基于CUDA计算GLCM特征值和SVM的织布疵点检测∗
2018-04-26孙志刚
计算机与数字工程 2018年4期
万 东 孙志刚 肖 力
(华中科技大学自动化学院 武汉 430074)
1 引言
在纺织工业生产中,纺织品的检测是一道重要的工序,它决定了产品的质量,因此,疵点检测是生产工序中绝不可忽视的环节.然而,传统的织布疵点检测仍然是通过人工视觉来评定,人工长时间的检验不仅会影响产品质量的客观评定,还受限于检验人员的熟练程度。随着布匹生产速度的提高以及对产品质量要求的提高,人工检验存在很大的弊端,包括检测速度慢、检测率低和稳定性差等,这使得人工检验越来越不适应工业生产的需求,因此,迫切需求生产过程中实现自动、精准、快速检测疵点的方法[1~4]。近年来,纺织品疵点检测领域也提出了一些检测算法,但是,在准确率和实时性上尚难兼得,难以适应工业生产的需求。
本文提出一种基于共度共生矩阵(GLCM)和支持向量机(SVM)实现织布疵点检测的算法,借助GPU强大的计算能力,并行计算得到GLCM以及特征值,组成特征向量输入已训练完成的SVM分类模型,得到图像最终的分类,实现织布图像中的疵点类型检测,算法流程如图1所示。GPU完成图像GLCM以及特征值的计算,保证了算法的实时性;GLCM特征值反映的图像纹理特征以及SVM强大的分类能力保证了算法检测的准确率。实验证明该方法能够精准且快速检测出布匹中的孔洞、异物、油渍和折痕疵点。

图1 检测算法流程示意图
2 灰度共生矩阵的纹理提取
2.1 灰度共生矩阵
灰度共生矩阵(GLCM)用图像中具有某种空间位置关系的像素对的联合分布概率密度来定义,可以看成两个像素对的灰度分布联合直方图,是一种二阶统计。……
登录APP查看全文
