马超华， 张团善

(1.西安工程大学 机电工程学院， 陕西 西安 710048；2.绍兴市柯桥区西纺纺织产业创新研究院， 浙江 绍兴 312030)

近年来，数码印花凭借其印花效率高、无需制网、产品效果好及污染少等优势，在纺织品印花市场中占有越来越大的比重。但在数码印花工业生产中，由于喷头堵塞、出墨不均、电机偏差以及辊子压布不平整等因素，导致出现诸如PASS道、布匹褶皱、喷墨不均和漏墨等各种印花缺陷，严重影响了印花布匹的质量和价格。因此，印花织物表面缺陷的检测是提高印花织物产品质量的重要环节。

由于工厂环境的复杂性和花型图案的多样性，使得印花织物表面缺陷检测比较复杂和困难。目前大部分工厂都采取人工检测的方式，难以保证产品质量，因此需要一种新的检测方法。表面缺陷检测的算法可分为基于纹理/颜色/形状特征的方法[1]、基于显著性的方法[2]、基于模板匹配的方法[3]、基于模型的方法[4-5]和基于深度学习的方法[6]。张团善等[7]通过构建基矩阵并计算差异矩阵,对比疵点因子得到其缺陷二值图像，但此方法仅适用于密度较高且纯色的防羽布，对花型图案复杂的印花织物检测效果不强。Peng等[8]提出了一种基于图像融合的基准图像动态更新方法，采用多通道图像减法对缺陷进行分割并提取缺陷，但在印花织物缺陷检测中易受光照噪声的影响。国外学者Tanimizu等[9]提出了一种基于图像处理技术的彩色印刷品缺陷自动检测方法，将图像的长度，宽度以及灰度值作为参数，通过三维的索引空间找到缺陷所在位置。……