徐伟锋，祝新军，刘 山

(1. 绍兴职业技术学院机电工程与交通学院，绍兴 312000；2. 浙江大学控制科学与工程学院工业控制技术国家重点实验室，杭州 310027)

随着计算机视觉技术与图像处理技术的发展，机器视觉检测已广泛应用到缺陷检测中。 而目前，大部分纺织企业仍采用织物传统人工检测方法，检测质量受人状态影响，生产效率低，易产生误检、漏检现象。 近年来，国内外关于机器视觉在织物瑕疵检测中的应用研究，主要涉及空域法、频域法、模型法和机器学习算法[1－2]。 如Hanmandlu 等[3]提出通过空间统计分析不规则图像的灰度级表面分形维数特征，得到图像的粗糙度和自相似性，但由于局部信息易被忽略，对织物较小的缺陷难以检测。刘伟斌等[4]提出采用频域滤波分析法，通过傅里叶变换获得织物频谱图，利用频域滤波获得织物纹理信息，并通过高斯平滑后二值化分割出织物瑕疵，适用于规则纹理的织物检测。 周文明等[5]针对织物纹理多样性与织物瑕疵外形不确定性，提出一种应用上下文视觉显著性模型的检测方法，通过织物图像输入视觉显著性，生成织物显著图，确定织物瑕疵区域位置，能较好检测出织物瑕疵，但容易将正常区域的织物图像误检为有缺陷的织物图像。同时，随着人工智能技术的逐渐成熟，机器学习神经网络算法也逐步应用到织物瑕疵检测中。 如吴志洋等[6]通过机器学习算法中的卷积神经网络，对单色织物瑕疵进行设别与分类检测，有效提升检测速度和检测准确率，但算法参数量大、计算复杂，实效性不理想，不能满足实际需求。……