崔扬[1]2004年在《图像检测技术在皮革缺陷检测中的应用研究》文中研究说明在生产过程中，为了有效利用原材料和避免次品混入成品中，常常需要对原材料和产品进行检测。但长期来，这些检测过程大多靠手工实现，大大降低了生产效率，增加了生产成本，随着计算机视觉技术的发展，原来靠手工实现的检测过程现在都可以由计算机来实现，从而将工人从繁重的工作中解放出来，降低了生产成本。皮革是制鞋的主要原材料，制鞋的主要工序是在优质皮革上排放和切割各种鞋样部件，但是皮革表面不可避免的存在各种缺陷，如虫咬、疤痕和划伤等，为了有效利用原料，在排样和切割之前要首先定位皮革表面的缺陷区域。同时由于所要生产的皮鞋款式不尽相同，需要在皮革正面轧制各种花纹，因此皮革具有典型的纹理表面。本文基于图像处理技术，结合皮革的特点，提出了一系列具有针对性的算法，实现了对皮革表面缺陷的自动化检测。 本文基于Fisher准则和神经网络设计了两种分类器实现了对皮革正反面的自动分类。由于排样和切割在皮革正面进行，从而缺陷检测也主要在皮革正面进行，因此自动化缺陷检测系统首先要自动识别皮革正反面。由于皮革正面和反面具有明显不同的纹理特征，本文用共生矩阵提取皮革正反面的纹理特征，并根据提取的特征向量采用分类器对皮革正反面进行自动识别和分类。 为了有效去除与纹理信息同处于高频的噪声，基于小波包分解提出了一种新颖的去噪方法。图像的质量对图像检测能否顺利进行影响较大，在皮革图像的获取过程中，由于自然环境和系统自身的影响，采集到的皮革图像中掺杂有大量的噪声，因此在缺陷检测前，需要采用适当的去噪方法提高图像的信噪比。由于皮革图像中的纹理和噪声都属于高频信息，因此常用的去噪方法不能有效去除图像中的噪声，鉴于信号和噪声在小波分解的过程中呈现出不同特性，提出了一种新颖的去噪算法，首先对皮革图像进行小波包分解，并在各个子带图像中对信号和噪声采用不同的处理方法，该算法既能有效去除图像中的大量噪声，又保留了图像中的纹理和缺陷信息。 本文基于小波分解提出了一种有效的皮革图像融合算法。由于光线和图像采集设备视角的限制，对皮革采集的一幅图像可能无法体现出皮革的整体信息，必须对采集到的多幅互补和冗余图像进行融合来获得皮革的整体特征。基于小波分解，提出了一种融合算法，该算法在小波分解的子带图像中提取局部边缘信息作为融合规则，较好的实现了两幅互补皮革图像的融合。 由于皮革表面的缺陷信息无法预先得知，本文提出了一种基于邻域信息的改进模糊C-均值聚类方法。该方法首先采用共生矩阵提取皮革的纹理特征向量，然后用改进的模糊C-均值算法对特征向量进行聚类分析，该算法可以准确的检测出皮革表面的缺陷信息。同时为了自适应确定纹理分割区域数，引入了一种基于类内方差和类间方差的有效值函数。
甄燕[2]2012年在《基于图像检测技术的皮革缺陷检测的分析》文中指出在皮革缺陷监测方面当前主要是依据熟练工人经验进行手工的皮革表面缺陷查找,这样工人的主观因素与疲劳必然导致错误率的提高,本文研究了图像检测技术的皮革缺陷检测,分析了图像检测技术相关的概述与图像检测系统,探讨了皮革缺陷检测包括图像检测的皮革系统、皮革缺陷检测系统分析以及实践应用小结,这一研究对于数字图像技术的推广具有一定的意义。
