專利名稱：一種自動驗布等級客觀評定系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及紡織品性能測試技術(shù)領(lǐng)域，特別是一種自動驗布等級客觀評定系統(tǒng)。
背景技術(shù)：
織物表觀性能在紡織品質(zhì)量控制及貿(mào)易中是一項重要指標(biāo)，織物在出廠之前都要對織物進行檢驗，評等織物的等級。目前，驗布工序目前基本上還是用人工被光檢測或機械燈光檢測，按個人經(jīng)驗和織物評分、評等標(biāo)準(zhǔn)對織物等級進行判定。其主要工作分為兩步，首先是對織物上的疵點進行檢測即識別和定位；其次是對檢測出疵點，用織物評分、評等標(biāo)準(zhǔn)對織物的等級進行判定。這種評定的客觀性容易受到人為的主觀因素的影響，且工作效率很低。
隨著計算機技術(shù)、數(shù)字圖像技術(shù)和現(xiàn)在最優(yōu)化方法如神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，使得基于計算機視覺的織物等級的自動評定成為可能。其研究領(lǐng)域也大致分為基于計算機視覺的疵點自動檢測和基于計算機視覺的織物等級自動評定。
研究初期主要是在時域處理圖象和利用傅立葉變換對疵點進行檢測。Yoshio Shimizu等采用圖像匹配的方法建立了織物疵點檢測專家系統(tǒng)。F.S.Cohen等采用高斯—馬爾科夫隨機場(GMRF)紋理模型檢測織物疵點。直接對灰度圖像提取特征值的算法丟棄了織物的紋理信息，檢測疵點的種類少，速度較慢。Tsai等人從織物圖像的傅立葉功率譜特征值，用BP神經(jīng)網(wǎng)絡(luò)對缺經(jīng)、缺緯、油污和破洞四種疵點進行檢測。1997年Rajasekaran采用交互傳播網(wǎng)絡(luò)(CPN)代替BP神經(jīng)網(wǎng)絡(luò)，據(jù)稱速度提高了3000倍，而且網(wǎng)絡(luò)不需要訓(xùn)練。但是傅立葉變換不能將穩(wěn)定信號和非穩(wěn)定信號區(qū)分開來，也不能給出頻率出現(xiàn)的位置，故它不能給出疵點的空間位置信息。
20世紀(jì)90年代中期以后，小波分析等現(xiàn)代數(shù)學(xué)工具開始興起，人們開始使用小波對疵點進行檢測。W.J.Jasper等分析和比較了Sobel邊緣檢測、快速傅立葉變換(FFT)和小波變換對缺緯疵點的檢測，1996年他又研究了自適應(yīng)小波在紋理描述和疵點檢測中的應(yīng)用。2000年臺灣的M.C.Hu等采用最優(yōu)小波包和人工神經(jīng)網(wǎng)絡(luò)技術(shù)檢測四種織物疵點。2003年，東華大學(xué)的李立輕用分步滿足正交條件和逼近條件方法構(gòu)造自適應(yīng)正交小波檢測織物疵點，該方法可以對常見的織物疵點快速、有效地識別，并對疵點進行準(zhǔn)確的定位，并認(rèn)為經(jīng)進一步完善有望在工業(yè)化的織物疵點快速自動檢測中得到應(yīng)用。
小波變換時由短時傅立葉變換發(fā)展起來的應(yīng)用數(shù)學(xué)分支，具有多尺度的特點，以及在時、頻兩域表征信號局部特征的能力，非常適合檢測信號的瞬態(tài)或奇異點，所以應(yīng)用于疵點檢測其優(yōu)點是明顯的。
而基于計算機視覺的織物等級自動評定的研究，在國外，織物等級自動評定也被應(yīng)用于自動驗布系統(tǒng)，例如以色列愛微絲(EVS)公司的I-TEX系列驗布系統(tǒng)，它是根據(jù)質(zhì)量和平均的最低等級，確定織物布卷的整體分類，再用優(yōu)化裁剪軟件對布卷進行優(yōu)化裁剪。但是，事實證明這樣的織物分類方法是不適合國內(nèi)的生產(chǎn)廠家，因為這種分類方法忽略了疵點的特征信息，而國內(nèi)的大部分織機還沒有達到先進水平，織出的布上疵點還比較多，疵點的特征信息對分類的結(jié)果影響很大。在國內(nèi)，主要的研究工作還主要集中在疵點的自動檢測，對織物等級的自動評定系統(tǒng)的研究尚未見報道。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種自動驗布等級客觀評定系統(tǒng)，對于織物等級的評定，解決目前仍主要采用人工驗布的方法且尚沒有織物等級的自動評定系統(tǒng)的技術(shù)問題，是一種更加客觀、可靠且適合國情的評定系統(tǒng)。
