一种基于机器视觉的布料表面缺陷检测装置及方法制造方法及图纸

本发明专利技术公开了一种基于机器视觉的布料表面缺陷检测装置及方法，检测装置分模块组装，包括预处理模块，视觉检测模块和收卷模块；利用视觉检测模块里的面阵相机模组拍摄无疵点的布匹图像作为标准样本,根据标准样本计算平场校正矩阵并实现亮度补偿；采用K均值聚类算法的原理计算标准样本的聚类中心及其他特征参数；面阵相机模组实时拍摄待测布匹并进行平场校正；根据背景与布匹图像的亮度值差异实现边缘检测和区域裁减；计算待测图像像素到聚类中心的欧氏距离并根据阈值判定是否存在疵点；如有则保存疵点图像。本发明专利技术克服了传统人工目测检测速度慢、精度低﹑漏检率高、误检率高的问题,推动了纺织领域的检测自动化发展。题,推动了纺织领域的检测自动化发展。题,推动了纺织领域的检测自动化发展。

【技术实现步骤摘要】
一种基于机器视觉的布料表面缺陷检测装置及方法


[0001]本专利技术涉及布料检测领域，具体是一种基于机器视觉的布料表面缺陷检测装置及方法,可对运行中的布匹进行实时疵点检测。

技术介绍

[0002]纺织行业在国民经济中占据着重要地位，并为人们提供衣服、窗帘和床上用品等日常生活中不可或缺的物品，与人们的生活息息相关。然而在纺织品生产过程中，机械故障、人工操作失误和外界环境干扰等因素都会使纺织品表面产生缺陷。缺陷的产生会严重影响纺织品的外观，并且会对纺织品生产厂家的企业形象与经济效益造成严重损害。在纺织行业，布匹疵点直接影响到布匹的定级。布匹按其质量好坏分为优等品，一等品，二等品和差次品，不同等级布匹价格差距很大。一般来说，二等布匹的价位大概为一等布匹的50％左右，所以织物疵点严重影响纺织行业经济收入。因此，对纺织品缺陷进行检测是必不可少的环节，其好处是当发现缺陷后，可以对缺陷的布匹进行标记，并且记录布匹中缺陷的种类、数量等信息，实现为织物打分定级，以便于后续对缺陷布匹的处理。
[0003]长期以来，布匹质量检测主要由人工完成，检测速度大约为15
‑
20米每分钟。由于人工检测严重依赖验布人员的经验和熟练程度，导致评价标准不稳定不一致，因而经常会产生误检和漏检。据调查，即使是熟练的验布人员也只能发现约70％的疵点。另外，布匹疵点检测枯燥乏味，严重损害验布工人的视力。因此使用自动验布系统是纺织行业提高生产效率，节省人力成本，产业转型升级的必经之路。