辛登科, 张玉杰, 胡晶[3]2006年在《图像检测技术在皮革缺陷检测排样系统的应用研究》文中认为介绍一种计算机皮革缺陷检测与排样切割系统的构成原理与设计思想。该系统对皮革纹理图像采用小波包分解去噪,并用共生矩阵提取皮革图像的纹理特征向量,用改进模糊聚类方法对样本特征样本向量进行聚类分析。提出了一种基于类间方差和类内方差的自适应确定分割区域数的方法。该算法可以准确的检测出皮革表面缺陷信息,其在线缺陷检测结果与人工判断缺陷类别的一致性在89.1%以上,实现了对皮革缺陷的自动检测,优化排样。
严飞华[4]2016年在《车辆皮革瑕疵智能检测方法研究》文中认为随着生活水平的提高,私家车保有量激增,消费者在关注性能同时也开始注重内部饰品质量。皮革作为其内部座椅等主要器件的重要材料,其品质被严格要求,但由于牛皮等皮革原材料在生长生产过程中的蚊虫叮咬及人为误伤,使其表面不可避免的存在各种瑕疵,因此需要定位其表面瑕疵部分,以便控制产品品质和指导后续生产加工。目前汽车座椅生产厂家采用的人工皮革瑕疵查找方式存在误检率高,效率低等缺点,而基于计算机视觉方式检测的可行性及优势使得其希望能引入计算机视觉方式,替代人工,使检测更安全,更效率,更稳定,更客观同时也更节约成本。针对目前皮革瑕疵检测中瑕疵与非瑕疵区域之间的低对比度和复杂随机纹理的干扰等原因造成其检测难度大、速度慢;且没有瑕疵检测效果的客观量化评判方法等问题,通过初步分析皮革瑕疵样本,最终对人工视觉查找有难度的皮革微小瑕疵的自动检测作如下几方面工作:首先,建立皮革瑕疵检测算法的评价方法。将瑕疵检测看作特殊的分类工作,参考文本分类的评价指标,提出一种基于召回率和准确率的评价体系。通过一种人工画笔标记样本图像中瑕疵区域并经过识别、分割处理的方式获取黄金标准,并将其作为算法检测结果的参考。然后通过计算定义的P、R、f及综合评价参数F等评价指标,实现对瑕疵检测结果像素级的数字化评价,为算法研究提供客观的指导。其次,基于皮革瑕疵查找是人眼注意选择机制的一种表现,提出基于视觉显着度的瑕疵检测模型。基于该模型的瑕疵检测算法,首先提取颜色、亮度特征,利用图像本身作为模板进行对比计算显着度图;然后根据随机均匀分布纹理图像中“突出”部分显着度高的特征,通过最显着像素点利用区域增长法分割定位瑕疵区域。分别利用该算法与阈值法、基于模糊聚类及支持向量机等现有瑕疵检测算法对皮革瑕疵样本对比实验,结果表明该算法解决了模板和有效特征提取困难的问题,能有效检测微小皮革瑕疵。最后,对纹理分析技术进行研究,设计了一种基于灰度共生矩阵的纹理表述,结合基于视觉显着度的皮革瑕疵检测算法以进一步提高检测效果。首先对图像进行灰度共生矩阵的统计,然后计算每个像素的灰度分布频率作为其纹理表示。该纹理特征较传统基于共生矩阵的能量等纹理特征计算量大、速度慢等劣势更适用于应用在有一定实时性要求的皮革瑕疵检测中,实验结果也表明结合纹理分析后在检测效果也有一定提高,具有一定意义。
于彩香[5]2009年在《基于纹理分析的皮革可视缺陷检测方法的研究》文中研究表明皮革作为一种良好的材质一直受到厂家和消费者的青睐,其用途广泛如用于鞋、箱包、服装手套、装具、体育用品、乐器和工业等方面,其他材料难以比拟。皮革在目前金融危机下仍然盛行。在皮革加工过程中,皮革的分类、表面缺陷查找和划分类别以及皮料自身平整度等检测效果会直接影响生产效率和生产质量。为了有效利用原材料和避免次品混入成品中,需要对原材料和产品进行各种检测。但长期以来,这些检测过程大多靠手工实现,大大降低了生产效率,增加了生产成本。随着计算机视觉技术的发展,原来靠手工来实现的检测过程现在都可以由计算机来实现,从而将工人从繁重的工作中解放出来,降低了生产成本。