為解決上述技術(shù)問題，本發(fā)明是這樣實現(xiàn)的一種自動驗布等級客觀評定系統(tǒng)，主要包括CCD攝像機、織物握持裝置、光源、計算機、圖像采集卡，其特征在于圖像采集卡將攝取的織物圖像轉(zhuǎn)換為數(shù)字圖像，用疵點檢測DSP對織物疵點進行檢測，對檢測出存在疵點的織物圖像用疵點圖像分割DSP模塊進行分割，對分割后的疵點用疵點表征DSP模塊進行疵點的自動表征，將表征的結(jié)果輸入織物等級評定DSP模塊，最終對織物等級進行自動的評定。
該疵點檢測是用分步滿足正交條件和逼近條件方法構(gòu)造自適應(yīng)正交小波采集到的織物圖像進行水平和垂直方法分別進行分解，對分解后的圖像提取能量、方法、熵、極差和對比度五個特征值，將之與正常織物的特征值進行比較來檢測疵點；其中，將疵點分為經(jīng)向疵點、緯向疵點、經(jīng)緯向疵點，并給出疵點在圖像的經(jīng)向或緯向的具體位置，并將這些信息保存到疵點信息數(shù)據(jù)庫，將有疵點圖像保存到疵點圖像數(shù)據(jù)庫。
該圖像分割是從疵點圖像數(shù)據(jù)庫中提取疵點圖像，同時從疵點信息數(shù)據(jù)庫中提取對應(yīng)圖像的疵點信息，運用圖像處理技術(shù)對疵點圖像進行分割，即將疵點從織物圖像中分割出來，得到疵點的二值圖像。
該疵點自動表征是從分割后的疵點二值圖像中提取三個特征值疵點長度，疵點寬度，疵點長徑比，并將其作為織物等級自動評定的輸入。
該織物等級自動評定是根據(jù)參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定的評分方法和評等規(guī)則對表征過的疵點進行自動評分和織物自動評等。
采用Pulnix TM-6703高速攝像頭的面陣CCD攝像機，分辨率640×480。
采用Matrox Meteor-II/M型圖像采集卡。
采用高性能微型計算機。
與現(xiàn)有技術(shù)相比本發(fā)明的優(yōu)點是1、本系統(tǒng)通過圖像采集裝置采集織物圖像，運用小波檢測疵點，運用圖像處理技術(shù)分割疵點，從而自動表征疵點，根據(jù)參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定的評分方法和評等規(guī)則對表征過的疵點進行自動評分和織物自動評等，國內(nèi)的織物等級評定領(lǐng)域未見有類似的系統(tǒng)。
2、本系統(tǒng)使用分步滿足正交條件和逼近條件的自適應(yīng)正交小波構(gòu)造方法，即首先計算滿足正交條件的解集，然后根據(jù)逼近條件在解集中尋找最優(yōu)解，采用了遺傳算法和漸進迭代算法完成了織物自適應(yīng)正交小波的搜索。使用自適應(yīng)正交小波對織物圖像進行單層分解，將織物的經(jīng)緯向紋理分開處理，提取特征值檢測疵點。整個疵點檢測過程的計算工作量小，速度快。
3、在小波檢測疵點的基礎(chǔ)上，運用圖像處理技術(shù)分割疵點，即先對疵點圖像進行均值濾波，模糊織物紋理，再進行高通濾波，檢測疵點的邊緣，運用直方圖局部放大技術(shù)尋找分割門限，對邊緣檢測后的疵點圖像進行門限處理，再運用二值形態(tài)學(xué)操作處理分割后的圖像，從而精確地分割疵點。通過對13種典型織物疵點進行分割表明，其分割準(zhǔn)確率與人工表征相比較達到了91.7％。
4、參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定了適合本系統(tǒng)的織物此但自動評分方法和織物等級自動評定規(guī)則，通過對共39個13種典型織物疵點進行自動評分與人工評分比較，其準(zhǔn)確率達到了94.87％。


圖1是本發(fā)明系統(tǒng)的結(jié)構(gòu)示意圖。
具體實施例方式請參閱圖1，它是本發(fā)明系統(tǒng)的結(jié)構(gòu)示意圖。本發(fā)明系統(tǒng)利用CCD采集織物圖像，用小波變換檢測疵點，將有疵點的織物圖像進行分割，計算機自動表征分割后的疵點，再根據(jù)參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定的評分方法和評等規(guī)則對表征過的疵點進行自動評分和織物自動評等。
