刘国维， 潘如如， 高卫东， 周 建

(生态纺织教育部重点实验室(江南大学), 江苏 无锡 214122)

机织物的外观质量直接影响终端产品质量等级，其检验方式仍然依赖人工目视，通过四分制评分法确定质量等级。传统的人工目视检测由于存在强度高、检测效率低及客观性差等缺点，难以适应当前高效化、高品质的生产模式。先进的检测技术是生产高品质产品的必要条件，为此，应用计算机视觉代替人工目视，使用高效、可靠的检测算法实现机织物表面疵点的自动检测一直是近年来的研究热点。

根据不同疵点检测算法的检测方式，可将算法分为基于特征提取和基于非特征提取二大类。基于特征提取的算法通常将织物图像分割为多个子图像，提取其特征后利用分类器进行识别[1]。如Latif-Amet等[2]于2000年提出了基于共生矩阵的织物疵点检测方法，利用织物图像的共现特征检查织物纹理的缺陷。Chan等[3]利用傅里叶变换提取了用于中央空间频谱的7个特征参数以进行织物疵点分类。李仁忠等[4]采用基于期望最大化思想(EM)算法的高斯混合模型来计算各织物图像像素点为疵点的概率。潘如如等[5]基于互相关理论及模板匹配技术，检测印花布的花纹偏移、颜色色差等疵点。同时，近年来基于深度学习的疵点检测逐渐发展，也属于特征提取类。如Jing等[6]将织物映像分解为局部补丁作为深度学习对象，再使用预训练的模型检测疵点的类别和位置。织物疵点检测实质上属于典型的模式识别问题，即如何将异常模式(疵点区域)从正常纹理模式中准确识别出来。……