随着工业化进程的不断推进,人们对纺织品的质量要求越来越高,因此对纺织行业中纱线质量的检测提出了更高的要求。纱线的质量不仅关系着纺织品的外观和手感,还会对产品的销售以及定价产生重要的影响。近些年机器视觉技术的发展给纱线质量检测提供了新的思路,基于机器视觉的纱线质量检测技术能够改善传统纱线检测设备的不足,提供更加准确的纱线质量评价参数,从而实现纱线外观的准确评估。本课题的主要研究内容如下:(1)基于机器视觉的纱线条干均匀度检测。对获取的纱线图像进行预处理后,利用最大信息熵法提取出纱线条干,通过对条干垂直方向像素数量的统计得到纱线的直径,计算条干均匀度,同时对不同的纱线疵点进行检测。(2)纱线交叉重叠毛羽的检测。先采用形态学方法来重建纱线预处理之后的图像,然后利用基于水平集的测地轮廓检查模型(Geodesic Active Contour,简称GAC)来检测纱线毛羽图像的边缘,最后对于纱线毛羽轮廓进行角点检测,剔除伪角点之后得到凹点,通过凹点匹配构造分割线以分割重叠毛羽。实验结果表明该方法可以实现交叉重叠毛羽的有效分割。(3)纱线常规毛羽的检测。通过拉普拉斯锐化对纱线图像进行预处理之后,利用基于单元的孤立点检测算法对纱线条干轮廓和毛羽进行提取,然后采用改进的统计线法对纱线毛羽进行准确统计。该算法的优势在于,可以直接实现纱线毛羽的提取,简化了算法,提高了效率。最后对算法进行验证,实验结果表明本课题的结果与目测法和USTER公报的误差均低于5%。(4)完成硬件平台的搭建并根据不同模块的功能需求设计了简洁友好的用户界面,可以实现对于纱线外观的单幅检测以及实时检测。最后总结了当前的研究工作并对课题的研究方向进行了展望。本文图48幅,表18个,参考文献63篇。