张 扬，童有成

(1.宁波财经学院 艺术设计学院，浙江 宁波 315175； 2.浙大宁波理工学院，浙江 宁波 315100)

纺织业是我国的传统优势产业，当前正面临着向信息化和工业化“两化融合”转型[1]。如何以信息智能技术为支撑，为纺织工业生产过程进行科技赋能，取代或延伸传统产业中的部分人工劳作，以此来提高产品品质和生产效率是增强传统产业竞争优势的有效途径之一。

机织物通常是由数以万计的经纬纱线交织而成，其纱线的排列关系是织造过程中重要的控制参数之一。若织造过程中的纱线排列及其密度检测可单纯依赖人工完成，则耗时费力且效率低下，因此有必要开展基于机器视觉的纱线排列及其密度检测等相关研究。

目前机器视觉在纺织领域应用的研究主要从频域和空间域2个方面展开。从频域角度，通常围绕纱线排列的周期性规律这一关键点展开，比如通过傅里叶变换[2-3]，寻求最强“时—频”对应特征来重构纱线图像；或者利用小波变换[4]分解，强化水平和垂直2个方向子图像并进行重构来实现织物密度的检测。同时为了扩大检测算法的适用范围和检测精度，融入织物正反双面融合技术[5-6]、神经网络[7]等算法。从空间域角度，常用的是灰度投影法，即经纬纱线进行垂直灰度积分投影[8]，并利用纱线条干和间隙的灰度差进行定位和分割。除此以外，在空间域也可利用灰度共生矩阵[9]通过求取纹理特征参数来计算织物密度。基于空间域的检测算法比较直观，但更易受到毛羽等噪音的影响产生局部极值而影响分割结果。……