灰度游程方向为12个方向，但图像块间的纹理方向变为4个方向，且每个图像块对应的所有延伸图像块中每个图像块指灰度图像划分后，最左侧的一列图像块；所有延伸图像块指最左侧的一列的每个图像块延伸后的所有图像块。
S3、根据每个图像块中的纹理方向,以及每个图像块对应的所有延伸图像块中的纹理方向，得到每个图像块对应的纹理方向序列。
得到每个图像块对应的纹理方向序列的具体步骤为：将每个图像块中的纹理方向，和该图像块对应的每个延伸图像块中的纹理方向进行排序得到每个图像块对应的纹理方向序列，其中，每个图像块中的纹理方向为该图像块对应的纹理方向序列中的第一个值。需要说明是的，图像块对应的每个延伸图像块是灰度图像划分后的图像块，因此，其纹理方向已知。
S4、利用得到的所有图像块对应的纹理方向序列获取灰度图像中的纹理混乱度；根据灰度图像中的纹理混乱度得到布匹纹理的异常程度，根据布匹纹理的异常程度判断布匹表面是否存在缺陷。
获取灰度图像中的纹理混乱度的具体步骤为：将所有图像块对应的纹理方向序列中的所有角度，按照对应的图像块或延伸图像块所在位置进行排列得到角度序列矩阵；
具体的是，由于布匹的宽度一致，所以每个图像块对应的纹理方向序列的长度也一致，将最左侧第一列图像块的个数作为矩阵行数，纹理方向序列中角度的个数作为矩阵的列数，据此构建角度序列矩阵，将图像块对应的纹理方向序列中的每个角度按照该角度所在的行和列进行放置得到角度序列矩阵。
类比灰度图像获取灰度共生矩阵的过程，获取角度序列矩阵对应的角度序列偏向矩阵，其中，角度序列矩阵中的每个值，相当于灰度图像中的每个灰度值；将角度序列偏向矩阵中的每列中，每两个相邻的数据组成的数据对作为角度对；根据每个角度对之间差值的平方，以及每个角度对在角度序列偏向矩阵中出现的概率得到灰度图像中的纹理混乱度。灰度图像中的纹理混乱度的具体表达式为：
Figure SMS_18
式中：
Figure SMS_20
表示灰度图像中的纹理混乱度，
Figure SMS_23
表示角度序列偏向矩阵中行或列的 个数,行和列的个数相等；
Figure SMS_25
表示第
Figure SMS_21
个角度，
Figure SMS_22
表示第
Figure SMS_24
个角度，
Figure SMS_26
表示角度序列偏向矩阵中 角度对
Figure SMS_19
出现的概率。
其中，
Figure SMS_27
表示角度对之间的差异，
Figure SMS_28
反映了该角度对在角度序列偏向矩阵 中出现的概率，计算方式为
Figure SMS_29
，其中
Figure SMS_30
表示角度对
Figure SMS_31
出现的次数，即为偏向 矩阵中
Figure SMS_32
位置对应的值，N表示所有角度对出现的次数总和，即偏向矩阵中所有的元素总 和；纹理混乱度表示角度值或者角度对之间的差异程度，差异程度越大，纹理混乱度就越 高，反映出灰度图像中的纹理越混乱，则床单布匹的纹理质量越差。
需要说明的是，图像块对应的纹理方向序列中，角度为0°，15°，30°，45°，60°，75°， 90°，105°，120°，135°，150°，165°和180°，共12个角度，因此角度序列偏向矩阵的大小为
Figure SMS_33
。
根据灰度图像中的纹理混乱度得到布匹纹理的异常程度，具体表达式为：
Figure SMS_34
式中：
Figure SMS_35
表示布匹纹理的异常程度，函数
Figure SMS_36
表示e的指数函数，e为自然常数，
Figure SMS_37
表示灰度图像中的纹理混乱度。
