金守峰，林強強，唐 凡，高 磊

(西安工程大學 機電工程學院，陜西 西安 710048)

隨著人們物質生活質量的提高，對織物的時尚性、舒適性等性能要求也在不斷提升。為了增加織物的外觀時尚性、手感及保暖性，在織物表面進行起毛整理，使織物表面獲得一定厚度，且分布一致的絨毛，該絨毛的狀態(tài)影響著起毛后織物表面的性能和質量[1-2]。由于織物起毛后其表面絨毛的長度和形態(tài)較為復雜，現(xiàn)階段對織物起毛的絨毛質量的檢測方法主要以有經(jīng)驗的工藝人員通過視覺和觸覺的主觀判斷為主，檢測人員的主觀經(jīng)驗起主導作用，無法量化絨毛質量參數(shù)，檢測的精度和效率較低。

機器視覺技術在紡織品表面檢測中已廣泛應用，在織物表面疵點檢測中，MAK等[3]利用可匹配多層次的Gabor函數(shù)濾波器檢測織物瑕疵；JING等[4]利用Mean Shift濾波算法、小波變換和神經(jīng)網(wǎng)絡融合算法有效的提取了織物疵點的細節(jié)特征；李春雷等[5]利用方向梯度直方圖和低秩分解算法實現(xiàn)了織物疵點的快速分離，有效提取織物疵點特征；楊曼等[6]利用二維Otsu算法在效保留織物圖像的邊緣信息的同時快速檢測出織物疵點；何峰等[7]提出窗口跳步形態(tài)學法紋理織物疵點檢測算法，該方法檢測速度超過80 m/min，疵點檢測精度為0.1 mm；KIM等[8]利用織物紋理的周期性，采用傅里葉變換將織物圖像變換至頻域，在頻域內完成了織物表面起球的有效分割；汪亞明等[9]應用小波變換及Gabor濾波實現(xiàn)了織物毛球的分割；周圓圓等[10]在頻域中完成織物圖像分割的基礎上，建立織物起毛起球等級評價指標；楊松林等[11]將織物表面彎折一定角度，采用0.7～4.5倍的放大鏡頭獲取織物表面絨毛的微觀截面圖像，建立了絨毛率檢測的數(shù)學模型，實現(xiàn)了織物表面采樣長度400 mm內的表面絨毛率的測量，該方法由于采樣長度較小，不能真實反映整幅織物表面的絨毛狀態(tài)。

為了提高織物在起毛工藝后的絨毛質量檢測效率、量化絨毛質量參數(shù)，本文提出了面向紡織智能檢測的織物起毛后表面絨毛質量參數(shù)的視覺檢測方法。該方法通過視覺系統(tǒng)獲取織物表面絨毛的切向圖像，提取絨毛與底布的亞像素邊界，以最小二乘法擬合基準線，在此基礎上構建絨毛厚度、間距的數(shù)學模型，實現(xiàn)絨毛質量的量化及高效率檢測。

1 光切成像原理與自適應圖像分割

1.1 光切成像原理

通過起毛工藝在織物表面形成具有一定厚度的致密絨毛，為了獲取織物表面絨毛厚度與分布狀態(tài)信息，本文采用光切成像原理，如圖1所示。

圖1 光切成像原理

相機與條形光源分別置于被測織物的兩側，條形光源置于輥子的正下方，使光線與輥子軸向輪廓邊緣相切，采用背景光成像可以避免受織物表面紋理及顏色特征的干擾，突出被測織物表面的絨毛邊緣輪廓?？椢锇苍谳佔颖砻妫S輥子勻速轉動，當旋轉至拍攝位置時，織物表面的絨毛在輥子的張力作用下絨毛厚度及分布狀態(tài)最為明顯，此時相機所獲取到織物圖像如圖2所示。

圖2 絨毛織物切向圖像

1.2 自適應圖像分割

將圖像進行分割，將絨毛區(qū)域的特征提取出來，同時將背景區(qū)域和底布分開。由圖3所示的灰度直方圖分布特征，利用最大類間方差法對圖像進行自適應分割來提取絨毛區(qū)域特征，如圖4所示。

