|
本文為解決玻璃纖維管紗（奶瓶紗）人工檢測(cè)質(zhì)量不穩(wěn)定的問題，提出了一種基于最大穩(wěn)定極值區(qū)域（MSER）和支持向量機(jī)（SVM）的玻璃纖維管紗毛羽檢測(cè)方法。
解決方案
利用機(jī)器視覺技術(shù)對(duì)管紗毛羽疵點(diǎn)進(jìn)行實(shí)時(shí)檢測(cè),通過多路相機(jī)采集管紗毛羽原始圖像，根據(jù)其形態(tài)特征以及灰度對(duì)比信息，提出基于最大穩(wěn)定極值區(qū)域（MSER）的管紗毛羽分割方法，然后運(yùn)用局部二值模式（LBP）算法獲得管紗毛羽的輪廓點(diǎn)特征信息，最后利用支持向量機(jī)（SVM）對(duì)毛羽進(jìn)行疵點(diǎn)分類。
檢測(cè)流程
1、實(shí)時(shí)采集管紗斜面毛羽與垂直面毛羽圖像；
2、運(yùn)用MSER算法分割疵點(diǎn)區(qū)域，根據(jù)檢測(cè)區(qū)域點(diǎn)生成MSERs結(jié)果，提取管紗毛羽；
3、在空間上利用檢測(cè)窗口將MSER檢測(cè)結(jié)果圖劃分成多個(gè)小區(qū)域圖像塊，計(jì)算每個(gè)圖像塊內(nèi)像素的LBP值，得到每個(gè)圖像塊的LBP直方圖。將所有圖像塊的LBP統(tǒng)計(jì)直方圖連接成為一個(gè)特征向量；
4、將LBP提取的特征向量輸入到SVM中，進(jìn)行分類器訓(xùn)練，利用訓(xùn)練好的分類器進(jìn)行毛羽分類。
管紗毛羽區(qū)域分割
原始管紗圖像存在少量噪聲和深淺不一的管紗紋理，毛羽疵點(diǎn)區(qū)域與背景對(duì)比不明顯，因此準(zhǔn)確定位分割疵點(diǎn)有很大難度。
采用MSER算法對(duì)管紗不同類型毛羽的分割結(jié)果，分割后的毛羽形態(tài)完整。端毛羽形態(tài)一般表現(xiàn)為近直線且毛羽細(xì)長，采用MSER算法可增強(qiáng)端毛羽在原始圖像中的顯著性。進(jìn)而在濾除管紗表面紋理和噪聲的情況下，使端毛羽表現(xiàn)的更為突出。
毛圈作為另一種毛羽疵點(diǎn)，一般表現(xiàn)為半圓弧形，不論弧形的長短大小還是亮度不同的同一毛圈，都能夠精準(zhǔn)分割出毛圈。
毛夾作為不規(guī)則形態(tài)的毛羽疵點(diǎn)，是毛圈與端毛羽交織聚集而成。MSER算法在保證能夠提取出聚集分布的端毛羽和毛圈區(qū)域的同時(shí)，又能提取出離散分布的小段端毛羽和毛圈，不會(huì)丟失細(xì)節(jié)信息。
管紗毛羽特征提取
選取900張?zhí)幚砗蟮膱D像作為訓(xùn)練樣本，使用LBP算法對(duì)試驗(yàn)樣本圖像提取特征，將特征向量送入SVM 進(jìn)行分類訓(xùn)練。訓(xùn)練完成后，對(duì)管紗毛羽圖像進(jìn)行分類測(cè)試。
管紗毛羽不僅影響機(jī)織、針織后加工的效率和質(zhì)量，且直接影響最終產(chǎn)品的外觀和價(jià)格，基于LBP-SVM算法檢測(cè)管紗表面整體的疵點(diǎn)，能夠有效地對(duì)管紗毛羽疵點(diǎn)進(jìn)行檢測(cè)，準(zhǔn)確率高。目前，端毛羽、毛圈、毛夾的分類準(zhǔn)確率分別為94.7%、97.7%、98.6%。
|