其中，该公式对灰度图像中的纹理混乱度进行了反比例归一化，便于量纲；由于灰 度图像中的纹理混乱度越高，反映出灰度图像中的纹理越混乱，则床单纺织物的纹理质量 越差，因此，利用灰度图像中的纹理混乱度计算布匹纹理的异常程度；灰度图像纹理混乱度 越高，表明角度序列偏向矩阵中相邻纹理序列较为混乱，
Figure SMS_38
的值越大，即灰度 图像的异常程度越高，布匹纹理的异常程度越大。
可选的，设置异常程度阈值为0.8；当布匹纹理的异常程度大于异常程度阈值时，该布匹表面存在缺陷；当布匹纹理的异常程度小于或等于异常程度阈值时，该布匹表面不存在缺陷。
此外，当布匹表面不存在缺陷时，计算该布匹对应的灰度图像中，每个图像块对应的纹理方向序列中所有角度的方差，将该方差作为对应图像块对应的纹理方向序列的混乱程度，根据每个图像块对应的纹理方向序列的混乱程度对不存在缺陷的布匹进行评价。
以第
Figure SMS_39
个图像块为例，第
Figure SMS_40
个图像块对应的纹理方向序列的混乱程度的具体表达式 为：
Figure SMS_41
式中：
Figure SMS_42
表示第
Figure SMS_43
个图像块对应的纹理方向序列的混乱程度，
Figure SMS_44
表示第
Figure SMS_45
个图像块对 应的纹理方向序列中第
Figure SMS_46
个角度，
Figure SMS_47
表示第
Figure SMS_48
个图像块对应的纹理方向序列中角度的个数。
其中，该公式利用了方差的原理，表示当前图像块对应的纹理方向序列的混乱程度，当混乱程度较大时，图像块对应的纹理方向序列中的角度较为杂乱，由先验知识可知，纹理在理想状态下的方向都是一致的，当存在异常纹理时，将会出现纹理方向序列的混乱，利用该公式来表征纹理方向序列的混乱程度。
获取每个图像块对应的纹理方向序列的混乱程度的均值，将该均值作为灰度图像 中纹理的混乱程度，预设混乱程度阈值为
Figure SMS_49
，由于布匹纹理各不相同，因此混乱程度阈值实 施者根据具体情况设定，本发明不给出具体参考值，当灰度图像中纹理的混乱程度大于
Figure SMS_50
时，该灰度图像对应的布匹质量一般，反之，则布匹质量良好。据此，可对相机拍摄的所有布 匹图像进行检测。
综上所述，本发明首先对布匹图像的灰度图像划分了图像块，计算了每个图像块中的纹理方向，并根据每个图像块中的纹理方向进行延伸，得到了每个图像块对应的延伸图像块，该步骤对纹理进行了精细的划分，对纹理进行延伸的过程，一定程度上避免了噪声纹理和污渍纹理的干扰，通过图像块的延伸能够更加准确的得到每条纹理，使得所得的每个图像块对应的纹理方向序列更加准确；因此，利用每个图像块对应的纹理方向序列所得灰度图像中的纹理混乱度更准确，进而使得利用灰度图像中的纹理混乱度判断所得的布匹的异常程度更加准确。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种床单表面纺织缺陷检测方法，其特征在于，包括：
获取布匹图像的灰度图像，将灰度图像分块得到多个图像块；
根据每个图像块中的纹理方向得到每个图像块的延伸方向，根据每个图像块的延伸方向，以及延伸方向上图像块的延伸方向得到每个图像块对应的所有延伸图像块；
根据每个图像块中的纹理方向,以及每个图像块对应的所有延伸图像块中的纹理方向，得到每个图像块对应的纹理方向序列；
利用所有图像块对应的纹理方向序列获取灰度图像中的纹理混乱度；根据灰度图像中的纹理混乱度得到布匹纹理的异常程度，根据布匹纹理的异常程度判断布匹表面是否存在缺陷。