技术实现思路

[0004]本专利技术的目的在于提供一种基于机器视觉的布料表面缺陷检测装置及方法，以对纺织布料缺陷图像中的疵点区域进行快速识别，实现布料质量检测的自动化。
[0005]为达到上述目的，本专利技术采用如下技术方案：
[0006]一种基于机器视觉的布料表面缺陷检测装置，包括机械组件分模块组装，包括预处理模块，视觉检测模块，收卷模块，所述预处理模块将行进中的布匹除皱展平并送至视觉检测模块，所述视觉检测模块采集行进中的布匹图像并做疵点检测，所述收卷模块对检测完成的布料进行对边收卷。
[0007]一种基于机器视觉的布料表面缺陷检测方法，具体包括以下步骤：
[0008]步骤1)、采集无缺陷布匹图像样本，并将获取到的样本图像传输至计算机；
[0009]步骤2)、对步骤1中采集到的标准样本图像进行亮度平场校正矩阵的计算，并根据校正矩阵对所述样本图像做亮度补偿；
[0010]步骤3)、对所述亮度补偿后的样本图像进行K均值聚类算法处理，迭代计算得到聚类中心并计算其他相关的特征参数存储于计算机，所述的其他特征参数包括每一个聚类项中的像素平均距离、标准偏差，以及像素距离的最大值和最小值；
[0011]步骤4)、利用面阵相机模组实时拍摄验布机视觉检测模块上的待检测布匹图像，
传送至计算机，并根据步骤2计算出的平场校正矩阵给所述待检测布匹图像做亮度补偿；
[0012]步骤5)、对步骤4中面阵相机模组边缘两个相机采集到的图像进行布料边缘检测与图像裁减处理，只保留需要检测的布料图像数据，将背景与布料边界的毛边部分裁减掉。
[0013]步骤6)、对步骤4和步骤5所得到的待检测图像进行疵点检测算法处理，计算待检测图像像素与步骤3所得到的聚类中心的欧氏距离，根据步骤3中计算出的特征参数来设定阈值，若欧氏距离均在所设置的阈值范围内，则判断实测布匹图像合格，否则判断实测布匹图像存在疵点。
[0014]步骤7)、对步骤6中判断出来存在瑕疵的布匹图像做形态学闭运算与疵点的框选处理，保存框选疵点后的布匹图像至计算机中，并将疵点信息存入数据库。
[0015]步骤8)、判断当前检测布匹图像是否为最后一张，若不是最后一张，则转至步骤4继续采集布匹图像并检测；若是最后一张，则停止采集图像，并根据步骤7数据库中保存的疵点情况进行打分，对当前整卷布进行等级评估。
[0016]前述的一种基于机器视觉的布料表面缺陷检测方法，所述步骤2中的平场校正和亮度补偿是为了消除因光照不均、镜头中心和边缘的响应不一致带来的相机成像“黑圈”问题，而平场校正矩阵的计算是首先找到样本图像中心，然后以所述样本图像中心作为中心点，截取50*50个像素的矩形区域，再计算该区域HSV空间中的V空间亮度均值MeanValue，然后对样本图像HSV空间中的V空间进行逐像素做差，计算与截取到的矩形区域亮度均值MeanValue的差值，如下式
[0017]M
c
＝M
mean
‑
M
V
[0018]其中M
mean
是像素值全部设定为MeanValue的单通道矩阵，M
V
为标准样本图像HSV通道分离出的V空间图像矩阵，二者做差从而得到平场校正矩阵M
c
。
[0019]前述的一种基于机器视觉的布料表面缺陷检测方法，所述步骤2中的亮度补偿是首先将标准样本图像转换为HSV空间，并将三通道分离，然后提取其中的V空间图像矩阵，与计算出的平场校正矩阵相加，如下式
[0020][0021]其中为标准样本图像HSV通道分离出的V空间图像矩阵，M
c
为步骤2中根据标准样本图像计算出的平场校正矩阵，则为平场校正后的结果矩阵，得到结果矩阵后将HSV三通道进行合并从而实现标准样本图像的亮度补偿。
[0022]前述的一种基于机器视觉的布料表面缺陷检测方法，所述步骤3中的K均值聚类算法首先对样本图像的RGB三通道图像初始化k个聚类中心(μ1,μ2,
…
μ
k
)，将样本集(x
i
)划分为k个簇(C1,C2,
…
C
k
)，计算所有样本点到聚类中心的欧氏距离，如下式所示
[0023][0024]然后选出距离该聚类中心最近的几个样本作为一类，目标是最小化平方误差E
[0025][0026]其中μ
i
是簇C
i
的均值向量，也可以称作质心，表达式为
[0027][0028]用计算出的最小RGB三通道欧氏距离均值来更新聚类簇中心，不断迭代直至平方误差E满足要求则迭代结束。
