周 柏 清

(湖州职业技术学院 机电工程分院, 浙江 湖州 313000)

在纺织印染产品的生产中，布面瑕疵是影响布匹质量的重要因素之一，布匹表面瑕疵检验是布匹生产的重要环节。到目前为止，布匹瑕疵的检验一般是由人眼来完成的。其具体的检验过程如下：在一定灯光照明条件下，工人控制布匹的转动，用肉眼扫描检验台范围内的布匹，如果发现瑕疵则停止转动布匹，判断瑕疵的类型并在相应的位置打上标记，同时在报告单上记录瑕疵的其它信息，然后继续布匹的转动。待一卷布检查完后，工人就可以根据报告单上的统计结果，对布匹的级别做出粗略的评价，最后根据布匹上标记的位置和类型，对出现瑕疵的布匹进行处理。这种方法自动化程度太低。人工的检测速度一般是15-20米/分，在这种速度下，一个检测人员只能完成宽幅为0.8-1米的布匹的检验，布匹的检验和整理已然成为整个生产过程的瓶颈；人工检测严重地依赖于验布人员的经验、熟练程度及别的一些主观因素，再加上工作时间一长，眼睛容易疲劳，尤其是一些具有三维图案的布匹，眼睛容易发花，因而常会出现误检和漏检。据测试，即便是最熟练的验布工人也只能发现70 %左右的瑕疵点[1]。

由此可见，传统的人工瑕疵检测方法劳动强度高，漏检率和误检率高，且易受主观因素的影响，因而急需一种新颖、快速、检出率高的布匹瑕疵检测技术来替代人工检验工作。

1 机器视觉技术在布匹瑕疵检测中的应用状况

随着数字集成技术和图像处理技术的快速发展，机器视觉技术在工业产品表面检测领域中的应用越来越广泛，基于机器视觉的验布技术将成为纺织领域必然的发展趋势。机器视觉能够不知疲倦、始终如一地观测布匹，并且这种观测是非接触式的，不会对布匹造成损害。基于机器视觉技术的布匹检测系统结构图如图1所示。

图1 布匹检测系统结构图

当前,国内外将机器视觉技术应用于布匹检测疵点最常见的方法有：灰度统计特征分析法、功率谱匹配法和形态学运算分析法[1][2]。

在灰度统计特征分析法中，应先计算出标准的无疵点布匹图像的自相关函数，根据该自相关函数求得布匹纹理基元模板的尺寸，即为该布匹图像上的滑动窗口，也即子窗口。然后计算出每个子窗口的像素点的平均灰度，求其μ的大小(平均灰度的平均值)和σ的大小(标准差值)，最后根据公式Τ=μ+Ζσ(其中Ζ为疵点检测的严格系数)求出判断阈值。实际检测中，则需要轮流计算待检布匹图像的所有子窗口的像素点的平均灰度，并将该灰度值与前面所求得的判断阈值进行比较，即可判断出该窗口是否带有瑕疵，这样，整幅布匹的图像到底有无疵点就可以做出判断了。

在功率谱匹配法中，需要先应用计算机软件对布匹的图像进行FFT变换(光学傅里叶变换)，经两点FFT计算出图像的频域功率谱，计算出较多的布匹图像的特征参量(不同参量的变化表示了不同的疵点类型)，最后通过训练BP神经网络进行疵点布匹的检测和分类。

在形态学运算分析法中，也应先计算出标准的无疵点布匹图像的自相关函数，根据该自相关函数求得布匹纹理基元模板的大小，然后再计算出有疵点布匹图像像素点的灰度平均值和标准偏差，布匹图像疵点区域与非疵点区域的判定阈值即可根据以上所求的参数来确定。实际检测时，需要先将待检布匹图像的像素点与该判别阈值进行逐点比较，再对该待检布匹的图像进行二值化，然后组合应用形态运算中的膨胀运算和腐蚀运算，来判定待检布匹是否带有疵点[3]。