2.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，每个图像块中的纹理方向是按如下方法确定的：
获取每个图像块在多个不同方向上的灰度游程矩阵；
将每个图像块在每个方向上的灰度游程矩阵中的最大灰度游程，作为每个图像块在每个方向对应的最大灰度游程；
获取每个图像块在所有方向对应的最大灰度游程中的最大值，将该最大值作为该图像块的最大灰度游程；
将每个图像块的最大灰度游程对应的方向作为对应图像块中的纹理方向。
3.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，获取灰度图像中的纹理混乱度的方法是：
将所有图像块对应的纹理方向序列中的所有角度，按照对应的图像块或延伸图像块所在位置进行排列得到角度序列矩阵；
类比灰度图像获取灰度共生矩阵的过程，获取角度序列矩阵对应的角度序列偏向矩阵；
将角度序列偏向矩阵中的每列中，每两个相邻的数据组成的数据对作为角度对；
根据每个角度对中的角度之间差值的平方，以及每个角度对在角度序列偏向矩阵中出现的概率得到灰度图像中的纹理混乱度。
4.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，判断布匹表面是否存在缺陷的方法是：
设置异常程度阈值；
当布匹纹理的异常程度大于异常程度阈值时，该布匹表面存在缺陷；
当布匹纹理的异常程度小于或等于异常程度阈值时，该布匹表面不存在缺陷。
5.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，得到每个图像块对应的所有延伸图像块的方法是：
根据每个图像块的延伸方向进行延伸，得到每个图像块对应的第一延伸图像块；
获取第一延伸图像块的延伸方向，根据第一延伸图像块的延伸方向获取第二延伸图像块，以此类推，直至延伸至灰度图像的边缘，将延伸的过程中得到的所有延伸图像块，作为该图像块对应的所有延伸图像块。
6.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，得到每个图像块对应的纹理方向序列的方法是：
将每个图像块中的纹理方向，和该图像块对应的每个延伸图像块中的纹理方向进行排序得到每个图像块对应的纹理方向序列，其中，每个图像块中的纹理方向为该图像块对应的纹理方向序列中的第一个值。
7.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，布匹纹理的异常程度是按如下方法确定的：
对灰度图像中的纹理混乱度进行反比例归一化得到反比例归一化后的值；
利用数值1减去反比例归一化后的值得到布匹纹理的异常程度。
8.根据权利要求1所述的一种床单表面纺织缺陷检测方法，其特征在于，根据每个图像块中的纹理方向所属的预设方向阈值范围确定出每个图像块的延伸方向。
CN202310152664.9A 2023-02-23 2023-02-23 一种床单表面纺织缺陷检测方法 Active CN115861310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310152664.9A CN115861310B (zh) 2023-02-23 2023-02-23 一种床单表面纺织缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310152664.9A CN115861310B (zh) 2023-02-23 2023-02-23 一种床单表面纺织缺陷检测方法

