發(fā)布時(shí)間：2021-05-17 03:04

　　布料作為輕工業(yè)的重要原材料,其質(zhì)量一直是紡織行業(yè)中的各類企業(yè)所重視的核心問(wèn)題之一。早先由于技術(shù)的限制,布料表面的質(zhì)量檢測(cè)一直是依賴流水線上的工人的眼睛進(jìn)行人工檢測(cè),存在著諸如錯(cuò)誤率高、標(biāo)準(zhǔn)難以統(tǒng)一、受人為因素影響較大等問(wèn)題。隨著近些年來(lái)技術(shù)的發(fā)展,布料的自動(dòng)化檢測(cè)技術(shù)被越來(lái)越多的應(yīng)用在工廠的實(shí)際生產(chǎn)中,使得行業(yè)的標(biāo)準(zhǔn)化成為可能,同時(shí)也促進(jìn)了相關(guān)行業(yè)的發(fā)展。隨著相關(guān)技術(shù)的發(fā)展,誕生了許多種基于機(jī)器視覺(jué)的不同算法,這些具體的方法可以大致分為統(tǒng)計(jì)法、頻譜法、基于模型的方法和近些年誕生的基于機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的新檢測(cè)方法。本文針對(duì)布料疵點(diǎn)檢測(cè)中所遇到的實(shí)際問(wèn)題進(jìn)行了以下工作:1.基于灰度梯度增強(qiáng)和圖像非局部自相似性的布料疵點(diǎn)檢測(cè)算法。針對(duì)基于圖像非局部自相似（NSS）的檢測(cè)方法不能有效地檢測(cè)到小型的線性疵點(diǎn)的問(wèn)題,在原有的檢測(cè)方法中引入基于圖像灰度密度函數(shù)的方法來(lái)對(duì)于疵點(diǎn)區(qū)域進(jìn)行增強(qiáng),從而解決原有算法對(duì)于小型的線性疵點(diǎn)檢測(cè)能力不足的問(wèn)題,即基于增強(qiáng)的NSS疵點(diǎn)檢測(cè)方法（ENSS）。實(shí)驗(yàn)結(jié)果表明該算法在保證原有檢測(cè)性能的前提下解決了原有算法對(duì)于小型線性疵點(diǎn)缺乏檢測(cè)能力的問(wèn)題。2.基于Haar小波... 

【文章來(lái)源】：南京信息工程大學(xué)江蘇省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 織物疵點(diǎn)檢測(cè)的意義和發(fā)展
        1.1.2 國(guó)內(nèi)外織物疵點(diǎn)檢測(cè)技術(shù)現(xiàn)狀
        1.1.3 布料自動(dòng)化檢測(cè)系統(tǒng)的結(jié)構(gòu)
        1.1.4 織物疵點(diǎn)檢測(cè)領(lǐng)域當(dāng)前所遇到的挑戰(zhàn)
    1.2 主要工作和內(nèi)容安排
    1.3 本章小結(jié)
第2章 相關(guān)知識(shí)介紹
    2.1 基于統(tǒng)計(jì)學(xué)檢測(cè)方法簡(jiǎn)介
        2.1.1 灰度共生矩陣
        2.1.2 數(shù)學(xué)形態(tài)學(xué)
        2.1.3 分形方法
        2.1.4 雙層閾值
        2.1.5 局部線性變換
    2.2 基于頻譜的檢測(cè)方法簡(jiǎn)介
        2.2.1 傅里葉變換
        2.2.2 小波變換
        2.2.3 Gabor濾波器
        2.2.4 濾波法
    2.3 基于模型的檢測(cè)方法
        2.3.1 自回歸模型
        2.3.2 馬爾可夫隨機(jī)場(chǎng)模型
    2.4 其他檢測(cè)方法
    2.5 本章小結(jié)
第3章 基于灰度梯度增強(qiáng)和圖像非局部自相似性的布料疵點(diǎn)檢測(cè)算法
    3.1 圖像的預(yù)處理及基于灰度梯度的增強(qiáng)
    3.2 基于圖像非局部自相似性的檢測(cè)方法
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 參數(shù)設(shè)置
        3.3.2 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第4章 基于Haar小波分解與分塊方差的布料疵點(diǎn)檢測(cè)算法
    4.1 圖像的預(yù)處理
    4.2 Haar小波分解
        4.2.1 尺度函數(shù)與小波函數(shù)
        4.2.2 Haar小波與Haar小波的分解與重構(gòu)
    4.3 基于圖像分塊與方差閾值的疵點(diǎn)檢測(cè)算法
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 參數(shù)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于樹(shù)莓派的深度學(xué)習(xí)色織物疵點(diǎn)檢測(cè)研究[J]. 曹振軍,景軍鋒,蘇澤斌,張緩緩.  棉紡織技術(shù). 2019(01)
[2]基于機(jī)器視覺(jué)的疵點(diǎn)檢測(cè)方法的研究進(jìn)展[J]. 王孟濤,李岳陽(yáng),杜帥.  現(xiàn)代紡織技術(shù). 2019(05)
[3]基于改進(jìn)判別性完整局部二值模式與格分割的織物瑕疵檢測(cè)方法[J]. 趙樹(shù)志,狄嵐,何銳波.  紡織學(xué)報(bào). 2018(09)
[4]基于視覺(jué)顯著性的織物起球客觀等級(jí)評(píng)價(jià)[J]. 管聲啟,何建新,洪奔奔,王立中,梁洪.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[5]基于圖像處理的織物疵點(diǎn)檢測(cè)算法綜述[J]. 劉小敏,劉國(guó)高,宗國(guó)華,張卓,張學(xué)武,劉宇興.  微處理機(jī). 2016(01)
[6]基于機(jī)器視覺(jué)和圖像處理的織物疵點(diǎn)檢測(cè)研究新進(jìn)展[J]. 李文羽,程隆棣.  紡織學(xué)報(bào). 2014(03)
[7]基于小波靜態(tài)分解的離散小疵點(diǎn)檢測(cè)[J]. 管聲啟,石秀華,王筠.  天津工業(yè)大學(xué)學(xué)報(bào). 2010(05)



本文編號(hào)：3190945