一种根据机器视觉的医用无纺布检测方法技术

本发明专利技术适用于医用无纺布检测技术领域，提供了一种根据机器视觉的医用无纺布检测方法，通过对移动的医用无纺布进行扫描拍摄，再通过第一识别模块对图像内容进行初步的识别筛选，找出黑点位置作为瑕疵点的可疑点备选，并将该处图像裁剪放大，然后通过预处理模块对该处图像进行灰度校正、图像去噪处理，然后第二识别模块基于空间域二阶统计的灰度共生矩阵法和基于频率域的具有多分辨率的二维Gabor滤波算法对图像中的黑点进行详细的识别判断是否为瑕疵点，若是则进行后续的加工修正处理，整个过程全自动的处理，且采用初筛和精查结合实现对医用无纺布瑕疵点的快速判断。对医用无纺布瑕疵点的快速判断。对医用无纺布瑕疵点的快速判断。

【技术实现步骤摘要】
一种根据机器视觉的医用无纺布检测方法


[0001]本专利技术属于医用无纺布检测
，尤其涉及一种根据机器视觉的医用无纺布检测方法。

技术介绍

[0002]医用无纺布的性能非常重要，不能出现瑕疵，如果有较多疵点，则影响无纺布的等级。疵点是影响无纺布质量等级的最主要因素，疵点检测是其质量管理的重要环节传统的布匹疵点检验依靠人工主观判别，缺乏检验的一致性和可靠性。随着现代工业发展对无纺布质量和产量需求的日益增长，人工检测的精度和速度均不能满足要求，基于机器视觉的疵点检测技术已经成为了研究热点和发展趋势。
[0003]目前市场上，在纺织领域，专门针对无纺布表面疵点检测的研究并不太多，大多是针对织造布的。而且大多数的疵点检测算法研究方向集中在检测算法的通用性和准确性方面，并没有过多关算法实时性的问题。基于此，通过沟通协商，旨在研制出一种根据机器视觉的医用无纺布检测方法，能够针对布匹表面出现孔洞、油污、含有异物杂质等进行检测，并能够在生产中有效使用，从而节省大量人力和物力，降低企业成本，更好助力企业发展。