一、硬件組成由圖1可知，本系統(tǒng)硬件組成主要包括CCD攝像機、織物握持裝置、光源、計算機、圖像采集卡等。織物握持裝置由手工試織小樣機改裝而成，加裝了織物的卷取和送出的機械傳動機構(gòu)和布面張力調(diào)節(jié)裝置，采用變頻器和直流電機來控制布面運動的速度。卷布輥還可通過彈簧調(diào)節(jié)壓力，使布面勻速運動。光照系統(tǒng)是采用4只護眼燈，對整個布面寬度均勻照射。相對于白熾燈、日光燈管燈普通光源，我們采用的光源基本上消除了明顯的閃爍對布面圖像采集造成的影響，并且光源并排放置，有助于減少布面亮度的不勻。布面下方采用深色背景材料，以盡量減少背景對圖像的影響。整個實驗裝置封閉于遮光布圍成的暗室中，以確保外界光線不對布面照射產(chǎn)生干擾。圖像采集卡將攝取的織物圖像轉(zhuǎn)換為數(shù)字圖像，用疵點檢測DSP對織物疵點進行檢測，對檢測出存在疵點的織物圖像用疵點圖像分割DSP模塊進行分割，對分割后的疵點用疵點表征DSP模塊進行疵點的自動表征，將表征的結(jié)果輸入織物等級評定DSP模塊，最終對織物等級進行自動的評定。
本系統(tǒng)采用的硬件裝置有采用Pulnix TM-6703高速攝像頭的面陣CCD攝像機，分辨率640×480，Matrox Meteor-II/M型圖像采集卡，高性能微型計算機，以及自行設(shè)計的圖像采集裝置。
二、軟件部分
1、疵點檢測用分步滿足正交條件和逼近條件方法構(gòu)造自適應(yīng)正交小波采集到的織物圖像進行水平和垂直方法分別進行分解，對分解后的圖像提取能量、方法、熵、極差和對比度五個特征值，將之與正?？椢锏奶卣髦颠M行比較來檢測疵點。將疵點分為經(jīng)向疵點、緯向疵點、經(jīng)緯向疵點，并給出疵點在圖像的經(jīng)向或緯向的具體位置，并將這些信息保存到疵點信息數(shù)據(jù)庫，將有疵點圖像保存到疵點圖像數(shù)據(jù)庫。
2、圖像分割從疵點圖像數(shù)據(jù)庫中提取疵點圖像，同時從疵點信息數(shù)據(jù)庫中提取對應(yīng)圖像的疵點信息，運用圖像處理技術(shù)對疵點圖像進行分割，即將疵點從織物圖像中分割出來，得到疵點的二值圖像。
3、疵點自動表征從分割后的疵點二值圖像中提取三個特征值疵點長度，疵點寬度，疵點長徑比。將其作為織物等級自動評定的輸入。
4、織物等級自動評定根據(jù)參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定的評分方法和評等規(guī)則對表征過的疵點進行自動評分和織物自動評等。
使用本發(fā)明系統(tǒng)的圖像采集的具體步驟如下(1)將織物在織物握持裝置上裝好，將CCD攝像機安裝在織物上方，將攝像機與計算機的圖像采集卡相連，打開攝像機。
(2)將采集裝置封閉，使圖像采集在一個暗室中進行。
(3)開啟光源和圖像采集裝置，開始采集織物圖像。
使用本發(fā)明系統(tǒng)對織物進行疵點檢測。具體步驟為(1)獲取正常織物的紋理圖像信息，并由之求取織物自適應(yīng)正交小波濾波器，并獲取正?？椢锏慕?jīng)、緯子圖像，根據(jù)正?？椢锝?jīng)、緯子圖像分割窗口大小，分別計算正?？椢锝?jīng)、緯子圖像的特征值曲線。
(2)獲取待檢織物的紋理圖像信息，用自適應(yīng)正交小波率波器分解待檢織物紋理圖像，獲取待檢織物經(jīng)、緯紋理子圖像，根據(jù)正?？椢锝?jīng)、緯子圖像分割窗口大小，分別計算待檢織物經(jīng)、緯子圖像的特征值曲線。
(3)比較正?？椢锱c待檢織物的經(jīng)、緯子圖像特征值曲線，并對待檢織物特征值曲線作均一化處理，檢驗待檢織物特征值是否超過設(shè)定的閾值，以判定是否有疵點存在，如有則予以標(biāo)記。
使用本發(fā)明系統(tǒng)織物等級自動評定，具體步驟為(1)分割有疵點的織物圖像，即先對疵點圖像進行均值濾波，模糊織物紋理，再進行高通濾波，檢測疵點的邊緣，運用直方圖局部放大技術(shù)尋找分割門限，對邊緣檢測后的疵點圖像進行門限處理，再運用二值形態(tài)學(xué)操作處理分割后的圖像，從而精確地分割疵點。
