机器视觉织构分析在纺织品检测中的应用

　　许多基于机器视觉的检测系统被整合到工业材料生产线中。在钢铁、皮革和织物制造等在线生产线上，已经可以找到以相机为基础的扫描来代替人工检测。检测对产品质量的重要性是巨大的，因为缺陷可以大大减少过程(例如，在织物高达60%)。在纺织生产中，由于织机外织物的滚动速度慢(3-8m/min)，在线检测是一个缓慢的过程，使得人工检测人员的成本效益不高。另一方面，视觉检测可以在这个缓慢的过程中省去人类的劳动，避免人的疲劳和在发现新奇和缺陷方面的错误。

　　表面的定义和结构

　　许多制成的织物不一定有预先定义和结构的表面。这种几何图形，如近距离观察所见，可以呈现出许多形状，类似于弹痕、划痕等。对于这类非结构表面，基于几何特征的检测方法难以应用，因此，通过以下方法可以更好地完成织物的检测。纹理分析，基于表面的频域表征。

具有检测缺陷的纺织品织构

　　检测纺织品的特征

　　纹理的频域特征通常是通过使用基于小波、Gabor滤波器或傅里叶分析。在获取过程中，频域对噪声的敏感性较低，比共现矩阵分析更有利于纹理的空间分析。频域分析可以发现空间域的强几何特征和周期模式。这些模式可以在频域中被过滤掉；当转换回图像域时，剩下的是图像，其主要特征是：偏离局部模式和纹理、异常和缺陷.

　　须在频域进行仔细的分析，以便能够区分局部模式和异常。在频域中，关于重复模式的信息，如果存在的话，通常应该集中在傅里叶谱的一个区域，而异常则聚集在另一个区域。因此，我们在织物检测过程中发现异常的问题被归结为将傅里叶谱聚类成结构模式的频率和其他带有缺陷信息的频率。

　　无论是纹理的表面还是非纹理的表面和织物，频域分析需要进行微调，以捕捉每个产品的纹理特征。为此，需要计算机视觉专家。通过对图像结构、光谱分析和制造过程的深入理解，盈泰德科技视觉可以构建检验算法哪条较适合你的生产线。多年来，我们的算法已经成功地集成到工业应用中。