陳楠

（陜西財(cái)經(jīng)職業(yè)技術(shù)學(xué)院，陜西 咸陽 712099）

0 引言

天然皮革作為一種重要的材料，廣泛應(yīng)用于服裝、鞋類、家具等領(lǐng)域。然而，在天然皮革生產(chǎn)加工過程之中，由于動(dòng)物自身的生理因素或外界環(huán)境的影響，導(dǎo)致其皮革表面或內(nèi)部往往會(huì)造成一定缺陷瑕疵，具體表現(xiàn)為皮面破損、色差、斑紋、劃痕、褶皺、壓印等[1]。

當(dāng)前，許多中小型皮革加工廠多采取傳統(tǒng)的皮革瑕疵檢驗(yàn)方法，例如人工檢驗(yàn)、光學(xué)檢驗(yàn)等[2]，主要針對(duì)天然皮革表面缺陷瑕疵進(jìn)行篩選，往往耗費(fèi)大量的時(shí)間和人力資源，特別是對(duì)于大規(guī)模的皮革加工生產(chǎn)線來說，效率低下且成本高昂，往往需要大量的人力投入，增加了生產(chǎn)成本，同時(shí)也限制了生產(chǎn)線的自動(dòng)化和智能化程度。在皮革行業(yè)數(shù)字化、智能化轉(zhuǎn)型發(fā)展的背景下，開發(fā)一款智能型皮革瑕疵檢驗(yàn)系統(tǒng)有其必要性。

筆者采用計(jì)算機(jī)視覺技術(shù)并引入深度學(xué)習(xí)算法來構(gòu)建一種智能型皮革表面瑕疵檢驗(yàn)系統(tǒng)，希望以此提高皮革表面瑕疵檢驗(yàn)的準(zhǔn)確性，提升檢驗(yàn)效率，進(jìn)一步滿足皮革加工現(xiàn)代化生產(chǎn)的實(shí)際需求。

1 智能型皮革瑕疵檢驗(yàn)系統(tǒng)構(gòu)建

1.1 系統(tǒng)框架設(shè)計(jì)

智能型皮革瑕疵檢驗(yàn)系統(tǒng)基于計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)，系統(tǒng)框架如圖1所示，具體模塊包含移動(dòng)工作平臺(tái)（即由傳動(dòng)機(jī)構(gòu)、運(yùn)動(dòng)控制卡、電動(dòng)驅(qū)動(dòng)、展平裝置等組成）、CD視覺圖像智能采集模塊（即由光源、線陣相機(jī)、電子鏡頭等組成）、皮革瑕疵檢驗(yàn)識(shí)別軟件模塊（即由深度學(xué)習(xí)算法計(jì)算模型、相機(jī)控制、目標(biāo)檢測(cè)控制等組成）。

圖1 智能型皮革瑕疵檢驗(yàn)系統(tǒng)Fig.1 Intelligent leather defect inspection system

1.2 硬件組成

智能型皮革瑕疵檢驗(yàn)系統(tǒng)的硬件部分主要為移動(dòng)工作平臺(tái)模塊與CD視覺圖像智能采集模塊組成。在傳統(tǒng)型皮革瑕疵檢驗(yàn)系統(tǒng)的基礎(chǔ)之上，通過增加展平裝置來解決天然皮革檢驗(yàn)前存在的各類凹凸、彎曲、折角等問題[3]，具體工作流程如圖2所示，由一組平整的輥筒組成，根據(jù)天然皮革材料的尺寸和形狀進(jìn)行調(diào)整，用于將皮革材料展平并保持平整狀態(tài)，確保皮革在圖像采集檢驗(yàn)過程中的平整性，以便在圖像采集中避免死角。在具體的實(shí)驗(yàn)中可采用PLC（可編程邏輯控制器）根據(jù)不同皮革加工需要進(jìn)行編程和展平參數(shù)設(shè)置。

圖2 皮革展平過程Fig.2 Leather flattening process

在系統(tǒng)硬件組成中，CD視覺圖像智能采集通過計(jì)算機(jī)集成逐行掃描的方式來采集天然皮革圖像，其掃描過程具體如圖3所示，在天然皮革瑕疵檢驗(yàn)過程中，相機(jī)會(huì)被放置在天然皮革材料的一側(cè)，掃描內(nèi)容為天然皮革表面的x0y面，若線光源中射光強(qiáng)度為e，則天然皮革表面受到線光源后所形成的散射系數(shù)為μ，即在（x，y）點(diǎn)中的反射光強(qiáng)度m可表示為：