圖3 灰度直方圖

圖4 絨毛區(qū)域

2 基于絨毛與底布邊緣的基準線擬合

2.1 絨毛與底布邊緣的亞像素定位

絨毛與底布邊緣是絨毛區(qū)域的開始，以此作為絨毛厚度評定的基準。在經(jīng)典的Canny算子進行邊緣像素級檢測的基礎上，利用改進的Zernike矩對邊緣進行亞像素的精確定位。

絨毛圖像構造的邊緣模型如圖5所示。其中：圓心位置O為絨毛圖像中的某個像素點，h為絨毛圖像的背景灰度，k為階躍灰度，則斜線部分的灰度值為h+k，在邊緣垂直線與x軸的夾角為?時，圓心到邊緣的垂直距離為l。設絨毛與底布邊緣為f(x,y)將該圓分割成2個部分，則邊緣f(x,y)的n階m次Zernike矩定義為[12-13]：

(1)

圖5 構造的邊緣模型

將圖像順時針旋轉角度φ(圖5(b))，使φ=0，則邊緣f(x,y)與y軸平行，旋轉后的邊緣為f′(x,y)，則有：

?x2+y2≤1f′(x,y)ydxdy=0

(2)

(3)

圖像旋轉角度為：

φ=arctan(ImA11/ReA11)

(4)

由于Zernike矩具有旋轉前后相角改變，幅值不變的特性。由此可推導出A00、A11、A20所對應的積分核函數(shù)為：

V00=1

V11=x+jy

V20=2x2+2y2-1

旋轉后圖像的Zernike矩為：

(5)

(6)

(7)

由(5)、(6)、(7)式聯(lián)立可求解其參數(shù)為：

在絨毛與底布邊緣檢測中采用N×N的模板，其中N為模板大小/(pixel)；對放大效應進行修正，利用Zernike矩進行亞像素邊緣檢測的計算公式為：

(8)

式中：xi，yi為亞像素坐標值；x，y為原點坐標值；l為垂直距離。

由式(8)推導出的理想階躍模型邊緣如圖6(a)所示，但由于獲取的絨毛與底布邊緣存在如圖6(b)所示的過渡區(qū)域。

圖6 亞像素邊緣模型

在傳統(tǒng)的Zernike算法中，由于階躍灰度k的范圍較大，閾值T制約著絨毛與底布邊緣的判斷結果以及算法的精度。本文根據(jù)絨毛與底布邊緣的過渡區(qū)域的灰度值與階躍灰度值在同一像素點具有變化趨勢相同的特點，基于階躍灰度的最大類間方差法到最優(yōu)的閾值T。通過改進的Zernike算法得到如圖7中藍色線所示的絨毛與底布的亞像素邊緣。

圖7 絨毛與底布的亞像素邊緣

2.2 基準線擬合

將絨毛與底布的邊緣進行最小二乘法擬合后，將其作為評定絨毛厚度的基準線。設圖像坐標系為x-o-y，絨毛與底布邊的亞像素邊緣為f(x)，最小二乘擬合基準線的回歸方程為

y=ax+b

(9)

回歸系數(shù)分別為：

(10)

(11)

式中：m為采樣點數(shù);xi為采樣點x軸坐標;yi為采樣點y軸坐標。

3 絨毛質量參數(shù)評定模型

為了對起毛工藝后的絨毛表面狀態(tài)進行量化評定，本文建立了厚度參數(shù)模型和間距參數(shù)模型，綜合評定絨毛質量。

3.1 厚度參數(shù)

對于起毛厚度的量化評定，建立了厚度參數(shù)(Ra)，在采樣幅寬范圍內，絨毛邊緣各點距離基準線距離的算數(shù)平均值，設絨毛邊緣為g(x)，則厚度參數(shù)可表示為

(12)

式中：K為物面分辨率；n為幅寬內邊緣點個數(shù)。

對圖7所示的絨毛區(qū)域進行Y軸方向的投影計算，得到厚度變化曲線如圖8所示，其均值為Ra。Ra越大，則絨毛越高、越厚，客觀地反映絨毛在厚度上的幾何狀態(tài)。