(3)從分割后的疵點二值圖像中提取三個特征值疵點長度，疵點寬度，疵點長徑比，對疵點進行自動表征。
(4)根據(jù)參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定的評分方法和評等規(guī)則對表征過的疵點進行自動評分和織物自動評等。
綜上所述僅為本發(fā)明的較佳實施例而已，并非用來限定本發(fā)明的實施范圍。即凡依本發(fā)明申請專利范圍的內(nèi)容所作的等效變化與修飾，都應(yīng)為本發(fā)明的技術(shù)范疇。
權(quán)利要求
1.一種自動驗布等級客觀評定系統(tǒng)，主要包括CCD攝像機、織物握持裝置、光源、計算機、圖像采集卡，其特征在于圖像采集卡將攝取的織物圖像轉(zhuǎn)換為數(shù)字圖像，用疵點檢測DSP對織物疵點進行檢測，對檢測出存在疵點的織物圖像用疵點圖像分割DSP模塊進行分割，對分割后的疵點用疵點表征DSP模塊進行疵點的自動表征，將表征的結(jié)果輸入織物等級評定DSP模塊，最終對織物等級進行自動的評定。
2.根據(jù)權(quán)利要求1所述的自動驗布等級客觀評定系統(tǒng)，其特征在于該疵點檢測是用分步滿足正交條件和逼近條件方法構(gòu)造自適應(yīng)正交小波采集到的織物圖像進行水平和垂直方法分別進行分解，對分解后的圖像提取能量、方法、熵、極差和對比度五個特征值，將之與正常織物的特征值進行比較來檢測疵點；其中，將疵點分為經(jīng)向疵點、緯向疵點、經(jīng)緯向疵點，并給出疵點在圖像的經(jīng)向或緯向的具體位置，并將這些信息保存到疵點信息數(shù)據(jù)庫，將有疵點圖像保存到疵點圖像數(shù)據(jù)庫。
3.根據(jù)權(quán)利要求2所述的自動驗布等級客觀評定系統(tǒng)，其特征在于該圖像分割是從疵點圖像數(shù)據(jù)庫中提取疵點圖像，同時從疵點信息數(shù)據(jù)庫中提取對應(yīng)圖像的疵點信息，運用圖像處理技術(shù)對疵點圖像進行分割，即將疵點從織物圖像中分割出來，得到疵點的二值圖像。
4.根據(jù)權(quán)利要求3所述的自動驗布等級客觀評定系統(tǒng)，其特征在于該疵點自動表征是從分割后的疵點二值圖像中提取三個特征值疵點長度，疵點寬度，疵點長徑比，并將其作為織物等級自動評定的輸入。
5.根據(jù)權(quán)利要求4所述的自動驗布等級客觀評定系統(tǒng)，其特征在于該織物等級自動評定是根據(jù)參考人工疵點評分方法和評等規(guī)則結(jié)合基于計算機視覺的疵點檢測和圖像分割的特點制定的評分方法和評等規(guī)則對表征過的疵點進行自動評分和織物自動評等。
6.根據(jù)權(quán)利要求1或2或3或4或5所述的自動驗布等級客觀評定系統(tǒng)，其特征在于采用Pulnix TM-6703高速攝像頭的面陣CCD攝像機，分辨率640×480。
7.根據(jù)權(quán)利要求1或2或3或4或5所述的自動驗布等級客觀評定系統(tǒng)，其特征在于采用Matrox Meteor-II/M型圖像采集卡。
8.根據(jù)權(quán)利要求1或2或3或4或5所述的自動驗布等級客觀評定系統(tǒng)，其特征在于采用高性能微型計算機。
全文摘要
本發(fā)明涉及紡織品性能測試技術(shù)領(lǐng)域，特別是一種自動驗布等級客觀評定系統(tǒng)。主要包括CCD攝像機、織物握持裝置、光源、計算機、圖像采集卡，圖像采集卡將攝取的織物圖像轉(zhuǎn)換為數(shù)字圖像，用疵點檢測DSP對織物疵點進行檢測，對檢測出存在疵點的織物圖像用疵點圖像分割DSP模塊進行分割，對分割后的疵點用疵點表征DSP模塊進行疵點的自動表征，將表征的結(jié)果輸入織物等級評定DSP模塊，最終對織物等級進行自動的評定。該系統(tǒng)主要解決目前仍主要采用人工驗布的方法且尚沒有織物等級的自動評定系統(tǒng)的技術(shù)問題，是一種更加客觀、可靠且適合國情的評定系統(tǒng)。
文檔編號G01N21/88GK1760437SQ20051011024
公開日2006年4月19日 申請日期2005年11月10日 優(yōu)先權(quán)日2005年11月10日
發(fā)明者汪軍, 李立輕, 夏冬升 申請人:東華大學(xué)