圖3 計(jì)算機(jī)CD掃描過程Fig.3 Computer CD scanning process

其中，A表示線陣相機(jī)光強(qiáng)度探測(cè)中的性能指標(biāo)量，可看作近似性常量，將采集到的數(shù)字信號(hào)傳輸?shù)胶蠖颂幚硐到y(tǒng)進(jìn)行圖像處理和目標(biāo)瑕疵（如面積、位置、長度等）機(jī)械能檢測(cè)，當(dāng)天然皮革表面存在一定的瑕疵缺陷，則瑕疵缺陷處所形成的射光強(qiáng)度、光吸收系數(shù)會(huì)產(chǎn)生明顯的差異，缺陷處的反射光強(qiáng)度可表示為：

智能型皮革瑕疵檢驗(yàn)系統(tǒng)采用線陣相機(jī)的優(yōu)勢(shì)在于其高速、高分辨率和高靈敏度[4]。由于為計(jì)算機(jī)逐行掃描方式，線陣相機(jī)可在很短的時(shí)間內(nèi)獲取高質(zhì)量的視覺圖像，對(duì)射光強(qiáng)度、散射度處理具有較好的適應(yīng)性分辨能力，在對(duì)類似M、M'值進(jìn)行獲取后，通過深度學(xué)習(xí)模型的不斷迭代可形成自動(dòng)瑕疵相似識(shí)別庫，進(jìn)一步對(duì)適用于對(duì)不同皮革瑕疵進(jìn)行實(shí)時(shí)和準(zhǔn)確的自動(dòng)檢測(cè)，便于捕捉到微小的皮革瑕疵細(xì)節(jié)，提高天然皮革瑕疵檢測(cè)的準(zhǔn)確性和可靠性。

1.3 軟件組成

智能型皮革瑕疵檢驗(yàn)系統(tǒng)識(shí)別軟件基于計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)技術(shù)，通過前期的圖像數(shù)據(jù)采集進(jìn)行工作。其工作流程為：系統(tǒng)初始化→線陣相機(jī)功能觸發(fā)→瑕疵級(jí)別自動(dòng)判別→皮革瑕疵圖像預(yù)處理→深度學(xué)習(xí)算法模型→瑕疵缺陷特征判斷→瑕疵定位。

在識(shí)別過程中，線陣相機(jī)采集到的圖像通常需要進(jìn)行預(yù)處理，包括圖像去噪、圖像增強(qiáng)、圖像平滑等操作，以消除噪聲、增強(qiáng)圖像的對(duì)比度和清晰度。在預(yù)處理后，系統(tǒng)會(huì)從每個(gè)圖像中提取特征，特征可以是圖像的局部紋理、顏色直方圖、形狀特征等，進(jìn)而描述圖像中的瑕疵信息；在特征提取后，系統(tǒng)需要使用已標(biāo)記的訓(xùn)練數(shù)據(jù)對(duì)機(jī)器模型進(jìn)行訓(xùn)練[5]。訓(xùn)練數(shù)據(jù)包括一系列圖像和對(duì)應(yīng)的瑕疵標(biāo)注。訓(xùn)練過程中，系統(tǒng)會(huì)根據(jù)提取的特征和標(biāo)注信息學(xué)習(xí)皮革瑕疵的模式和規(guī)律。

軟件識(shí)別中的目標(biāo)檢測(cè)核心技術(shù)原理是基于深度學(xué)習(xí)算法模型，即通過采集一系列包含正常和瑕疵的皮革圖像，對(duì)這些圖像進(jìn)行初步標(biāo)注出瑕疵區(qū)域的位置和類別。基于深度學(xué)習(xí)算法的模型會(huì)自動(dòng)學(xué)習(xí)皮革瑕疵的特征逐步形成一種經(jīng)驗(yàn)式的識(shí)別模式，在訓(xùn)練完成后，對(duì)模型進(jìn)行評(píng)估和優(yōu)化。評(píng)估可使用各種指標(biāo)，例如準(zhǔn)確率、召回率、精確率等[6-7]。如果模型的性能不滿足要求，還可進(jìn)行識(shí)別參數(shù)調(diào)整、數(shù)據(jù)增強(qiáng)等優(yōu)化操作。智能皮革瑕疵檢驗(yàn)系統(tǒng)中的識(shí)別流程如圖4所示，即通過皮革瑕疵數(shù)據(jù)集來提取瑕疵特征，在創(chuàng)建ROIs（感興趣區(qū)域）后，選擇線陣相機(jī)中的每一組像素作為單獨(dú)一次進(jìn)行圖像紋理提取，采用深度學(xué)習(xí)中端到端的算法進(jìn)行精確篩選處理，再次篩查時(shí)可采取圖像組合形式進(jìn)行具體分類與位置回歸，在完成所有像素篩查后再次經(jīng)過合并后的圖像中，色彩、面積差異最大的區(qū)域即為皮革紋理瑕疵缺陷所在。

