一种纺织品缺陷检测装置制造方法及图纸

本实用新型专利技术公开了一种纺织品缺陷检测装置，包括ＣＣＤ摄像机阵列、光源阵列、计算机服务器及其内部的纺织品缺陷检测程序模块以及连接ＣＣＤ摄像机阵列和计算机服务器的数据线、连接在计算机服务器上的ＣＣＤ摄像机控制线及光源控制线。本实用新型专利技术采用小波分析技术，只进行一层小波分解，计算速度快，定位准确，又考虑了处理的实时性。此外，本实用新型专利技术不需要任何纺织品缺陷的先验知识，不需要进行机器学习或训练，通用性好。（*该技术在2017年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术涉及一种纺织品缺陷检测装置，属于质量检测
技术背景质量检测是现代工业生产的重要环节，并在生产过程中占有重要地位。以纺织品为 代表的工业生产更是如此。入世以来，我国的纺织工业正在面临更大范围和更高层次的 对外开放的宏观环境，将获得更多的发展机遇，但也会迎来更艰巨的挑战。我国作为传 统的纺织品生产和出口大国，纺织工业在国民经济中占有着极其重要的地位，并在相当 长的时间内，仍然是重要的出口优势产业之一。保持纺织工业持续，稳定的发展对我国 外贸事业乃至整个国民经济的发展都至关重要。然而，随着人民生活水平的日益提高， 人类对纺织品的质量要求越来越高。因此，加强对纺织品的检测对提高我国纺织品的整 体质量，增强我国纺织品的综合竞争力，促进纺织工业持续、稳定的发展具有十分重要 的现实意义。目前传统的纺织品缺陷检测方法是靠人工进行的，即依赖于人的眼睛去发现产品缺 陷。人眼可以准确地发现纺织品的缺陷位置，但是由于检测工作本身的单调、乏味，以 及人的眼睛很容易产生疲劳，随着检测时间的增加，人的眼睛越疲劳，产生的失误会迅 速增加。据统计，即使是熟练的检测员，依靠人工进行纺织品缺陷检测的有效率也很难 达到70%。另外，受人眼的生理机能所限，检测工作是缓慢的、费时的，难以满足现代 化纺织工业生产的快速要求。
技术实现思路
本技术的目的在于提供一种基于图像处理的、快速、实时的纺织品缺陷自动检 测装置，从而替代传统的人工检测方法，以弥补已有技术的不足和缺陷。本技术包括CCD摄像机阵列、光源阵列、计算机服务器以及连接CCD摄像机 阵列和计算机服务器的数据线、连接在计算机服务器上的CCD摄像机控制线及光源控 制线。另外，计算机服务器还包括其内部的纺织品缺陷检测程序模块。本技术采用已广泛应用于众多领域的小波分析技术，小波分析提供了一种自适应的时域和频域同时局部化的分析方法，无论分析低频或高频局部信号，它都能自动调 节时-频窗，以适应实际分析的需要。小波分析在局部时-频分析中具有很强的灵活性， 能聚焦到信号时段的任意细节，被喻为时-频分析的显微镜。因此，针对织物表面缺陷 区域的纹理与其周围正常织物表面的纹理在图像中灰度分布的不同，将织物图像进行小 波分解以后，利用合适的特征提取方法，完全可以实现对纺织品的缺陷位置进行精确定 位，从而对纺织品缺陷进行快速检测。g卩，不仅能判断织物表面有无缺陷，还能提供疵 点的具体位置和形状信息。上述目的是这样达到的首先通过CCD摄像机获取纺织品生产线上的织物表面图 像，应用小波变换对图像进行一层小波分解，将图像分解为互不重叠的四个子图，即， LH子图(表示水平方向的高频信息)，HL子图(表示垂直方向的高频信息)，HH子图(表 示对角线方向的高频信息)，LL子图(表示图像的近似分量)。利用计算机服务器及其内 部的纺织品缺陷检测程序模块，分别对LH， HL , LL子图进行自适应阈值处理进而实 现织物缺陷定位，然后叠加三副子图得到最终的缺陷位置。因此，叠加后得到的子图包 含织物缺陷出现位置的水平边缘，垂直边缘，及缺陷的整体形状信息。附图说明图1为本技术的整体结构示意图。图2为本技术的织物缺陷检测过程流程图。图3为CCD摄像机获取的织物表面缺陷示意图像。图4为本技术对HL子图阈值处理处理后的效果示意图。图5为本技术对LH子图阈值处理处理后的效果示意图。图6为本技术对LL子图阈值处理处理后的效果示意图。