圖8 絨毛厚度變化曲線

3.2 間距參數(shù)

對于起毛后絨毛在織物表面的分布稀疏程度，本文在厚度參數(shù)評定基礎上，通過厚度變化曲線建立間距參數(shù)來評定。間距參數(shù)是以厚度均值作為基準線，厚度曲線被基準線所截取的線段綜合與幅寬的比值作為間距評定參數(shù)，可以表示為:

(13)

式中：m為輪廓單元的個數(shù);其能Xs為輪廓單元。

Rsm越大，則絨毛越致密，客觀地反映絨毛在間距上的特性。

4 試驗與數(shù)據(jù)分析

4.1 試驗平臺

由圖1的成像原理構建了如圖9所示的織物起毛后表面質量的視覺檢測試驗平臺，起毛后的織物放置在傳送帶上，由控制裝置調節(jié)其運行速度，調速范圍為0～50 m/min。視覺采集系統(tǒng)采用AVT GE1050工業(yè)相機，分辨率為1 024 pixel×1 024 pixel，幀率為59 fps。鏡頭選用Computar鏡頭，焦距為8 mm。光源為條形LED光源，光線經(jīng)磨砂玻璃形成散射，保證亮度和照射方向的均勻性。相機安裝在距離織物表面300 mm的位置，相機光軸與傳送帶的中線垂直，采集絨毛織物的幅寬范圍為500～800 mm。

圖9 視覺檢測試驗平臺

4.2 視覺系統(tǒng)的標定

相機將視覺坐標系中的絨毛表面映射到圖像坐標系的像素點，二者的位置之間存在確定的對應關系，要得到織物表面絨毛的信息必須確定每個像素所代表的真實物理尺寸，即物面分辨率。實驗中以標準量塊作為標定物，將標準量塊置于傳送帶上，調節(jié)相同的照明條件與物距，經(jīng)多次測量得到的物面分辨率K=0.358 mm/pixel。

4.3 試驗結果與分析

為了驗證本文方法的精度和穩(wěn)定性，對4種絨毛織物在運行速度為20 m/min，采樣幅寬700 mm的試驗條件下進行多次測量，起毛織物試樣見圖10?？梢钥闯?，圖10(a)為頭道起毛工藝后的織物，織物表面生成的絨毛厚度不致密，且分布不均；圖10(b)、(c)、(d)為不同顏色織物的末道起毛工藝后的表面狀態(tài)，絨毛致密且分布均勻。

對圖10的4種不同顏色、不同起毛工藝的織物表面絨毛狀態(tài)采用本文方法及人工方法進行評定結果如表1所示。由表1可知，根據(jù)本文方法得到評定參數(shù)對織物表面絨毛質量的評定結果與人工評定的結果保持一致，且給出了織物絨毛的客觀評定參數(shù)，將其作為質量評定的依據(jù)。本文方法對織物的顏色不敏感，具有較好的評定效果，可實現(xiàn)代替人工來進行織物起毛后表面質量的評價。

5 結 論

①為了客觀評定起毛工藝后織物表面絨毛質量，提出了基于機器視覺的絨毛質量檢測方法，具有客觀、量化、快速、準確的特點，能夠在起毛工藝的終端及過程中對絨毛質量進行在線檢測。

②采用光切成像原理獲得了清晰的絨毛輪廓圖像，以最大類間方差法有效地分割出絨毛區(qū)域。在分析Zernike矩算法的基礎上結合絨毛與底布邊緣的特征，提出了改進的Zernike矩算法提高了絨毛與底布邊緣的亞像素定位精度，并通過最小二乘法擬合出基準線。

③建立了評定絨毛質量的厚度參數(shù)模型和間距參數(shù)模型，采用標準量塊對試驗平臺的視覺系統(tǒng)進行標定，對4種不同織物進行絨毛厚度和覆蓋率的測量，并與人工評價結果進行對比，結果表明：所研究方法實現(xiàn)織物起毛后表面絨毛質量的參數(shù)量化，且對織物顏色不敏感，評價結果與人工評價相一致。