因此本文针对这种现状,设计了一套检测方案。本文采用皮料纹理分析方法对不同类型的皮革以及皮革的正反面进行自动分类,由于不同的产品是由不同种类的皮革生产,而且排样、切割、检测缺陷是在皮革正面进行,因此自动化缺陷检测系统首先要自动识别皮革种类和正反面,本文通过统计皮料扫描线的波峰、波谷的各种统计值进行自动识别和分类。皮革生产的主要工序是在优质皮革上排放和切割各种部件,但是皮革表面不可避免的存在各种缺陷,如虫咬、疤痕和划伤等,为了有效利用原料,在排样和切割之前要首先定位皮革表面的缺陷区域。针对目前我国皮革产品生产中质量检测技术落后、检测效率较低的情况,提出了一种基于灰度—游程累加模型的图像缺陷检测方法。该方法利用了图像的灰度信息和灰度游程长度信息,通过计算图像的灰度差值和累加游程,从而计算出每个像素的灰度—游程累加值,来确定划分缺陷和背景部分的阈值。此外,同一块皮料的不同部位的平整度不同,选择合适的皮料部位来生产不同的产品是十分关键的步骤,本文借助在其他领域广泛运用的分形维数方法来对电子扫描图像进行检测。最后还分析了不同缺陷的类型划分以更好的指导实际工作。
常竞[6]2008年在《鞣制皮革图像分割及缺陷检测的研究》文中指出随着皮革产品广泛的应用,现代消费者对于皮革的需求与日俱增,但是,皮革产品中往往存在着许多缺陷,快速精确地定位皮革表面缺陷,对提高产品质量和指导后续加工制造生产有着十分重要的现实意义。利用数字化技术标记缺陷,不仅促进了皮革工业自动化,而且有利于皮革质量数字化评价平台的搭建。本文基于数字图像处理技术,对皮革缺陷数字化分类检测展开了研究。本文主要进行了以下五个方面的工作:1、对鞣制皮革缺陷图像进行采集,在分析了各种皮革缺陷形态的基础上,将皮革缺陷分成了有利于数字图像处理的四大类缺陷。有效地解决了传统检测方法手段低级、对象不明确、效率低下的问题。2、皮革图像预处理阶段,为了满足皮革缺陷检测的实时性,提出了一种快速、简单的图像二值化方法;并分析了二值化皮革图像的特点,提出了一种新的空域几何面积去噪方法,该方法基于形态学去噪中自适应选取结构元素的思想,通过对皮革图像中连通区域面积地计算确定了判别阈值,有效地降低了噪声。3、皮革图像分割阶段,研究了外观形状没有规律的皮革缺陷。针对明显的缺陷,提出了一种基于遗传算法的彩色图像分割改进方法;针对不明显的缺陷,提出了一种基于灰度统计的纹理分割改进方法。皮革缺陷图像对比实验结果表明,这两种分割方法正确、有效,为后续相应类型皮革缺陷的检测与定位提供了保障。4、对皮革缺陷进行了分类检测和定位。本文对不同类型的皮革缺陷采用有针对性的图像检测方法。大量的实验结果表明,该检测方法克服了传统缺陷检测方法的局限,可以更好、更精确地检测定位缺陷。5、对鞣制皮革数字化评价指标的建立进行了探讨,证明了数字化评价平台搭建具有可行性,并对将来的研究工作进行了展望。
陈虹[7]2011年在《基于纹理分析的皮革缺陷检测的应用研究》文中提出随着人们生活水平的不断提高,皮革产品越来越深入到人们的生活中,人们对皮革产品的质量要求越来越高。另一方面,通过人工检测皮革质量的速度和精确度已不能满足社会发展的需要,主要原因是检测结果因人而异,没有统一的标准,而且随着工人劳动强度的增加,检测的速度和精确度会降低。随着计算机图像处理技术在各个领域的广泛应用,使得皮革质量检测在这方面也得到了迅猛的发展。利用图像处理技术进行皮革质量检测可以解放生产力,提高劳动效率和检测的速度、精确度。