图7为本技术对三副子图叠加处理后的效果示意图。其中，1.纺织品生产线，2.光源阵列，3. CCD摄像机阵列，4.数据线，5.计算 机服务器，6.CCD摄像机控制线，7.光源控制线。具体实施方式以下结合附图并通过具体实施例来进一步说明本技术。如图1所示，本技术包括CCD摄像机阵列3、光源阵列2、计算机服务器5及 其内部的纺织凝缺陷检测程序模块、连接CCD摄像机阵列3和计算机服务器5的数据线 4、连接在计算机服务器5上的CCD摄像机控制线6及光源控伟i践7。本技术对织物 缺陷检测过程为首先通过CCD摄像机3获取纺织品生产线上的IR物表面图像，并对其 进行一层小波分解,将图像分解四个子图，分别表示为LH子图(表示水平的高频细节 信息)，HL子图(表示垂直的高频细节信息)，HH子图(表示对角线上的高频细节信息)， LL子图(表示图像的近似分量)。利用计算机服务器及其内部的纺织品缺陷检测程序模 块，分别对LH， HL， LL子图进行自适应阈值处理进而实现织物缺陷定位，然后叠加三 副子图得到最终的缺陷位置。纺织品缺陷检测程序具体过程以HL子图缺陷检测过程为例进行说明。假设cG W 表示HL子图每一点对应的值，即小波分解以后得到的HL子图每一点对应的小波系数， 其中，J, A为图像的坐标值，ii W分别为HL子图列数和行数。具体实现步骤如下-l.用模板-1 0 1 -1 0 1 -1 0 1对HL子图进行巻积，以增强垂直高频细节信息的对比度，用力G;W表示HL子图每一点所对应的巻积结果。(注明本步可选可不选，针对部分纹理明 显的纺织产品，此步可以省略)。2. 针对HL子图的每一行，对每个系数进行归一化2>阔计算此行水平变化3. 每一行从左到右，计算每个点左右相邻的c/个点的行水平变化为其中，^可以取2-4之间的值。4. 针对每一行进行阈值处理<formula>formula see original document page 5</formula>其中，°^为第j'行系数^^的均方差。J为敏感系数，可以取^=3。图4为阈值后得到的图像，图像反映了织物缺陷的水平边缘细节信息同样的，用模板1 1 10 0 0-1 -1 -1对LH子图进行巻积，以增强水平高频细节信息的对比度。 (注明本步可选可不选，针对部分纺织产品，此不可以省略)。针对LH子图的每一列， 处理过程类似上面对HL子图的处理，不同的是，对LH子图的处理是按每一列进行的。 处理后得到阈值的图像，如图5所示。图像反映了织物缺陷的垂直边缘细节信息。对LL子图而言，需要对其行和列同时进行处理。用模板1 0 1 1 0 1 -1 0 1V '—"对HL子图进行巻11 n0 0 0积以后，针对每一行的处理过程雷同于对HL子图的处理。同样的，用模板1_1'、对 LH子图进行巻积后，针对每一列的处理过程类似于针对于LH子图的处理，图6为阈值后的结果。由于HH子图(对角线上的高频信息)包含图像的大部分噪声，因此不对其处理，以 提高检测效果的准确性及处理的实时性。最后，对三副子图进行叠加，得到最终的缺陷位置，及缺陷的整体形状信息，图7 为最终的结果。针对不同的应用，采取不同的后续处理工作，如报警，标记缺陷位置等。在本技术中，采用小波分析技术，只进行一层小波分解，计算速度快，定位准 确，又考虑了处理的实时性。此外，本技术不需要任何纺织品缺陷的先验知识，不 需要进行机器学习或训练，通用性好。本技术是独立于纺织品生产线之外的附加设备，不仅可以广泛应用于纺织品缺 陷的处理方面，而且可以运用到任何具有纹理表面特征物体的缺陷检测，比如木材、塑 料、陶瓷等产品的表面质量检测控制等本文档来自技高网...

【技术保护点】
一种纺织品缺陷检测装置，其特征在于，包括ＣＣＤ摄像机阵列、计算机服务器及其内部的纺织品缺陷检测程序模块以及连接ＣＣＤ摄像机阵列和计算机服务器的数据线、连接在计算机服务器上的ＣＣＤ摄像机控制线。

【技术特征摘要】

【专利技术属性】
技术研发人员：蹇木伟，董军宇，苏强，国锋，
申请(专利权)人：蹇木伟，苏强，
类型：实用新型
国别省市：95[中国|青岛]