经编机布匹瑕疵的在线视觉检测-王明景-(1)

2015，51（9）1引言经编产业以其科技含量高、生产率卓越、产品性能独特，在纺织工业中的地位越来越重要，如何保证编织品的质量是非常关键的一个环节[1]。在编织过程中由于机械故障或者操作错误等原因，编织出来的布匹经常或多或少存在一些问题。目前已有设备通过在进纱处检测纱线用以预防瑕疵生成，但是对纱线的检测无法完全保证经编机出布口处布匹的品质，因而亟需发展一种准确快速的经编机布匹瑕疵的自动检测方法。机器视觉的发展为此提供了新的思路，通过成像设备例如高速工经编机布匹瑕疵的在线视觉检测王明景1，吉峰2，白瑞林1WANGMingjing1,JIFeng2,BAIRuilin11.江南大学轻工过程先进控制教育部重点实验室，信息与控制实验教学中心，江苏无锡2141222.无锡信捷电气有限公司，江苏无锡2140721.InformationandControlExperimentTeachingCenter,KeyLaboratoryofAdvancedProcessControlforLightIndustry（MinistryofEducation）,JiangnanUniversity,Wuxi,Jiangsu214122,China2.XinjeElectronicCo.,Ltd,Wuxi,Jiangsu214072,ChinaWANGMingjing,JIFeng,BAIRuilin.Machinevisiondetectionmethodoffabricdefectsofwarpknittingmachine.ComputerEngineeringandApplications,2015,51（9）：185-190.Abstract：Toachievereal-timedetectionoffabricdefectsonwarpknittingmachineintheprocessofweaving,amachinevision-basedrapidreal-timedetectionmethodisproposed.Inoff-timecase,itextractsthetextureparametersfortheestab-lishmentofpracticalGaborfilterbanks.Inreal-timecase,itdecomposestheimagesusingtheGaborfilterbanks,partitionstheGaborsub-graphbytheextractedtexturecycleandextractsthefeaturesofeverypartition,thenproposesadiscriminantmethodofdefectsfeaturetosolvetheproblemofunevenillumination.Experimentsdemonstratethatthemethodcanadapttothedetectionneedsoffabricswithdifferenttexturesandisinsensitivetotheeffectsoflight;theaccuracyrateisabove99%;theaveragetimeofdetectionisabout100ms（basedonimagesof54pixel×600pixel）;themethodiswithhighinstantaneityandhighaccuracyandcanachievereal-timedetectionoffabricdefectsofwarpknittingmachine.Keywords：warpknittingmachine;machinevision;defectsdetection;Gaborfilter摘要：为实现经编机织布过程中布匹瑕疵的实时检测，提出了一种基于机器视觉的实时检测方法。离线训练时分别学习有瑕疵和无瑕疵纹理布匹图像，自动求取纹理基元周期和纹理方向，用以构建实用的两方向Gabor滤波器组，进而提取有和无瑕疵图像特征。在线检测时，以离线所构建的Gabor滤波器组分解图像，以离线所求取的参数窗口化Gabor子图，进而提取子图特征并采用特征变化率来代替原始特征的方法以消除光照不均影响。实验表明，该方法可以适应不同纹理布匹检测需求，消除光照影响，布匹检测准确率高达99%，检测一帧（54pixel×600pixel）的平均时间为100ms，实时性和准确性高，可实现经编机布匹瑕疵的在线实时检测。关键词：经编机；机器视觉；瑕疵检测；Gabor滤波器文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.1305-0487基金项目：江苏高校优势学科建设工程资助项目（PAPD）；江苏省产学研前瞻性联合研究项目（No.BY2012056）。作者简介：王明景（1990—），男，硕士研究生，研究领域为嵌入式机器视觉理论与应用；吉峰（1981—），男，工程师，研究领域为机器视觉与机器人技术；白瑞林（1955—），男，教授，博导，研究领域为机器视觉与智能系统等。E-mail：[e-mail]收稿日期：2013-06-03修回日期：2013-08-02文章编号：1002-8331（2015）09-0185-06CNKI网络优先出版：2013-09-24，计算机工程与应用185ComputerEngineeringandApplications计算机工程与应用2015，51（9）业相机采集图像送入控制器分析决策或是直接由智能相机对图像处理，可实现对布匹的柔性和高精确度高实时性的自动化检测。