基于機器視覺的紡織品瑕疵自動檢測及分類方法

西安獲德

    復合材料玻璃纖維屬于產(chǎn)業(yè)用紡織品，在軍工，汽車，造船等行業(yè)廣泛應用。我國的玻璃纖維產(chǎn)量站到全球的75%以上。但由于該行業(yè)在我國起步較晚，設備自動化程度不高，產(chǎn)品質(zhì)量難以控制，產(chǎn)品以中低端為主。企業(yè)迫切需要采用機器實現(xiàn)自動化檢測，替代人工，保證產(chǎn)品質(zhì)量。

    西安獲德是國內(nèi)率先成功將機器視覺技術(shù)引入玻璃纖維產(chǎn)品質(zhì)量檢測的公司，該技術(shù)對于整個國內(nèi)的玻璃纖維產(chǎn)品質(zhì)量控制將是革命性的。目前該公司針對玻璃纖維產(chǎn)品外觀檢測的設備達到10余種，涵蓋了幾乎所有的玻璃纖維產(chǎn)品質(zhì)量檢測設備，在玻纖行業(yè)視覺檢測設備市場占有率在80%以上。

​

    本項目通過轉(zhuǎn)化西安工程大學發(fā)明專利《基于模式識別和圖像處理的紡織品瑕疵自動檢測及分類方法》的相關技術(shù)，通過技術(shù)研發(fā)合作及工業(yè)生產(chǎn)線上的反復實驗，將這項技術(shù)應用與玻璃纖維織物生產(chǎn)中的質(zhì)量檢驗環(huán)節(jié)，徹底解決玻纖生產(chǎn)人工檢測質(zhì)量低的難題。

關鍵技術(shù)：

    建立有效的玻璃纖維產(chǎn)品疵點紋理圖像預處理方法西安獲德將該方法應用于玻璃纖維圖像增強方面能使圖像邊緣明顯突出、紋理更加清晰和非線性保留圖像平滑區(qū)域細節(jié)信息。

基于深度學習的疵點分類方法

    玻璃纖維產(chǎn)品多樣化，檢測需求各不相同，根據(jù)各種玻璃纖維產(chǎn)品的紋理特征，采用模式識別的最新方法深度學習方法，對各種產(chǎn)品的缺陷不斷收集，不斷學習，形成良好的分類模型，對檢測到的缺陷進行正確分類，并對玻璃纖維產(chǎn)品質(zhì)量進行客觀評價。

工業(yè)環(huán)境下機器視覺系統(tǒng)的架構(gòu)
    搭建高速的圖像處理平臺，以滿足高速的生產(chǎn)線在線檢測。解決工業(yè)現(xiàn)場環(huán)境差，系統(tǒng)穩(wěn)定性不好的問題。紡織廠的環(huán)境一般是高溫，高濕，并且灰塵較多，但工業(yè)環(huán)境下的檢測要求是24小時，365天不間斷的工作。因此西安獲德經(jīng)過長期調(diào)研及現(xiàn)場經(jīng)驗，研發(fā)了能夠滿足紡織行業(yè)環(huán)境下的機器視覺檢測硬件系統(tǒng)。
創(chuàng)新點：
提出了基于Gabor -Gauss方法、背景分析法、多尺度小波方法作為聯(lián)合疵點檢測的方法庫對纖維布表面進行疵點檢測
    采用改進型的Gabor 濾波器組對織物的疵點進行檢測，利用其對方向和尺度可調(diào)的特性，得到濾波器最優(yōu)化的參數(shù)。在正常紋理圖片的最優(yōu)濾波基礎上，進行高斯平滑，確定出正常織物圖像的兩個閾值門限，進而得到織物的二值圖像，實現(xiàn)疵點檢測。
西安獲德首將神經(jīng)網(wǎng)絡的精髓深度學習引入玻璃纖維產(chǎn)品缺陷分類

    采用深度度學習訓練軟件框架Caffe/2+PyTorch對收集到的幾十萬種玻璃纖維織物疵點進行學習，優(yōu)化參數(shù)，對各類缺陷分類正確率達到92%以上。

    采用卷積神經(jīng)網(wǎng)絡算法具備自主學習能力，通過在實際生產(chǎn)過程種不斷積累的外觀缺陷數(shù)據(jù)，不斷提高算法識別精度。建立有效的外觀缺陷數(shù)據(jù)庫。

注：轉(zhuǎn)載請注明出處！