技术实现思路

[0004]本专利技术提供一种根据机器视觉的医用无纺布检测方法，旨在解决上述
技术介绍
提出的问题。
[0005]本专利技术是这样实现的，一种根据机器视觉的医用无纺布检测方法，包括如下步骤：步骤S1、对移动的医用无纺布进行扫描拍摄；步骤S2、对扫描拍摄的图像进行初步的处理识别，若检测出可疑点，则对该处图像剪裁放大，若未检测出可疑点，则继续对其余部位进行检测；步骤S3、对剪裁放大的图片进行灰度校正、图像去噪处理；步骤S4、检查该处图像的细节并通过两个用于无妨布疵点检测的算法，基于空间域二阶统计的灰度共生矩阵法和基于频率域的具有多分辨率的二维Gabor滤波算法再次判断是否为瑕疵点，若是，则将该处标记，并传递给后方进行处理；若不是，则继续对后续进行检测。
[0006]步骤S5、人工对前面设备标记的位置进行进一步的细致观察，作出最后的判断，判断该处是否为瑕疵，若是则进行处理，若不是则重新返回到正常加工流程中。
[0007]优选的，在步骤S1中，对移动的医用无纺布进行扫描拍摄是由工业CCD线阵相机和照明装置配合完成。
[0008]优选的，在步骤S2中包括如下步骤：步骤S21、通过第一识别模块对拍摄图像中的黑点进行识别；步骤S22、若未识别出黑点，则未检测出可疑点，则继续对其余部位进行检测直至检测出黑点；
步骤S23、若识别出黑点，则检测出可疑点，则通过剪裁模块对该处图像剪裁放大。
[0009]优选的，在步骤S3中通过以下两个步骤逐步对剪裁放大后的图像进行处理，步骤S31、通过预处理模块对剪裁放大后的图像灰度校正；步骤S32、再次预处理模块对灰度校正后的图像进行图像去噪处理。
[0010]优选的，在步骤S4中包括如下步骤：步骤S41、通过第二识别模块对预处理后的图像中进行识别是否有瑕疵点；步骤S42a、若无，则继续对预处理模块传来的下一个图像进行识别；步骤S42b、若有，则对医疗无纺布上该处图像对应的位置进行标记。
[0011]优选的，在步骤S41中，第二识别模块通过基于空间域二阶统计的灰度共生矩阵法和基于频率域的具有多分辨率的二维Gabor滤波算法，判断预处理后的图像中是否有瑕疵点。
[0012]优选的，在步骤步骤S42b中，处理模块通过第二识别模块输出的判断为瑕疵点的图像，对移动的医疗无纺布的该处进行标记，供后续工作人员进行处理。
[0013]与现有技术相比，本专利技术的有益效果是：本专利技术的一种根据机器视觉的医用无纺布检测方法，本申请通过对移动的医用无纺布进行扫描拍摄，再通过第一识别模块对图像内容进行初步的识别筛选，找出黑点位置作为瑕疵点的可疑点备选，并将该处图像裁剪放大，然后通过预处理模块对该处图像进行灰度校正、图像去噪处理，然后第二识别模块基于空间域二阶统计的灰度共生矩阵法和基于频率域的具有多分辨率的二维Gabor滤波算法对图像中的黑点进行详细的识别判断是否为瑕疵点，若是则对其位置进行标记，由后续的人工进行进一步的确认后在对其进行最终的决定处理，整个过程全自动的处理，且采用初筛和精查结合实现对医用无纺布瑕疵点的快速判断。
[0014]先由机器自己进行初筛和精查两道工序的检测，再将精查后的结果作为第二道筛选的结果，最后由人工进行最终的把关，这种采用多道初筛加精查的方式，以及人工与机械相结合的，对机械或者人工可能出现的误判进行了避免，同时由机械进行了大量的初筛，大大的缩减了人工的工作量，避免了人工的疲劳。
附图说明
[0015]图1为本专利技术的方法步骤示意图。
具体实施方式
[0016]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0017]请参阅图1，本专利技术提供一种技术方案：一种根据机器视觉的医用无纺布检测方法，包括如下步骤：步骤S1、对移动的医用无纺布进行扫描拍摄；步骤S2、对扫描拍摄的图像进行初步的处理识别，若检测出可疑点，则对该处图像剪裁放大，若未检测出可疑点，则继续对其余部位进行检测；步骤S3、对剪裁放大的图片进行灰度校正、图像去噪处理；
步骤S4、检查该处图像的细节并通过两个用于无妨布疵点检测的算法，基于空间域二阶统计的灰度共生矩阵法和基于频率域的具有多分辨率的二维Gabor滤波算法再次判断是否为瑕疵点，若是，则将该处标记，并传递给后方进行处理；若不是，则继续对后续进行检测。
[0018]步骤S5、人工对前面设备标记的位置进行进一步的细致观察，作出最后的判断，判断该处是否为瑕疵，若是则进行处理，若不是则重新返回到正常加工流程中。
[0019]在本实施方式中，本申请通过对移动的医用无纺布进行扫描拍摄，再通过第一识别模块对图像内容进行初步的识别筛选，找出黑点位置作为瑕疵点的可疑点备选，并将该处图像裁剪放大，然后通过预处理模块对该处图像进行灰度校正、图像去噪处理，然后第二识别模块基于空间域二阶统计的灰度共生矩阵法和基于频率域的具有多分辨率的二维Gabor滤波算法对图像中的黑点进行详细的识别判断是否为瑕疵点，若是则进行后续的加工修正处理。
[0020]具体的：首先通过工业CCD线阵相机和照明装置组合对移动的医用无纺布进行扫描拍摄，然后将拍摄的图像发送给第一识别模块，第一识别模块对拍摄图像进行识别判断有无黑点，若未识别出黑点，则未检测出可疑点，则继续对其余部位进行检测直至检测出黑点；若识别出黑点，则检测出可疑点，则通过剪裁模块对该处图像剪裁放大，并将剪裁放大的图像发送给预处理模块，首先通过预处理模块对剪裁放大后的图像灰度校正；其次预处理模块对灰度校正后的图像进行图像去噪处理，然后通过第二识别模块对预处理后的图像中进行识别是否有瑕疵点；若无，则继续对预处理模块传来的下一个图像进行识别；若有，则对医疗无纺布上该处图像对应的位置进行标记，供后方检测人员作进一步的判断并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种根据机器视觉的医用无纺布检测方法，其特征在于：包括如下步骤：步骤S1、对移动的医用无纺布进行扫描拍摄；步骤S2、对扫描拍摄的图像进行初步的处理识别，若检测出可疑点，则对该处图像剪裁放大，若未检测出可疑点，则继续对其余部位进行检测；步骤S3、对剪裁放大的图片进行灰度校正、图像去噪处理；步骤S4、检查该处图像的细节并通过两个用于无妨布疵点检测的算法，再次判断是否为瑕疵点，若是，则将该处标记，并传递给后方人工进行处理；若不是，则继续对后续进行检测；步骤S5、人工对前面设备标记的位置进行进一步的细致观察，作出最后的判断，判断该处是否为瑕疵，若是则进行处理，若不是则重新返回到正常加工流程中。2.如权利要求1所述的一种根据机器视觉的医用无纺布检测方法，其特征在于：在步骤S1中，对移动的医用无纺布进行扫描拍摄是由工业CCD线阵相机和照明装置配合完成。3.如权利要求1所述的一种根据机器视觉的医用无纺布检测方法，其特征在于：在步骤S2中包括如下步骤：步骤S21、通过第一识别模块对拍摄图像中的黑点进行识别；步骤S22、若未识别出黑点，则未检测出可疑点，则继续对其余部位进行检测直至检测出黑点；步骤S23、若识别出黑点，则检测出可疑点，则通过剪裁模块对该处图像剪裁放大。4.如权利要求1所述的一种根据机器视觉的医用无纺布检测方法...

【专利技术属性】
技术研发人员：高伟，景征骏，张杰，汤嘉立，李婷婷，陈佳敏，储小林，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：