作为一个纺织大国,我国到目前为止还没有开发出实用的织物自动检测系统,而从国外引进的系统存在价格太高,机器配置和操作方式不能很好适应我国具体生产状况的问题。 我们在对近20年国内外织物疵点自动检测技术的发展历程及已成功推向市场的成果的学习与研究的基础上,指出了适合我国的织物疵点自动检测研究发展方向,即基于计算机软件处理的检测方法。并提出了一套行之有效的疵点识别软件算法,为我国推出自主研发的织物疵点自动检测系统提供了理论基础及技术上的支持。 本文提出的检测算法为:用数码相机在均匀光线照射下平行于白色机织物坯布拍照获得织物图像,输入计算机;先将织物图像转换为灰度图,使用直方图均衡化法增强图像的清晰度和对比度;然后利用类似”灰度共生矩阵”的统计算法识别织物的纹理密度,基于织物经纬密度和疵点特征对织物图像进行数据压缩,加快了后继处理速度并减少了图像的噪声干扰:再利用灰度阈值分割将织物图像二值化提取出疵点部分,并用“腐蚀——膨胀”算法滤除灰度阈值二值化后图像中产生的噪声点;最后提取疵点的特征值,输入单层(无隐层)感知器神经网络进行疵点的识别与分类。 我们成功地将织物纹理密度识别的研究成果运用于织物疵点检测中,具体来说是用于图像数据的压缩中,大大减小了数据处理量,加快了疵点识别速度,并去除大量冗余数据减小了噪声干扰,使检测结果更准确。在实验中我们对白色平纹机织物的缺经,重经,缺纬,重纬,破洞,油污等6种最常见,出现最多的疵点进行了识别,正确识别率达到96%。 本文提出的方法在纹理识别算法、压缩算法、疵点特征值的定义和提取上还可进一步补充和优化。改进和完善后的算法在处理速度和自动化程度上可进一步提高,可识别疵点的种类也能够增加。