13311381385
免責(zé)聲明：文章來源于網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系刪除。
在布料的工業(yè)生產(chǎn)環(huán)節(jié)中,質(zhì)量控制是提高企業(yè)核心競爭力的有效手段。近年來,機(jī)器視覺檢測織物瑕疵以其非接觸、抗干擾、高速、高精度等獨(dú)特的優(yōu)勢,在工業(yè)產(chǎn)品質(zhì)量控制領(lǐng)域得到越來越廣泛的應(yīng)用。目前,我國的布料瑕疵檢測工作仍以傳統(tǒng)手工檢測為主,效率低,誤檢率高。針對上述情況,基于機(jī)器視覺的布料瑕疵檢測具有實(shí)時性和準(zhǔn)確性等特點(diǎn),本文對機(jī)器視覺的布料瑕疵檢測相關(guān)關(guān)鍵技術(shù)進(jìn)行了研究與實(shí)現(xiàn)。首先,針對布料瑕疵檢測問題,在布料檢測系統(tǒng)中采用圖像處理中的圖像去噪、圖像增強(qiáng)和圖像銳化等圖像預(yù)處理方法,分析了相關(guān)算法的應(yīng)用情況,并運(yùn)用上述圖像預(yù)處理技術(shù),進(jìn)而得到了效果更佳優(yōu)良,邊界更加清晰可見的布料圖片。其次,由于傳統(tǒng)的Canny算子提取物體清晰輪廓需要人工地選擇其參數(shù),不具備自適應(yīng)性。本文提出了一種自適應(yīng)Canny邊緣檢測方法,采用3*3鄰域代替Canny算法中2*2鄰域來計算梯度幅值,接著把Otsu算法應(yīng)用到Canny求閾值的中去,讓傳統(tǒng)Canny算法自動獲取高低閾值,通過自適應(yīng)閾值對圖像做非極大值抑制進(jìn)而得到圖像的邊緣,使檢測出的邊緣更加連續(xù)并減少虛假邊緣的存在。接著,利用神經(jīng)網(wǎng)絡(luò)的相關(guān)理論,結(jié)合布料瑕疵的具有的特殊性,設(shè)計了一個基于神經(jīng)網(wǎng)絡(luò)的布料檢測方法,該方法利用BP神經(jīng)網(wǎng)絡(luò)的特性,然后通過四層BP神經(jīng)網(wǎng)絡(luò)的檢測和學(xué)習(xí)功能對布料進(jìn)行識別,實(shí)驗結(jié)果驗證該方法可以對布料瑕疵進(jìn)行識別。最后,對軟件系統(tǒng)進(jìn)行了設(shè)計與實(shí)現(xiàn),采用多線程同步的模式對視頻圖像進(jìn)行采集和識別處理,并對系統(tǒng)的檢測率、誤檢率和漏檢率進(jìn)行介紹。實(shí)驗證明本文算法針對布料檢測是有效的。
掃描二維碼