对布匹纹理图像处理是经编机布匹检测系统最重要的环节，AjayKumar[2]等提出一种构建最优线性FIR滤波器加强纹理能量，然后用特定的平滑滤波器平滑子图，运用阈值分离出瑕疵区域的方法，虽然可以快速分离出布匹纹理结构异常部分，但是精确度不高。ShengQi[3]和WenTao[4]等提出用小波和Gabor变换对纹理图像多方向分解，融合分解后子图并用形态学滤波去除规则纹理，但是形态学滤波效果并不好，虽然得出瑕疵区域但同样精确度不高。为此，杨晓波[5]提出基于自适应离散小波变换识别混合特征畸变织物疵点，建立起优化目标和正交滤波器系数间的函数关系对混合特征畸变疵点进行识别，效果较好但是耗时较长。温兆麟[6]等针对经编机布匹方向性纹理通过Fourier变换和Hough变换去除结构性纹理，对变换后图像重构去除纹理信息的方法，但是只对纹理较强的图像检测效果较好。上述方法均建立在对全局做频域处理消除纹理的基础上，一旦纹理消除稍有误差，后续的阈值分割就必然出现错误。为此，朱俊岭[7]等用投影得到方差序列，选择合适的AR模型阶数并依据Burg算法估计得到谱数据，通过求得带有疵点图像的谱估计与正常纹理图像得到的谱估计之间的相关系数检测出疵点，但对外界条件要求较高，织物张力对检测结果影响较大。Sun[8]等采用频域滤波降低经编机布匹图像纹理的干扰，提取窗口局部熵等相关特征参数，提出用多窗口统计方法检测松散的纺织物表面瑕疵，其目的是消除频域处理对后续分割的影响但是由于特征不凸显容易出现误分类现象，于是如何有效凸显纹理，如何有效提取窗口特征异常重要。基于上述分析，提出一种通过离线分析有和无瑕疵图像快速提取参数以构建实用的Gabor滤波器组，并在线进行瑕疵区域判别和定位的实时检测方法。该方法通过参数的自动寻取构建实用Gabor滤波器组并设计分类器消除光照不均影响分割并定位出瑕疵，满足经编机布匹检测在精确度、实时性和鲁棒性的要求。2系统方案系统总体方案如图1所示。通过对采集的无瑕疵图像和有瑕疵图像训练，自动求取图像纹理基元周期和纹理主方向，以此构建实用的Gabor滤波器组，凸显纹理主方向以及与纹理主方向垂直方向的纹理信息，对有和无瑕疵图像的Gabor子图提取灰度共生矩阵统计特征。在线检测时根据离线学习所构建的Gabor滤波器组分解图像，提取子图特征信息，并联合训练所得特征构建分类器用以决策待检测窗口是否为瑕疵区域。3Gabor滤波器组构建Gabor滤波器由于其方向以及尺度的灵活性适用于纹理布匹瑕疵检测，Mak[9]、Kumar[10]和邹超[11]等通过构建多方向多尺度Gabor滤波器组产生多幅Gabor子图并通过图像融合后用阈值分割出瑕疵区域，但计算多方向多尺度Gabor子图耗时较长且在检测过程中容易出现误检，这就要求找到既可以有效凸显纹理信息又可以减少子图数目的实用Gabor滤波器组。针对经编机布匹纹理性强的特点，寻找到可以匹配布匹正常纹理的实用Gabor滤波器组，正常纹理就能通过滤波器输出数值较大且稳定的能量，而缺陷区域则只有很小的频谱能量输出，然后对响应结果提取纹理局部描述特征，即可实现缺陷区域的自动分割和定位。二维Gabor函数空间表达的一般形式如下式：hpq(x,y)=hpq(x′,y′)=12πσxσyexp(-12[(x′σx)2+(y′σy)2])exp(2πiFx′)（1）其中p=12S，x′=xcosθq+ysinθq，y′=-xsinθq+ycosθq，下标pq分别为尺度变换和角度旋转。F表示Gabor函数的中心频率，σxσy分别表示x轴和y轴的尺度因子，i表示复数虚数单位。如图2所示，当Gabor滤波器大小为纹理基元周期时，卷积后在纹理方向和在纹理方向垂直方向能够集中能量信息，凸显纹理。3.1纹理方向自动求取通过傅里叶变换，可以获得图像信号的频域分布情获取标准无瑕疵布匹图像获取多幅瑕疵布匹图像获取训练数据获取待检测布匹图像预处理Gabor两方向分解提取两子图灰度共生矩阵统计特征求取导数中心归零归一化阈值分割瑕疵显示瑕疵区域并停机检测过程训练过程保存Gabor滤波器组，Mean，F_NG_MAX求取F_NG_MAX求取导数中心归零特征F_NG提取两子图灰度共生矩阵统计特征Gabor两方向分解预处理预处理纹理主方向自动找寻纹理基元周期自动找寻构建特定Gabor滤波器Gabor两方向分解提取两子图灰度共生矩阵统计特征求取均值Mean图1系统算法流程图1862015，51（9）况。在频域中高频部分对应着空间域上变化剧烈的信号，而低频部分对应着空间域上变化缓慢的信号，所以纹理主方向应对应于周期图像傅里叶频谱中能量集中的峰值处，依此设计获取图像纹理主方向的步骤如下：（1）对图像进行傅里叶变换，得到其傅里叶频谱。令f(xy)表示一幅大小为M´N的图像，其中x=01M-1;y=01N-1。f(xy)的二维离散傅里叶变换表示为F(uv)，如式（2）所示：F(uv)=åx=0M-1åy=0N-1f(xy)e-2πi(ux/M+vy/N)（2）式中，u=01M-1;v=01N-1。傅里叶变换后频谱如图3所示。（2）为了便于统计，将傅里叶变换的频谱F(uv)转化到极坐标下，此时频谱可用函数S(rθ)表示，其中ìíîr=u2+v2θ=arctan(v/u)。对每个确定的方向θ，S(rθ)是一个1-D函数Sθ(r)；对每个确定的频率r，S(rθ)是一个1-D函数Sr(θ)。因此对于给定的r，分析Sr(θ)可以得到频谱在以原点为中心的圆上的行为特征。将此函数对下标求和，即可得到全局性的描述：S(θ)=år-1RSr(θ)（3）（3）求取各θ角方向处的能量和，可得纹理主方向。能量有限信号的能谱为ε(w)=|F(w)|2，因此各θ角方向处能量和为：ε(θ)=år-1RS2r(θ)，ε(θ)为对整个图像或区域的纹理频谱能量描述。如果纹理具有空间周期性或具有确定的方向性，则能量在对应的频率处会有峰值出现，图