董康樂，陳 姍，高 鑫，張 康，韋 星

(1.西安工程大學，西安 710048;2.陜西長嶺紡織機電科技有限公司，陜西 寶雞 721013)

1 研究背景

疵點檢測對織物質(zhì)量控制至關(guān)重要，生產(chǎn)中可通過修復(fù)或消除織物疵點來提升質(zhì)量和使用價值，有報道稱織物疵點會使其價格減少45%～65%[1]。傳統(tǒng)人工檢測織物疵點效率低、漏/誤檢率高，織物質(zhì)量和企業(yè)利潤難以保證。統(tǒng)計發(fā)現(xiàn)，當一個熟練驗布師的驗布速度為15 m/min～20 m/min、檢測織物幅寬為0.8 m～1.0 m時，其僅可識別出約70%的瑕疵[2-3]。

隨著自動化技術(shù)進步、用工成本的不斷上升，紡織廠對自動驗布機的需求強勁。當前，自動驗布機以以色列EVS公司的IQ-TEX系統(tǒng)最為先進[4],但其價格昂貴，國內(nèi)市場銷售較少；在國內(nèi)，已有企業(yè)開始研發(fā)自動驗布機，但未有成熟產(chǎn)品進入市場。

一種基于機器視覺的FS220型光電自動驗布機及其織物疵點檢測系統(tǒng)的研究對紡織業(yè)的快速發(fā)展具有深遠意義和價值。為此，筆者對該機的工作原理及2類主要織物疵點的識別方法進行了研究。

2 FS220型光電自動驗布機的工作原理

FS220型光電自動驗布機采用機器視覺系統(tǒng)和圖像處理技術(shù)，實現(xiàn)織物疵點的自動檢測與識別。該驗布機主要由布面牽引系統(tǒng)、視覺系統(tǒng)、圖像處理系統(tǒng)、控制系統(tǒng)和標記系統(tǒng)組成，其關(guān)鍵系統(tǒng)是機器視覺系統(tǒng)和圖像處理系統(tǒng)。機器視覺系統(tǒng)主要包括高亮LED光源、高頻CCD相機、鏡頭和圖像采集卡。圖像處理系統(tǒng)采用多線程處理技術(shù)，對多組CCD相機采集的織物圖像進行并行圖像處理、分析和識別，檢測出的疵點即在人機界面顯示疵點信息、存儲、統(tǒng)計和評分，并通過控制系統(tǒng)在布面采用紙標簽或可消色墨水進行疵點布邊標記，方便修布工人對疵點進行修理，其工作原理如圖1所示。

1—織物；2—CCD相機；3—貼標式打標系統(tǒng)；4—上光源；5—控制系統(tǒng)；6—工控機(含圖像采集系統(tǒng))；7—下光源。圖1 FS220型光電自動驗布機原理框圖

3 織物疵點檢測算法

織物圖像處理分析軟件采用多CCD相機多線程技術(shù)，對采集到的織物圖像并行進行圖像處理、識別等，織物圖像識別系統(tǒng)的核心是疵點的檢測和識別。檢測過程包括織物圖像采集、圖像預(yù)處理、圖像分析和特征值提取。一般情況下，正?？椢锏募y理具有一致的周期性和統(tǒng)一的色彩分布，但當織物的紋理遭到破壞產(chǎn)生疵點時，這種周期性和統(tǒng)一性也就會被破壞；因此，織物疵點的檢測主要通過提取織物的紋理信息來判斷織物疵點是否存在。

我國紡織標準定義的織物疵點類型有55種，且疵點形狀差異較大，加之織物種類設(shè)計各異、類型多樣，都導(dǎo)致了織物疵點檢測的難度較大[5]。因此，在實際織物疵點的識別過程中，應(yīng)采用多種疵點檢測算法相混合的方式。目前，將織物疵點分為2大類并制定相應(yīng)的檢測方法。

3.1 特征明顯疵點的檢測

特征明顯疵點的檢測識別流程，包括圖像采集、圖像分割、構(gòu)造濾波器、圖像傅里葉變換、濾波器和傅里葉圖像進行卷積、圖像傅里葉反變換、圖像二值化、形態(tài)學處理、特征提取、疵點識別。圖像識別的流程如圖2所示。

圖2 圖像識別流程

其具體步驟如下：

a) 圖像采集：每個CCD相機采集到的每幀圖像尺寸為4096 px×512 px；

b) 圖像分割：為了便于處理，將采集的圖像分割為256 px×256 px的小圖像；

c) 構(gòu)造濾波器：分別構(gòu)造標準差為10和3的高斯濾波器，并對2個高斯濾波器相減作為最終的濾波器；

d) 圖像傅里葉變換[6]：使圖像從空間域轉(zhuǎn)換為頻域；

e) 卷積操作：采用構(gòu)造濾波器與圖像傅里葉變換進行卷積操作；

f) 圖像傅里葉反變換[6]：使圖像從頻域轉(zhuǎn)換到空間域，進行圖像的平滑處理，降低噪聲干擾，突出疵點特征；

g) 圖像二值化：根據(jù)布面各類疵點圖像的直方圖，設(shè)計合適的閾值，對疵點圖像進行二值化處理；

h) 形態(tài)學處理：通過開運算、閉運算等加強疵點的輪廓特征；

i) 特征提取與疵點識別：提取圖像形態(tài)學處理后的面積、周長、長度、寬度和角度等輪廓特征，針對各類疵點的不同特征實現(xiàn)疵點的識別與分類。

該流程適用于常見的、特征比較明顯的疵點檢測，如棉球、油污、竹節(jié)、雜物、雙緯、破洞、結(jié)頭、麻絲、拖紗等。圖3展示的是部分疵點相應(yīng)的檢測結(jié)果，而圖4則展示了圖3中c)雜物疵點的檢測過程。

