織(zhi)物(wu)疵(ci)點(dian)的(de)自(zi)動(dong)化(hua)檢(jian)測(ce)是(shi)工(gong)業(ye)自(zi)動(dong)化(hua)視(shi)覺(jiao)檢(jian)測(ce)的(de)一(yi)個(ge)分(fen)支(zhi)
，它(ta)是(shi)對(dui)織(zhi)物(wu)質(zhi)量(liang)進(jin)行(xing)控(kong)製(zhi)和(he)實(shi)現(xian)織(zhi)物(wu)生(sheng)產(chan)過(guo)程(cheng)和(he)品(pin)質(zhi)檢(jian)驗(yan)的(de)關(guan)鍵(jian)環(huan)節(jie)。本(ben)文(wen)主(zhu)要(yao)概(gai)述(shu)在(zai)利(li)用(yong)機(ji)器(qi)視(shi)覺(jiao)和(he)數(shu)字(zi)圖(tu)像(xiang)處(chu)理(li)技(ji)術(shu)開(kai)發(fa)一(yi)套(tao)織(zhi)物(wu)疵(ci)點(dian)自(zi)動(dong)檢(jian)測(ce)係(xi)統(tong)。

  織物表麵在高照度
、高工作頻率熒光燈光源的照射下，通過CCD線陣式相機對織物表麵進行掃描獲得灰度圖像數據，再經有效的識別算法實現疵點的自動檢測和評分任務。

  織物疵點自動檢測係統組成

  一般而言，基於圖像技術的織物疵點的自動檢測係統設計可分為六個部分：數據獲取、疵點檢測、特征抽取
、特征分析

、疵點分類和文檔輸出。數據獲取部分包括選擇可行的照明光源和光電傳感器，常用的有麵陣式、線陣式掃描CCD相機及激光掃描儀。

  一般在圖像處理技術上，多采用高性能的CCD相xiang機ji。照zhao明ming光guang源yuan的de選xuan擇ze有you熒ying光guang燈deng和he光guang纖xian兩liang種zhong。這zhe一yi階jie段duan的de工gong作zuo至zhi關guan重zhong要yao，可ke以yi幫bang助zhu整zheng個ge係xi統tong獲huo得de一yi個ge清qing晰xi照zhao度du均jun勻yun的de圖tu像xiang，生sheng成cheng係xi統tong的de原yuan始shi數shu據ju，從cong而er簡jian化hua下xia階jie段duan的de檢jian測ce特te征zheng提ti取qu和he分fen析xi的de算suan法fa。其qi次ci，整zheng個ge係xi統tong的de檢jian測ce精jing度du從cong硬ying件jian的de構gou成cheng角jiao度du上shang，也ye往wang往wang決jue定ding於yu光guang電dian傳chuan感gan器qi的de物wu物wu理li和he光guang學xue分fen辨bian率lv。通tong常chang考kao慮lv到dao成cheng本ben因yin素su
，這zhe一yi階jie段duan的de工gong作zuo常chang常chang被bei忽hu視shi，導dao致zhi了le後hou期qi檢jian測ce算suan法fa的de複fu雜za化hua。

  第(di)二(er)階(jie)段(duan)的(de)工(gong)作(zuo)是(shi)檢(jian)測(ce)織(zhi)物(wu)當(dang)中(zhong)是(shi)否(fou)包(bao)含(han)疵(ci)點(dian)以(yi)及(ji)實(shi)現(xian)疵(ci)點(dian)的(de)報(bao)警(jing)，即(ji)疵(ci)點(dian)的(de)識(shi)別(bie)工(gong)作(zuo)。采(cai)用(yong)的(de)算(suan)法(fa)通(tong)常(chang)有(you)基(ji)於(yu)像(xiang)素(su)統(tong)計(ji)特(te)征(zheng)的(de)閾(yu)值(zhi)法(fa)基(ji)於(yu)變(bian)換(huan)的(de)濾(lv)波(bo)法(fa)基(ji)於(yu)織(zhi)物(wu)紋(wen)理(li)特(te)征(zheng)的(de)分(fen)割(ge)法(fa)和(he)基(ji)於(yu)織(zhi)物(wu)紋(wen)理(li)建(jian)模(mo)的(de)識(shi)別(bie)法(fa)。