通过图像处理技术可以从皮革的缺陷,皮革的平整度,皮革的密度等方面进行质量检测。而在皮革质量检测中最重要的是对皮革表面的缺陷进行检测。本文主要研究利用计算机图像处理技术对皮革表面的缺陷进行检测以及对缺陷进行评估。为此,本文工作如下:为了提高皮革分割和缺陷检测的精度,对图像进行了预处理,通过分析含有缺陷的皮革图像的特点,对图像的对比度进行增强和进行图像去噪。图像对比度增强的处理方法有很多,依据皮革特性寻求使缺陷区域能更好呈现出来的增强方法。皮革图像中的纹理信息和噪声都属于高频信息,通过各种图像去噪方法的对比,找出能使皮革图像既能保持纹理信息,也能起到较好的去噪效果。通过实验对比总结出图像对比度增强和去噪的良好方法,本文采用灰度线性变换的方法增强图像对比度,采用小波包去噪的方法对图像去噪,由此提出了皮革图像预处理的良好方法及步骤。在皮革图像分割及缺陷检测阶段,将灰度图像的分割和纹理图像的分割进行比较,分析了皮革中的缺陷区域一般不太明显,和非缺陷区域的灰度差别不大。而皮革图像是天然的纹理图像,缺陷区域和非缺陷区域的纹理差别较大,所以采用纹理图像分割的方法对图像分割来检测出缺陷区域。为了达到理想的分割效果,需要选择最好的方法分割图像,或将几种方法结合进行分割。本文利用了灰度共生矩阵提取出了皮革表面的大量的纹理特征,然后用改进的模糊-C均值聚类算法分割图像,改进后的聚类算法增加了空间信息,提高了分割的精度,之后对分割后的图像利用数学形态学的方法做后续处理,成功检测出缺陷区域。对皮革表面的缺陷从缺陷的类型、数量、位置、面积这几个方面进行了评估。将根据图像直方图上灰度级的分布情况判别缺陷类型的方法进行了改进,提出了判断一块皮革上各个缺陷的类型和统计每种类型的缺陷的数量的方法,为皮革质量的估计提供了科学的依据。最后对本文的工作进行总结并展望未来的研究工作。
罗丽萍[8]2016年在《基于纹理特征的真皮分类方法研究》文中进行了进一步梳理我国是皮革工业大国,在皮革设计、生产及销售阶段的质量检测多数依赖人工经验评估,难以保证检测结果的准确性和一致性。在鉴别真皮种类过程中,人工视觉检测结果受到主观因素干扰,准确性多依赖于经验,检测精确度低;化学方法和生物方法等方法鉴别过程复杂,且属于有损检测,难以满足社会发展的需要。本文基于数字图像技术,对皮革纹理进行特征提取和分类。具体包括:(1)图像的采集和预处理。利用数码相机采集皮革纹理后对皮革图像进行灰度化、光照均匀化以及去噪等预处理,以获得相对清晰的皮革图像;(2)皮革纹理特征重构。利用变差模型对皮革图像进行纹理滤波,去除细节纹理,保留主干纹理(特征纹理);进一步采用距离变换和骨架提取算法,利用两者信息重构出新的皮革纹理特征图;(3)基于局部二值方差模式(Local Binary Patterns-Variance,LBP-V)的纹理特征判别。采用LBP-V法提取纹理图像的局部二值模式的直方图。在此基础上,建立两类图库:一类是纹理训练集图库,另一类是测试集图库,在训练得出不同纹理特征的LBP-V图谱直方图后,利用直方图相似度进行匹配运算,判定测试图像的类别,以作为皮革的分类参照依据。皮革业繁荣发展与巨大的市场需求,要求实验人员能够有效、快速地识别出不同类型的皮革。因此,研究利用先进的非接触无损式的鉴别技术,实现皮革种类的快速鉴定,具有重要的现实意义。