a) 竹節(jié) b) 油污 c) 雜物

d) 棉球 e) 雙緯 f) 拖紗

a) 構(gòu)造濾波器 b) 傅里葉變換 c) 卷積計算

d) 傅里葉反變換 e) 圖像二值化 f) 檢測結(jié)果

3.2 特征不明顯疵點的檢測

在紡織廠實際測試過程中，發(fā)現(xiàn)傅里葉變換與高斯濾波相結(jié)合的檢測算法并不能適用于特征不明顯的稀路、密路、條影、筘路等疵點的檢測。觀察圖5所示的稀密路疵點可看出，織物的稀密路是一種視野相對較大的疵點分布，必須從一幀圖像的整體來觀察，布面上僅是較窄的一片區(qū)域內(nèi)出現(xiàn)暗條陰影，其灰度值對比正常圖像僅有1～3個數(shù)值差，采用圖2的疵點識別流程無法檢測出?？紤]到稀密路是分布較大的、區(qū)域性疵點，小范圍的分析對稀密路的提取比較困難，故須直接檢測4096 px×512 px大小的圖像。加之，稀密路與背景紋理無明顯區(qū)分，必須先加強稀密路的特征，突出疵點與背景的差異性，再通過Sobel算子和Laplace算子加強稀密路特征后進行檢測識別，結(jié)果如圖6所示。

a)

b)

a)

b)

該檢測使用的算子如下：

cvSobel(SrcImg,SobelImg,0,1,3) ；

cvLaplace(SobelImg,LaplaceImg,3)。

根據(jù)灰度直方圖統(tǒng)計規(guī)律發(fā)現(xiàn)，若圖中存在稀密路疵點，則稀密路的位置必然在灰度統(tǒng)計值最小行附近。所以，通過統(tǒng)計圖6中灰度最小的一行，并通過一定的閾值限定便可準確識別出稀密路疵點。

FS220型光電自動驗布機基于以上2大類疵點的檢測方法，采用多算法混合的方式進行織物疵點檢測，有效地提高了疵點的正檢率，減少了疵點的誤判率。

4 試用結(jié)果分析與經(jīng)濟效益

4.1 試用結(jié)果分析

為了驗證FS220型光電自動驗布機的有效性，使用該自動驗布機在國內(nèi)某紡織企業(yè)對織物進行檢測。在運行速度為30 m/min和60 m/min的情況下，自動驗布機對大量織物(主要是純棉和滌棉)進行疵點檢測。通過上位機界面疵點圖像顯示，觀察分析各項指標(運行時間、疵點個數(shù)、幅寬、長度等)、疵點種類和個數(shù)的統(tǒng)計、布面打標，并對比人工驗布結(jié)果，對該驗布機的正檢率、誤判率和機臺穩(wěn)定性等指標進行綜合分析。不同種類的織物疵點正檢率見表1。

表1 不同種類的織物疵點正檢率 單位：%

由表1測試結(jié)果可知，F(xiàn)S220型自動驗布機的雜物識別率為100%，棉結(jié)、斷經(jīng)、雙緯、斷疵的檢出率達到90%以上，竹節(jié)、三絲、拖紗的檢出率達到80%以上，稀路的檢出率達到65%，且檢出率基本不受車速影響。

4.2 經(jīng)濟效益

調(diào)研陜西紡織企業(yè)實際使用情況發(fā)現(xiàn)，一般織造車間的落布長度為109.7 m/卷，一個熟練驗布工的驗布速度為10 m/min～15 m/min，單臺人工驗布機的驗布任務(wù)為56卷/d～60卷/d(2人/班)，即單人的驗布任務(wù)為28卷/d～30卷/d。

當自動驗布機的車速為60 m/min時，其驗布速度為4 min/卷，可驗布360卷/d，相當于26名驗布工每天的工作量。按月工資為2000元/人計，自動驗布機每月可省人工費用為48萬元。

綜上所述，使用FS220型光電自動驗布機進行織物疵點檢測的一致性好、效率高，又可替代大量的人力，對提高紡織企業(yè)織物質(zhì)量水平、增進企業(yè)經(jīng)濟效益、提升企業(yè)競爭力有不小的作用。

5 結(jié)語

FS220型光電自動驗布機采用傅里葉變換與高斯濾波相結(jié)合、Sobel算子與Laplace算子相結(jié)合的疵點檢測算法，代替單一疵點識別算法,有效地提高了疵點識別和分類的準確率，減少了因單一檢測算法引起的漏檢和誤檢率，提升了自動驗布與紡織廠整理車間工藝流程的對接，為光電自動驗布機完全代替人工驗布提供了更高的可能性。使用該光電自動驗布機可有效緩解紡織企業(yè)招工難、人力管理成本大的問題，對紡織企業(yè)織物疵點檢測的數(shù)字化、智能化發(fā)展和進一步提升紡織企業(yè)的織物質(zhì)量水平有重要的意義。