  第(di)三(san)階(jie)段(duan)的(de)工(gong)作(zuo)是(shi)完(wan)成(cheng)疵(ci)點(dian)特(te)征(zheng)的(de)抽(chou)取(qu)
，構(gou)造(zao)特(te)征(zheng)矢(shi)量(liang)，利(li)用(yong)可(ke)能(neng)少(shao)的(de)模(mo)式(shi)特(te)征(zheng)來(lai)描(miao)述(shu)疵(ci)點(dian)的(de)類(lei)別(bie)
，並(bing)且(qie)特(te)征(zheng)的(de)抽(chou)取(qu)不(bu)受(shou)疵(ci)點(dian)大(da)小(xiao)旋(xuan)轉(zhuan)和(he)位(wei)置(zhi)的(de)變(bian)化(hua)。所(suo)謂(wei)的(de)特(te)征(zheng)抽(chou)取(qu)，就(jiu)是(shi)對(dui)模(mo)式(shi)的(de)某(mou)些(xie)物(wu)理(li)性(xing)質(zhi)進(jin)行(xing)數(shu)學(xue)描(miao)述(shu)，具(ju)體(ti)地(di)講(jiang)，就(jiu)是(shi)對(dui)將(jiang)原(yuan)始(shi)的(de)數(shu)字(zi)圖(tu)像(xiang)數(shu)據(ju)進(jin)行(xing)變(bian)換(huan)
，得(de)到(dao)最(zui)能(neng)反(fan)映(ying)疵(ci)點(dian)模(mo)式(shi)分(fen)類(lei)的(de)本(ben)質(zhi)特(te)征(zheng)。一(yi)般(ban)將(jiang)原(yuan)始(shi)的(de)數(shu)據(ju)空(kong)間(jian)稱(cheng)為(wei)測(ce)量(liang)空(kong)間(jian)，將(jiang)進(jin)行(xing)分(fen)類(lei)的(de)空(kong)間(jian)稱(cheng)為(wei)特(te)征(zheng)空(kong)間(jian)，通(tong)過(guo)變(bian)換(huan)將(jiang)維(wei)數(shu)較(jiao)高(gao)的(de)測(ce)量(liang)空(kong)間(jian)中(zhong)的(de)模(mo)式(shi)矢(shi)量(liang)變(bian)換(huan)到(dao)維(wei)數(shu)較(jiao)低(di)的(de)特(te)征(zheng)空(kong)間(jian)的(de)模(mo)式(shi)矢(shi)量(liang)，從(cong)而(er)簡(jian)化(hua)和(he)提(ti)高(gao)分(fen)類(lei)的(de)效(xiao)率(lv)。疵(ci)點(dian)形(xing)態(tai)特(te)征(zheng)的(de)抽(chou)取(qu)大(da)多(duo)是(shi)通(tong)過(guo)變(bian)換(huan)的(de)方(fang)法(fa)，另(ling)一(yi)方(fang)麵(mian)，紋(wen)理(li)特(te)征(zheng)的(de)描(miao)述(shu)也(ye)是(shi)種(zhong)重(zhong)要(yao)的(de)特(te)征(zheng)提(ti)取(qu)方(fang)法(fa)，除(chu)此(ci)以(yi)外(wai)
，還(hai)有(you)通(tong)過(guo)神(shen)經(jing)網(wang)絡(luo)的(de)方(fang)法(fa)實(shi)現(xian)特(te)征(zheng)的(de)抽(chou)取(qu)。這(zhe)一(yi)階(jie)段(duan)的(de)任(ren)務(wu)的(de)複(fu)雜(za)性(xing)取(qu)決(jue)於(yu)所(suo)要(yao)求(qiu)分(fen)類(lei)疵(ci)點(dian)的(de)種(zhong)類(lei)。

  第四階段主要是分析上一階段所提取疵點的特征模式，保證特征的可分性、獨立性和不變性。

  第五階段是對提取疵點樣本特征的學習，實現對疵點的分類。所使用的算法大多為：Bayer決策分類法、基於模糊集的分類和基於神經網絡的BP算法

、徑向及網絡算法和自組織的神經網絡算法。

  最後，是對檢測出的疵點及其分類標記的文檔輸出和數據管理工作。便於今後對疵點的進一步分析和對疵點成因及工藝的改進工作。

  係統的設計必須考慮到係統的成本
、識別的精確度、檢測的速度等問題。每個部分並不是單獨設計的，一個有效
、helideshejifanganshimeigebufenjinhuyouhuadeshejizuhe。xianhuodezuoweiguoneiboxianxingyejiancedeyinlingzhe，duonianlailiyongqijishuyoushi
，chenggongbangzhuduojiazhumingboxianqiyejinxinglexitonghuashebeigaizao，chusedexingnenghewendingxing，dedaoqiyegaoduzanyang。