帘子布是轮胎等橡胶制品的骨架材料,它很大程度上决定了轮胎的强度。因此对帘子布进行有效的瑕疵检测,进而提高帘子布的质量对于生产企业的成本控制、质量管理及竞争力的提升具有非常重要的现实意义。当前,国内企业帘子布疵点检测都是依赖操作工的肉眼检查。这种检测方式的结果受检测人员的经验、身体状况和责任心等因素的影响非常大,常出现错判、漏判,降低了检测的可靠性,影响了产品的生产质量。针对以上问题,本文采用机器视觉技术替代人工肉眼,实现了帘子布纱线疵点在线自动检测。采用该系统不仅提高检测效率和准确率,同时解放劳动力,提高企业生产的自动化水平。本文的主要工作及贡献如下:1、现有的帘子布瑕疵检测系统都是在织造完成以后进行的。实际上,帘子布的缺陷是由于纱线本身存在缺陷造成的,并非织造过程中产生的。本文首次提出并实现了在织造前对帘子布纱线进行在线瑕疵检测和拦截报警,避免了织造完成后发现布面不合格,再做拆布返工处理,从而可以极大的提高生产效率并同时提高帘子布产品的质量。2、提出了一种基于优选Gabor特征的帘子布纱线疵点检测算法。利用不同尺度和不同方向的Gabor滤波器能量值提取图像的Gabor响应特征,然后使用二值化分析技术实现帘子布纱线瑕疵检测,通过对比不同尺度和方向的Gabor特征对疵点图像的检测效果,优选出适用于织造过程中纱线疵点检测的Gabor滤波器的尺度和方向参数。实验结果表明,此检测算法对帘子布纱线疵点检测准确度达到99.2%。3、为了减少生产过程中因纱线交叉而造成误检,根据瑕疵纱线的特征及其与交叉纱线方向性的差异,本文采用了宽度可变的矩形子窗口分析,通过设置合适的宽度使得矩形子窗口中的交叉纱线Gabor特征面积减小,再通过设置面积阈值将其滤除,从而减少了由于纱线交叉造成的系统误停,提高了生产效率。4、帘子布纱线有两种类型接头(原丝接头和手工缝头),其Gabor特征响应与纱线瑕疵特征非常相近,造成生产过程中误停。为解决这问题,设计了纱线接头过滤器。通过对两种纱线接头长度和宽度参数的统计分析,得出原丝接头和手工缝头的几何特征值分布范围。设计了基于几何参数最小距离分类器,实现“粗分类”,即分为疑似原丝接头类和疑似手工缝头类。将粗分类结果进一步提取其HOG(Histogram of Oriented Gradient)特征,通过事先训练的两个SVM(Support Vector Machine)分类器,在控制纱线疵点漏报率的情况下分别调节原丝接头和手工缝头的识别率。结果表明:最小距离分类器对原丝接头和手工缝头分类准确率为99.97%。两个HOG-SVM分类器在疵点0%漏报概率下对原丝接头和手工缝头的识别率分别为55.68%和39.91%。最终,纱线接头过滤器使喷气织机生产效率提高8.33%。5、基于本文算法,实现了国内首套帘子布织造前纱线疵点在线自动检测系统。系统批量安装在广东某高性能纤维有限公司帘子布织造车间14个机台使用,经4个月(2016年8月-2016年11月)3班制生产运行,经统计,系统安装后客户投诉异常丝卷数从安装前平均每月59.3卷下降为8.5卷。