機器視覺(jué)識別在紡織工業(yè)的應用實(shí)現方法

在布匹的生產(chǎn)過(guò)程中，像布匹質(zhì)量檢測這種有高度重復性和智能性的工作只能靠人工檢測來(lái)完成，在現代化流水線(xiàn)后面常?？煽吹胶芏嗟臋z測工人來(lái)執行這道工序，給企業(yè)增加巨大的人工成本和管理成本的同時(shí)，卻仍然不能保證100 %的檢驗合格率（即“零缺陷”）。對布匹質(zhì)量的檢測是重復性勞動(dòng)，容易出錯且效率低。

　　流水線(xiàn)進(jìn)行自動(dòng)化的改造，使布匹生產(chǎn)流水線(xiàn)變成快速、實(shí)時(shí)、準確、高效的流水線(xiàn)。在流水線(xiàn)上，所有布匹的顏色、及數量都要進(jìn)行自動(dòng)確認（以下簡(jiǎn)稱(chēng)“布匹檢測”）?，F在采用機器視覺(jué)的自動(dòng)識別技術(shù)完成以前由人工來(lái)完成的工作。在大批量的布匹檢測中，用人工檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺(jué)檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。

　　特征提取辨識

　　一般布匹檢測（自動(dòng)識別）先利用高清晰度、高速攝像鏡頭拍攝標準圖像，在此基礎上設定一定標準；然后拍攝被檢測的圖像，再將兩者進(jìn)行對比。但是在布匹質(zhì)量檢測工程中要復雜一些：

　　1． 圖像的內容不是單一的圖像，每塊被測區域存在的雜質(zhì)的數量、大小、顏色、位置不一定一致。

　　2． 雜質(zhì)的形狀難以事先確定。

　　3． 由于布匹快速運動(dòng)對光線(xiàn)產(chǎn)生反射，圖像中可能會(huì )存在大量的噪聲。

　　4． 在流水線(xiàn)上，對布匹進(jìn)行檢測，有實(shí)時(shí)性的要求。

　　由于上述原因，圖像識別處理時(shí)應采取相應的算法，提取雜質(zhì)的特征，進(jìn)行模式識別，實(shí)現智能分析。

　　Color檢測

　　一般而言，從彩色CCD相機中獲取的圖像都是RGB圖像。也就是說(shuō)每一個(gè)像素都由紅（R）綠（G）籃（B）三個(gè)成分組成，來(lái)表示RGB色彩空間中的一個(gè)點(diǎn)。問(wèn)題在于這些色差不同于人眼的感覺(jué)。即使很小的噪聲也會(huì )改變顏色空間中的位置。所以無(wú)論我們人眼感覺(jué)有多么的近似，在顏色空間中也不盡相同?；谏鲜鲈?，我們需要將RGB像素轉換成為另一種顏色空間CIELAB。目的就是使我們人眼的感覺(jué)盡可能的與顏色空間中的色差相近。

　　Blob檢測

　　根據上面得到的處理圖像，根據需求，在純色背景下檢測雜質(zhì)色斑，并且要計算出色斑的面積，以確定是否在檢測范圍之內。因此圖像處理軟件要具有分離目標，檢測目標，并且計算出其面積的功能。

　　Blob分析（Blob Analysis）是對圖像中相同像素的連通域進(jìn)行分析，該連通域稱(chēng)為Blob。經(jīng)二值化（Binary Thresholding）處理后的圖像中色斑可認為是blob。Blob分析工具可以從背景中分離出目標，并可計算出目標的數量、位置、形狀、方向和大小，還可以提供相關(guān)斑點(diǎn)間的拓撲結構。在處理過(guò)程中不是采用單個(gè)的像素逐一分析，而是對圖形的行進(jìn)行操作。圖像的每一行都用游程長(cháng)度編碼（RLE）來(lái)表示相鄰的目標范圍。這種算法與基于象素的算法相比，大大提高處理速度。

　　結果處理和控制

　　應用程序把返回的結果存入數據庫或用戶(hù)指定的位置，并根據結果控制機械部分做相應的運動(dòng)。

　　根據識別的結果，存入數據庫進(jìn)行信息管理。以后可以隨時(shí)對信息進(jìn)行檢索查詢(xún)，管理者可以獲知某段時(shí)間內流水線(xiàn)的忙閑，為下一步的工作作出安排；可以獲知近期內布匹的質(zhì)量情況等等。