圖4 基于深度學(xué)習(xí)算法模型的識(shí)別流程Fig.4 Recognition process based on deep learning algorithm model

2 天然皮革瑕疵檢驗(yàn)效果對(duì)比測(cè)試

2.1 測(cè)試準(zhǔn)備

為了更好地對(duì)智能型皮革瑕疵檢驗(yàn)系統(tǒng)精度與效率進(jìn)行有效檢驗(yàn)，筆者在陜西某中型皮革制品加工廠現(xiàn)場(chǎng)進(jìn)行系統(tǒng)搭建，并與加工廠內(nèi)的傳統(tǒng)瑕疵檢驗(yàn)系統(tǒng)進(jìn)行天然皮革瑕疵識(shí)別對(duì)比測(cè)試，組別為智能型、傳統(tǒng)型兩組。

2.2 測(cè)試過程

二者在系統(tǒng)硬件上的區(qū)別主要在于傳統(tǒng)型瑕疵檢驗(yàn)系統(tǒng)缺乏皮革展平裝置，而本文所搭建的智能型皮革檢驗(yàn)系統(tǒng)具備展平裝置，有助于在最初皮革瑕疵檢驗(yàn)之前促使其表面更為緊繃和平整；二者軟件上的區(qū)別則在于傳統(tǒng)型檢驗(yàn)系統(tǒng)所搭載的算法主要為閾值分割法、紋理分析法及邊緣檢測(cè)法，智能型搭載計(jì)算機(jī)視覺技術(shù)及深度學(xué)習(xí)算法，對(duì)復(fù)雜瑕疵的適應(yīng)性差具有較好的識(shí)別能力[8]、在測(cè)試中，分別選用6張30 cm×48 cm的小牛皮革進(jìn)行瑕疵檢驗(yàn)，從痘疤、劃痕、裂面、破皮等缺陷因素中，分別統(tǒng)計(jì)兩組的檢驗(yàn)效果，兩組的精度檢驗(yàn)數(shù)據(jù)如表1所示，檢驗(yàn)效率如表2所示。

表1 兩組天然皮革瑕疵檢驗(yàn)效果對(duì)比Tab.1 Comparison ofdefect inspection results between two groups ofnaturalleather

表2 兩組天然皮革瑕疵檢驗(yàn)時(shí)速對(duì)比Tab.2 Comparison ofinspection speed for naturalleather defects between two groups

2.3 測(cè)試結(jié)論

從表1中可得出傳統(tǒng)樣型皮革瑕疵檢驗(yàn)的漏檢率依次分別為0、2.3、11.1、7.76%；多檢率依次為0、4.17、16.7、6.2%；智能型皮革瑕疵檢驗(yàn)的漏檢率依次為0、0、5.55、1.48%，多檢率依次為0、0、5.5、2.2%，僅在裂面、破皮缺陷檢驗(yàn)中存在微小的誤差，說明基于計(jì)算機(jī)視覺技術(shù)和深度學(xué)習(xí)算法的檢驗(yàn)系統(tǒng)能夠識(shí)別復(fù)雜的皮革瑕疵形狀、大小等變化，其檢驗(yàn)精度更為準(zhǔn)確；從表2二組的檢驗(yàn)時(shí)速來看，在6張小黃牛皮革傳統(tǒng)型檢驗(yàn)共用時(shí)197 s，平均時(shí)速32.83 s，智能型檢驗(yàn)共用時(shí)170 s，平均時(shí)速28.33 s，從檢驗(yàn)的時(shí)速來看，智能型皮革在線陣相機(jī)的助力下具有較高的檢驗(yàn)效率，通過使用目標(biāo)檢測(cè)的深度學(xué)習(xí)算法，識(shí)別軟件可自動(dòng)識(shí)別天然皮革圖像中的瑕疵目標(biāo)，進(jìn)而快速、準(zhǔn)確進(jìn)行皮革表面瑕疵檢測(cè)，提高生產(chǎn)效率和質(zhì)量皮革加工控制水平。

3 結(jié)語

本次開發(fā)的智能型皮革瑕疵檢驗(yàn)系統(tǒng)基于計(jì)算機(jī)視覺技術(shù)進(jìn)行實(shí)現(xiàn)，通過高速圖像采集和實(shí)時(shí)處理，可以準(zhǔn)確檢測(cè)和分類瑕疵，并快速地對(duì)大量的天然皮革進(jìn)行檢測(cè)，有效提高皮革瑕疵的篩查效率，降低生產(chǎn)成本，對(duì)優(yōu)化皮革加工生產(chǎn)工藝和改進(jìn)皮革產(chǎn)品原料質(zhì)量具有一定的幫助，值得在后續(xù)深入研究。