Publications (2)

Publication Number Publication Date
CN115861310A true CN115861310A (zh) 2023-03-28
CN115861310B CN115861310B (zh) 2023-05-16

Family

ID=85658711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310152664.9A Active CN115861310B (zh) 2023-02-23 2023-02-23 一种床单表面纺织缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115861310B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116843688A (zh) * 2023-09-01 2023-10-03 山东虹纬纺织有限公司 一种纺织品质量视觉检测方法
CN116993726A (zh) * 2023-09-26 2023-11-03 山东克莱蒙特新材料科技有限公司 一种矿物铸件检测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120106830A1 (en) * 2010-11-02 2012-05-03 Thiagarajar College Of Engineering Texture Identification
CN109410192A (zh) * 2018-10-18 2019-03-01 首都师范大学 一种多纹理分级融合的织物缺陷检测方法及其装置
CN114878574A (zh) * 2022-03-31 2022-08-09 南通东德纺织科技有限公司 基于机器视觉的布匹缺陷检测方法、装置及系统
CN115082465A (zh) * 2022-08-22 2022-09-20 南通玖溯环保科技有限公司 基于扫描电镜图像处理的羊毛羊绒分类方法
CN115100206A (zh) * 2022-08-26 2022-09-23 南通永安纺织有限公司 用于具有周期图案纺织物的印花缺陷识别方法
CN115131348A (zh) * 2022-08-30 2022-09-30 海门喜满庭纺织品有限公司 一种纺织品表面缺陷的检测方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120106830A1 (en) * 2010-11-02 2012-05-03 Thiagarajar College Of Engineering Texture Identification
CN109410192A (zh) * 2018-10-18 2019-03-01 首都师范大学 一种多纹理分级融合的织物缺陷检测方法及其装置
CN114878574A (zh) * 2022-03-31 2022-08-09 南通东德纺织科技有限公司 基于机器视觉的布匹缺陷检测方法、装置及系统
CN115082465A (zh) * 2022-08-22 2022-09-20 南通玖溯环保科技有限公司 基于扫描电镜图像处理的羊毛羊绒分类方法
CN115100206A (zh) * 2022-08-26 2022-09-23 南通永安纺织有限公司 用于具有周期图案纺织物的印花缺陷识别方法
CN115131348A (zh) * 2022-08-30 2022-09-30 海门喜满庭纺织品有限公司 一种纺织品表面缺陷的检测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116843688A (zh) * 2023-09-01 2023-10-03 山东虹纬纺织有限公司 一种纺织品质量视觉检测方法
CN116843688B (zh) * 2023-09-01 2023-11-24 山东虹纬纺织有限公司 一种纺织品质量视觉检测方法
CN116993726A (zh) * 2023-09-26 2023-11-03 山东克莱蒙特新材料科技有限公司 一种矿物铸件检测方法及系统
CN116993726B (zh) * 2023-09-26 2023-12-19 山东克莱蒙特新材料科技有限公司 一种矿物铸件检测方法及系统

Also Published As

Publication number Publication date
CN115861310B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN115861310A (zh) 一种床单表面纺织缺陷检测方法
CN116843688B (zh) 一种纺织品质量视觉检测方法
CN108364291A (zh) 基于计算机视觉技术的原坯布快速检测方法
CN116630309B (zh) 一种布匹断纬瑕疵检测方法
CN115131348B (zh) 一种纺织品表面缺陷的检测方法及系统
CN109211918B (zh) 一种基于纬纱走向的织物弓纬检测方法
CN115311267B (zh) 一种格纹织物异常检测方法
CN115082458B (zh) 一种基于灰度游程矩阵的纺织材料疵点分析方法
CN114663435A (zh) 一种纺织布料张力异常自动监测方法
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN115049671A (zh) 基于计算机视觉的布匹表面缺陷检测方法及系统
CN116309671B (zh) 一种土工合成织物质量检测系统
CN116523899A (zh) 一种基于机器视觉的纺织品瑕疵检测方法及系统
CN115311298A (zh) 一种纺织品质量检测方法
CN113838038A (zh) 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN110458809B (zh) 一种基于亚像素边缘检测的纱线条干均匀度检测方法
CN116934749A (zh) 基于图像特征的纺织物瑕疵快速检测方法
CN116894840B (zh) 纺纱打样机产品质量检测方法及系统
CN117237354B (zh) 一种纺织衣物疵点视觉检测方法
CN115294100A (zh) 一种基于数据处理的织布机停车控制方法及系统
CN115082460B (zh) 一种织布生产线质量监控方法及系统
CN110672209A (zh) 一种经编布匹色差在线检测方法
CN114693652B (zh) 基于高斯混合模型的织物缺陷检测方法
CN105717133B (zh) 基于线性插值法矫正图像的自动验布机

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
GR01 Patent grant
GR01 Patent grant