[0029]前述的一种基于机器视觉的布料表面缺陷检测方法，所述步骤4中的亮度补偿首先是将待检测图像转换为HSV空间，然后将三通道分离，再将其中的V空间图像矩阵与步骤2计算出的平场校正矩阵相加，如下式
[0030][0031]其中为待检测图像HSV通道分离出的V空间图像矩阵，M
c
为步骤2中根据标准样本图像计算出的平场校正矩阵，则为平场校正后的结果矩阵，得到结果矩阵后将HSV三通道进行合并从而实现待检测图像的亮度补偿。
[0032]前述的一种基于机器视觉的布料表面缺陷检测方法，所述步骤5中的布料边缘检测是首先提取待检测图像上、中、下三段5像素高、待检测图像宽的矩形区域，对三段截取的矩形区域做3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的布料表面缺陷检测装置，其特征在于：机械组件分模块组装，包括预处理模块，视觉检测模块，收卷模块，所述预处理模块将行进中的布匹除皱展平并送至视觉检测模块，所述视觉检测模块采集行进中的布匹图像并做疵点检测，所述收卷模块对检测完成的布料进行对边收卷。2.根据权利要求1所述的一种基于机器视觉的布料表面缺陷检测装置，其特征在于：预处理模块包括步进电机(71)、挡布架(82)、卷布辊(12)、分丝辊(14)、滑条辊(15)、活动辊(13)，通过设置主动和从动卷布辊的转速差来调节张力，行进中的布匹先后经过分丝辊、滑条辊、活动辊从而达到除皱展平的效果，以便于后续的视觉检测。3.根据权利要求1所述的一种基于机器视觉的布料表面缺陷检测装置，其特征在于：视觉检测模块包括LED顶光源(36)、LED底光源(35)、面阵相机模组(42)、计算机(91)、光源控制器(92)，所述面阵相机模组与计算机通过数据线相连接，用于确保实时采集行进过程中的布匹表面图像，将数据传输至计算机做算法检测，识别出布料边界以及布料疵点并做记录和保存有瑕疵的布料图像。4.一种基于机器视觉的布料表面缺陷检测方法，其特征在于，包括以下步骤：步骤1)、采集无缺陷布匹图像样本，并将获取到的样本图像传输至计算机；步骤2)、对步骤1中采集到的标准样本图像进行亮度平场校正矩阵的计算，并根据校正矩阵对所述样本图像做亮度补偿；步骤3)、对所述亮度补偿后的样本图像进行K均值聚类算法处理，迭代计算得到聚类中心并计算其他相关的特征参数存储于计算机，所述的其他特征参数包括每一个聚类项中的像素平均距离、标准偏差，以及像素距离的最大值和最小值；步骤4)、利用面阵相机模组实时拍摄验布机视觉检测模块上的待检测布匹图像，传送至计算机，并根据步骤2计算出的平场校正矩阵给所述待检测布匹图像做亮度补偿；步骤5)、对步骤4中面阵相机模组边缘两个相机采集到的图像进行布料边缘检测与图像裁减处理，只保留需要检测的布料图像数据，将背景与布料边界的毛边部分裁减掉。步骤6)、对步骤4和步骤5所得到的待检测图像进行疵点检测算法处理，计算待检测图像像素与步骤3所得到的聚类中心的欧氏距离，根据步骤3中计算出的特征参数来设定阈值，若欧氏距离均在所设置的阈值范围内，则判断实测布匹图像合格，否则判断实测布匹图像存在疵点。步骤7)、对步骤6中判断出来的存在瑕疵的布匹图像做形态学闭运算与疵点的框选处理，保存框选疵点后的布匹图像至计算机中，并将疵点信息存入数据库。步骤8)、判断当前检测布匹图像是否为最后一张，若不是最后一张，则转至步骤4继续采集布匹图像并检测；若是最后一张，则停止采集图像，并根据步骤7数据库中保存的疵点情况进行打分，对当前整卷布进行等级评估。5.根据权利要求4所述一种基于机器视觉的布料表面缺陷检测方法，其特征在于，步骤2中的亮度平场校正矩阵的计算是首先选取样本图像中心50*50个像素的矩形区域，再计算该区域HSV空间中的V空间亮度均值MeanValue，然后对样本图像HSV空间中的V空间进行逐像素做差，计算与矩形区域亮度均值的差值，如下式M
c
＝M
mean
‑
M
V
其中M
mean
是像素值均为MeanValue的单通道矩阵，M
V
为标准样本图像HSV通道分离出的V
空间图像矩阵，二者做差从而得到平场校正矩阵M
...

【专利技术属性】
技术研发人员：沈人，庄健，尚金道，
申请(专利权)人：杭州信畅信息科技有限公司，
类型：发明
国别省市：