[01266482]基于机器视觉的织物疵点检测系统研究

本项目为河南省教育厅科技攻关项目，项目编号13A510127。

在纺织产品中，织物疵点是影响布匹质量的主要因素，进而影响着纺织品的价格。据生产商反映，有一疵点，则产品价格降低为正常价格的45%-53%。因此织物的疵点检测是生产过程中一个非常关键的环节。

传统上，布匹疵点检测是由人工完成的，人工检测严重影响了纺织生产的自动化程度。因此，需要开发一种快速、精度高的自动检测技术来代替（或辅助）人工检测。

本项目对基于机器视觉的织物疵点检测系统进行研究。主要采用技术如下：

1)提出基于平稳小波视觉显著性的织物疵点检测方法。首先基于平稳小波对织物图像进行变换，利用背景估计生成局部显著图，经融合后生成最终显著度。最后，采用阀值分割算法定位出疵点区域。

2)提出基于Gabor滤波器和低秩分解的织物疵点检测方法。首先对图像进行Gabor变换生成特征矩阵，然后建立有效的低秩分解模型，并采用加速近端梯度方法进行优化求解，将特征矩阵分解为低秩阵与稀疏阵，最后采用改进最优阈值分割算法对由稀疏矩阵生成的显著图进行分割，从而定位出疵点区域。

3)研究基于HOG和稀疏子空间聚类的织物疵点检测方法。

首先提取HOG特征并构建字典库;然后，采用一范数最小化和稀疏表示方法，用字典库中其他原子对目标图像块的编码特征表示，得到稀疏表示系数矩阵;最后，采用子空间聚类对各图像块的稀疏表示系数矩阵分类，得到织物图像正常与异常区域的分割结果，定位出疵点所在位置和大小。

经应用表明，以上创新集成的基于机器视觉的织物疵点检测系统相关技术成果，方案合理，性能稳定，具有较高的理论及实用价值。

经河南省科学技术信息研究院进行科技查新，在国内公开发表的文献中，未见与本项目创新点相同的公开文献报道。

项目提出的检测方法、在实现方法方面有较大创新，优于国内文献及产品的相关同类型技术。

项目主要性能指标：织物最大传输速度：120m/min;幅宽：1800mm，检测精度94.5%。