论文部分内容阅读
面对竞争日益激烈的全球纺织品市场,不断提高纺织品质量并同时降低纺织品成本无疑成为纺织企业立于不败之地的有效手段。在织物生产的一系列工艺流程中,织物疵点不仅使纺织品的质量大打折扣,而且还带来人力、物力和财力的极大浪费。因此,怎样减少甚至避免织物疵点成了提高纺织品竞争力的重要课题。这其中,计算机辅助检测织物疵点就成为一种重要而有效的手段。就目前来看,大多数的织物疵点检测都针对的是织机(或相关原因)引起的疵点,即织造疵点。然而,由于提花机故障(比如电磁阀之间的电磁干扰,提针的变形或磁化等)引起的疵点(为方便叙述,本文称其为组织疵点)也时常发生,该类疵点的本质是织物实际的组织点性质与设计的组织点性质发生偏离。本文系统地研究了这两类疵点,并针对各自的不同特点,分别提出了两种不同的疵点检测算法。针对织造疵点,提出了基于模糊聚类的检测算法,该算法以织物纬、经向灰度均值投影为特征值,在提取出特征值之后,根据疵点区域灰度均值投影的畸变现象,利用基于F-统计量的模糊聚类算法分离出可能的疵点区域(本文称其为“伪疵点”区域),然后设置合适的密度阈值和畸变阈值对“伪疵点”区域实施有效过滤,以识别并定位疵点区域,最后在实验部分利用常见的疵点对该算法进行了验证和分析。实验证明,该算法不仅简单可行,而且适用于大多数类型的织物疵点。针对组织疵点,提出了基于纹版辅助的疵点检测算法,首先根据织物纬向灰度均值投影的波动规律,把织物图像分割为各个纬纱单元,然后分别识别出每个纬纱单元的组织点性质,最后把识别得到的组织点性质与对应的纹版数据做比对,从而识别出组织疵点。实验证明,该算法可靠稳定,适应性强,且具有较强的实时性。