基于OpenCV的织物疵点自动检测技术研究

摘要

疵点检测是纺织品质量控制的关键环节。目前，织物疵点检测主要依靠人工目测来完成，受主客观因素的影响，检测效率和准确率很低（约50％），严重影响纺织产品的质量。因此，研究快速、准确的织物疵点自动检测系统非常重要。
　　本文综合应用OpenCV开放视觉库、小波分析理论和BP神经网络对基于机器视觉的织物疵点检测技术进行较为深入的研究。
　　首先，采用OpenCV库函数PyrDown的缩放功能和Canny的边缘检测功能相结合，自动检测疵点边界、获取疵点区域，有效提高了常见疵点的检出率。
　　第二，通过对现有的图像纹理特征值提取方法进行分析，给出了基于小波分析和Mallat算法的图像经纬子图分解方法，并利用自相关函数对经纬子图进行窗口分割。根据织物纹理结构的特点，确定子窗口的能量、方差、极差、熵和逆差距等五个特征值作为疵点识别和分类的依据。
　　第三，针对疵点类型自动识别的技术难题，通过对人工神经网络工作原理和BP神经网络的结构设计进行分析，完成了BP神经网络的优化设计，包括输入输出层和隐含层神经元个数的确定，传递函数的选择和学习速率的取值。
　　最后，在理论分析和方法研究的基础上，基于VC++6.0软件开发环境和OpenCV开放视觉库，设计开发了疵点自动检测软件，包括图像采集、图像预处理、疵点区域检测、小波分解、特征值提取和疵点分类模块。通过对单色平纹织物的刮线、断纱、反丝、锈斑、脏污、飞花、色污、长残、白杠、掉扣等常见疵点的检测实验，验证了文中方法的有效性和实际应用价值。