以上所述的三种方法中，形态运算分析法作为一种非线性滤波方法，能够快速判定布匹疵点的类别，并且对较小尺寸的疵点具有较强的检测能力。因而，在要求不漏检各种疵点的场合下应优先考虑使用形态运算分析法。

2 实验结果与分析

2.1 形态学算子

数学形态学是一门以集合论概念为基础，通过选取合适的结构元素来实现目标特征提取的学科，是一种非线性图像处理的重要方法。最基本的算子为二值形态学算子，以二值图像为输入图像。由于二值形态学算子在实际应用中具有简单、快速的特点，因此形态学方法在图像处理领域中有广泛的应用。

2.2 图像预处理

由CCD相机所采集到的图像，由于光照不均匀和各相机曝光时间不统一等因素，会导致图像的灰度不一致。在预处理阶段，可使用灰度均衡来消除该问题，同时也可加强图像的特征，为进一步的图像分析做准备。

2.3 瑕疵检测

瑕疵检测是完成对布匹图像上瑕疵的检测，找出瑕疵并定位。研究瑕疵检测算法主要是针对256×256的标准子图像进行分析的，而最终的瑕疵检测程序则调用该算法进行具体检测。所以瑕疵检测程序首先要把采集的原始图像进行分块，然后分别对各个小块进行瑕疵检测。具体思路是：阈值处理这些图像以得到二值图像，由已知的无疵点布匹图像得到结构元素，运用无疵点图像的结构元素对二值化的待检图像进行膨胀和腐蚀运算。

常见的瑕疵有三类：面状瑕疵、线状瑕疵和点状瑕疵。实验中选取了一组有代表性的面状瑕疵图片：霉斑瑕疵、破洞瑕疵、跳花瑕疵。面状瑕疵的几种典型瑕疵及其检测结果见图2所示。

(a) 霉斑瑕疵及其检测结果 (b)破洞瑕疵及其检测结果 (c) 跳花瑕疵及其检测结果

2.4 分析

形态学运算最大的优点是能够滤除噪声点，且能够滤除尺寸小于规定大小的区域，而且形态学运算一般都针对二值图像，因而运算简单且实时性强。但由于形态处理法要对图像像素点进行逐点二值化，故受噪声的影响较大，通常会把噪声误认为疵点，从而引起错检。因此，在进行形态处理前如何有效地滤除噪声，是能否在瑕疵检测中既能够检测到各类瑕疵又具有较低误检率的关键。

3 总结与展望

本文探讨了CCD相机结合机器视觉技术应用于布匹瑕疵检测的技术方法，并讨论了如何从CCD相机采集到的图像中提取特征值等关键问题，取得了一定的成果。与传统的人工检测方法相比，以机器视觉来代替人工视觉能够提高布匹瑕疵的检测速度，减少企业的劳动成本，提高企业的竞争力。

布匹瑕疵检测系统是一个相当复杂的系统，尽管本文取得了一定的研究成果，希望今后能在现有的研究基础上，采用改进的算法对该课题进行后续的研究，如：疵点分类和疵点分割等，以建成一个相对完整的基于机器视觉的布匹瑕疵检测系统，并将该系统尽快地应用到工业现场。

参考文献：

[1] 邹 超.布匹疵点在线检测系统研究[D].华中科技大学博士学位论文,2009:1.

[2] Mallick-Goswami B, Datta A. Detecting defects in fabric with laser-based morphological image processing[J]. Journal of Textile Research,2000,70(9):758.

[3] Rafael C.Gonzalez, Richard E.Woods, Steven L.Eddins(阮秋琦,译).数字图像处理(MATLAB版)[M].北京:电子工业出版社,2007:252.

[4] 张铁壁，赵可新，孙士尉.印刷电路板瑕疵在线实时检测方法的研究[J].河北工业大学学报,2009,(8):36.

[5] Henri Maitre(孙 洪,译).现代数字图像处理[M].北京:电子工业出版社,2006:75.