陳楠

（陜西財經(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)的皮革瑕疵檢驗方法，例如人工檢驗、光學(xué)檢驗等[2]，主要針對天然皮革表面缺陷瑕疵進(jìn)行篩選，往往耗費大量的時間和人力資源，特別是對于大規(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，同時也限制了生產(chǎn)線的自動化和智能化程度。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系統(tǒng)有其必要性。

筆者采用計算機視覺技術(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系統(tǒng)，希望以此提高皮革表面瑕疵檢驗的準(zhǔn)確性，提升檢驗效率，進(jìn)一步滿足皮革加工現(xiàn)代化生產(chǎn)的實際需求。

1 智能型皮革瑕疵檢驗系統(tǒng)構(gòu)建

1.1 系統(tǒng)框架設(shè)計

智能型皮革瑕疵檢驗系統(tǒng)基于計算機視覺技術(shù)實現(xiàn)，系統(tǒng)框架如圖1所示，具體模塊包含移動工作平臺（即由傳動機構(gòu)、運動控制卡、電動驅(qū)動、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、電子鏡頭等組成）、皮革瑕疵檢驗識別軟件模塊（即由深度學(xué)習(xí)算法計算模型、相機控制、目標(biāo)檢測控制等組成）。

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

1.2 硬件組成

智能型皮革瑕疵檢驗系統(tǒng)的硬件部分主要為移動工作平臺模塊與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過程中的平整性，以便在圖像采集中避免死角。在具體的實驗中可采用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算機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過程中，相機會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）點中的反射光強度m可表示為：

圖3 計算機CD掃描過程Fig.3 Computer CD scanning process

其中，A表示線陣相機光強度探測中的性能指標(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）機械能檢測，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度、光吸收系數(shù)會產(chǎn)生明顯的差異，缺陷處的反射光強度可表示為：

智能型皮革瑕疵檢驗系統(tǒng)采用線陣相機的優(yōu)勢在于其高速、高分辨率和高靈敏度[4]。由于為計算機逐行掃描方式，線陣相機可在很短的時間內(nèi)獲取高質(zhì)量的視覺圖像，對射光強度、散射度處理具有較好的適應(yīng)性分辨能力，在對類似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瑕疵相似識別庫，進(jìn)一步對適用于對不同皮革瑕疵進(jìn)行實時和準(zhǔn)確的自動檢測，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的準(zhǔn)確性和可靠性。

1.3 軟件組成

智能型皮革瑕疵檢驗系統(tǒng)識別軟件基于計算機視覺和機器學(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→線陣相機功能觸發(fā)→瑕疵級別自動判別→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。

在識別過程中，線陣相機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、圖像平滑等操作，以消除噪聲、增強圖像的對比度和清晰度。在預(yù)處理后，系統(tǒng)會從每個圖像中提取特征，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)對機器模型進(jìn)行訓(xùn)練[5]。訓(xùn)練數(shù)據(jù)包括一系列圖像和對應(yīng)的瑕疵標(biāo)注。訓(xùn)練過程中，系統(tǒng)會根據(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。

軟件識別中的目標(biāo)檢測核心技術(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，對這些圖像進(jìn)行初步標(biāo)注出瑕疵區(qū)域的位置和類別?；谏疃葘W(xué)習(xí)算法的模型會自動學(xué)習(xí)皮革瑕疵的特征逐步形成一種經(jīng)驗式的識別模式，在訓(xùn)練完成后，對模型進(jìn)行評估和優(yōu)化。評估可使用各種指標(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)行識別參數(shù)調(diào)整、數(shù)據(jù)增強等優(yōu)化操作。智能皮革瑕疵檢驗系統(tǒng)中的識別流程如圖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，選擇線陣相機中的每一組像素作為單獨一次進(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)算法模型的識別流程Fig.4 Recognition process based on deep learning algorithm model

2 天然皮革瑕疵檢驗效果對比測試

2.1 測試準(zhǔn)備

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

2.2 測試過程

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系統(tǒng)具備展平裝置，有助于在最初皮革瑕疵檢驗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法，智能型搭載計算機視覺技術(shù)及深度學(xué)習(xí)算法，對復(fù)雜瑕疵的適應(yīng)性差具有較好的識別能力[8]、在測試中，分別選用6張30 cm×48 cm的小牛皮革進(jìn)行瑕疵檢驗，從痘疤、劃痕、裂面、破皮等缺陷因素中，分別統(tǒng)計兩組的檢驗效果，兩組的精度檢驗數(shù)據(jù)如表1所示，檢驗效率如表2所示。

表1 兩組天然皮革瑕疵檢驗效果對比Tab.1 Comparison ofdefect inspection results between two groups ofnaturalleather

表2 兩組天然皮革瑕疵檢驗時速對比Tab.2 Comparison ofinspection speed for naturalleather defects between two groups

2.3 測試結(jié)論

從表1中可得出傳統(tǒng)樣型皮革瑕疵檢驗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、破皮缺陷檢驗中存在微小的誤差，說明基于計算機視覺技術(shù)和深度學(xué)習(xí)算法的檢驗系統(tǒng)能夠識別復(fù)雜的皮革瑕疵形狀、大小等變化，其檢驗精度更為準(zhǔn)確；從表2二組的檢驗時速來看，在6張小黃牛皮革傳統(tǒng)型檢驗共用時197 s，平均時速32.83 s，智能型檢驗共用時170 s，平均時速28.33 s，從檢驗的時速來看，智能型皮革在線陣相機的助力下具有較高的檢驗效率，通過使用目標(biāo)檢測的深度學(xué)習(xí)算法，識別軟件可自動識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，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系統(tǒng)基于計算機視覺技術(shù)進(jìn)行實現(xiàn)，通過高速圖像采集和實時處理，可以準(zhǔn)確檢測和分類瑕疵，并快速地對大量的天然皮革進(jìn)行檢測，有效提高皮革瑕疵的篩查效率，降低生產(chǎn)成本，對優(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。