孙毅, 张明, 高延鑫[9]2015年在《皮革表面缺陷检测的研究现状及展望》文中进行了进一步梳理皮革表面缺陷检测是利用机器视觉技术将皮革表面的非正常区域即缺陷区域从背景中分割出来。本文对当前国内外在皮革表面缺陷检测方面的研究现状进行了综述,包括皮革表面缺陷检测的基本概念,机器视觉技术的基本原理,皮革表面缺陷检测技术的应用现状以及机器视觉技术在皮革表面缺陷检测方面的应用。指出了当今国内外皮革表面缺陷检测技术所存在的问题及进行优化的方向,并展望了发展趋势。
万长青[10]2018年在《基于红外热像技术的汽车座椅皮革表面质量检测研究》文中认为随着数字信息化的发展,汽车行业得到了较好的发展。作为汽车内饰中不可或缺的一部分,汽车座椅的生产必须满足汽车流水线的生产节奏,与此同时汽车座椅生产的效率和质量也将面临严峻的挑战。汽车座椅在流水线上生产时,由于工艺方面或是操作员工方面的原因,其蒙皮会产生一些质量问题,如破损、划痕以及孔洞等。传统的检测依赖人工检测,不仅作业性质单调员工容易疲劳,而且检测的效率和质量不能满足需求。因此,高效率和高质量的汽车座椅皮革检测系统的设计开发已经成为很多汽车企业的需求。首先对A公司汽车内饰生产线进行现状调查,运用5M1E分析该企业目前的质量检测存在问题,发现汽车座椅皮革的检测方式不能满足质量的要求。根据现场调查的结果,确定开发汽车座椅皮革质量检测系统的目标需求。设计了汽车座椅皮革的质量检测系统,以汽车座椅皮革为研究对象,针对质量检测系统的目标需求,通过图像灰度化的处理、图像滤波处理、图像增强处理和图像分割等手段,实现汽车座椅皮革表面的质量检测。目前的表面缺陷检测大都采用自动光学成像,光学图像的采集及缺陷识别易受到光照和皮革纹理的影响,因此检测效果在某些情况下不太理想。为此,本文采用红外热像技术来实现检测。为使汽车座椅皮革热成像的缺陷区域与背景的区分更加明显,以便于图像处理,以汽车座椅表面缺陷与背景之间的温度差为实验指标,以加热功率、加热时间、热源与汽车座椅表面的距离和角度为实验因素,通过均匀设计实验来确定实验因素的最优值。建立回归分析模型对实验结果进行分析,并通过残差和后验差法来评价回归效果。结合汽车座椅产品,通过图像灰度化处理、图像滤波处理、图像增强处理、图像分割等方法,最终实现汽车座椅皮革表面的质量检测,验证了基于红外热像技术的汽车座椅皮革表面质量检测的可行性。
参考文献：
[1]. 图像检测技术在皮革缺陷检测中的应用研究[D]. 崔扬. 浙江大学. 2004
[2]. 基于图像检测技术的皮革缺陷检测的分析[J]. 甄燕. 科技与企业. 2012
[3]. 图像检测技术在皮革缺陷检测排样系统的应用研究[J]. 辛登科, 张玉杰, 胡晶. 皮革科学与工程. 2006
[4]. 车辆皮革瑕疵智能检测方法研究[D]. 严飞华. 重庆理工大学. 2016
[5]. 基于纹理分析的皮革可视缺陷检测方法的研究[D]. 于彩香. 山东轻工业学院. 2009
[6]. 鞣制皮革图像分割及缺陷检测的研究[D]. 常竞. 四川师范大学. 2008
[7]. 基于纹理分析的皮革缺陷检测的应用研究[D]. 陈虹. 四川师范大学. 2011
[8]. 基于纹理特征的真皮分类方法研究[D]. 罗丽萍. 东华大学. 2016
[9]. 皮革表面缺陷检测的研究现状及展望[J]. 孙毅, 张明, 高延鑫. 西部皮革. 2015
[10]. 基于红外热像技术的汽车座椅皮革表面质量检测研究[D]. 万长青. 沈阳工业大学. 2018