CN112801930A - 基于机器视觉的织物的背光经纬瑕疵检测方法和设备 - Google Patents

基于机器视觉的织物的背光经纬瑕疵检测方法和设备 Download PDF

Info

Publication number
CN112801930A
CN112801930A CN201911028346.1A CN201911028346A CN112801930A CN 112801930 A CN112801930 A CN 112801930A CN 201911028346 A CN201911028346 A CN 201911028346A CN 112801930 A CN112801930 A CN 112801930A
Authority
CN
China
Prior art keywords
image
filtering
filter
column
row
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911028346.1A
Other languages
English (en)
Inventor
刘世伟
安杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Lynuc Cnc Technology Co ltd
Original Assignee
Shanghai Lynuc Cnc Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Lynuc Cnc Technology Co ltd filed Critical Shanghai Lynuc Cnc Technology Co ltd
Priority to CN201911028346.1A priority Critical patent/CN112801930A/zh
Publication of CN112801930A publication Critical patent/CN112801930A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于机器视觉的织物的背光经纬瑕疵检测方法及设备，该方法包括：获取织物的背光图像；分别采用单行滤波方法和单列滤波方法对背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；对单行滤波图像和单列滤波图像做差，以得到滤波做差图像；对滤波做差图像进行高斯滤波，以得到高斯滤波图像；基于高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。根据本发明的基于机器视觉的织物的背光经纬瑕疵检测方法及设备，能够以基本无需人力介入的检测方式高效、准确、低成本地实现对于织物的经纬瑕疵的检测，有助于确保织物产品的高质量，瑕疵检出率极高且成本低廉。

Description

基于机器视觉的织物的背光经纬瑕疵检测方法和设备
技术领域
本发明涉及织物的经纬瑕疵的检测技术，尤其涉及一种基于机器视觉的织物的背光经纬瑕疵检测方法和设备。
背景技术
国内的织物和经编产业发展较快，但如何提高和保证产品质量和降低生产成本始终是相关企业研究的重点。诸如毛纺织物等织物产品的瑕疵的多少，对于织物的质量评定、价格及企业的收益都有着很大的影响。
目前，对于织物的瑕疵，大多仍采取人工目测的方式检测织物瑕疵。人工检测的缺点在于：视觉精度的限制和容易疲劳导致检测不稳定；检测的准确率不高，容易发生漏检；人力成本等各方面成本较高。
尤其是，在进行背光瑕疵检测时，由于布料的透光性，存在大量的点状式分布透光，这种特点可能严重干扰瑕疵检测的准确性。但同时，非瑕疵点处的透光与经纬瑕疵处的透光在分布上有明显的差别。
综上，亟需设计一种新的自动化的织物的背光经纬瑕疵检测技术。
发明内容
本发明要解决的技术问题是为了克服现有的织物瑕疵检测技术的检测准确率不高、难以确保产品的稳定的高质量的缺陷，提出一种新的基于机器视觉的织物的背光经纬瑕疵检测方法及设备。
本发明是通过采用下述技术方案来解决上述技术问题的：
本发明提供了一种基于机器视觉的织物的背光经纬瑕疵检测方法，其特点在于，所述背光经纬瑕疵检测方法包括：
获取所述织物的背光图像；
分别采用单行滤波方法和单列滤波方法对所述背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；
对所述单行滤波图像和所述单列滤波图像做差，以得到滤波做差图像；
对所述滤波做差图像进行高斯滤波，以得到高斯滤波图像；
基于所述高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。
根据本发明的一些实施方式，在采用单行滤波方法和单列滤波方法对所述背光图像进行滤波处理中，分别构造单行滤波器和单列滤波器，其中所述单行滤波器和所述单列滤波器的宽度分别被构造为多个像素。
根据本发明的一些实施方式，所述单行滤波器和所述单列滤波器被构造为具有相同的宽度。
根据本发明的一些实施方式，所述单行滤波器和所述单列滤波器分别被构造为具有5-20个像素的宽度。
本发明还提供了一种基于机器视觉的织物的背光经纬瑕疵检测设备，其特点在于，所述背光经纬瑕疵检测设备包括：
光源及背光拍摄装置，所述光源及所述背光拍摄装置被构造为能够由所述背光拍摄装置拍摄获取待检测的织物的背光图像；
单行滤波模块和单列滤波模块，其被配置为能够分别对所述背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；
做差模块，其被配置为能够对所述单行滤波图像和所述单列滤波图像做差，以得到滤波做差图像；
高斯滤波模块，其被配置为能够对所述滤波做差图像进行高斯滤波，以得到高斯滤波图像；
canny边缘检测模块，其被配置为能够基于所述高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。
根据本发明的一些实施方式，所述单行滤波模块和所述单列滤波模块分别被配置为能够构造单行滤波器和单列滤波器，其中所述单行滤波器和所述单列滤波器的宽度为多个像素。
根据本发明的一些实施方式，所述单行滤波器和所述单列滤波器具有相同的宽度。
根据本发明的一些实施方式，所述单行滤波器和所述单列滤波器分别具有5-20个像素的宽度。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：
根据本发明的基于机器视觉的织物的背光经纬瑕疵检测方法及设备，能够以基本无需人力介入的检测方式高效、准确、低成本地实现对于织物的经纬瑕疵的检测，有助于确保织物产品的高质量，瑕疵检出率极高且成本低廉。
附图说明
图1为根据本发明优选实施例的基于机器视觉的织物的背光经纬瑕疵检测方法的流程图。
具体实施方式
下面结合说明书附图，进一步对本发明的优选实施例进行详细描述，以下的描述为示例性的，并非对本发明的限制，任何的其他类似情形也都将落入本发明的保护范围之中。
在以下的具体描述中，方向性的术语，例如“左”、“右”、“上”、“下”、“前”、“后”等，参考附图中描述的方向使用。本发明各实施例中的部件可被置于多种不同的方向，方向性的术语是用于示例的目的而非限制性的。
参考图1所示，根据本发明优选实施方式的基于机器视觉的织物的背光经纬瑕疵检测方法，包括：
获取所述织物的背光图像；
分别采用单行滤波方法和单列滤波方法对所述背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；
对所述单行滤波图像和所述单列滤波图像做差，以得到滤波做差图像；
对所述滤波做差图像进行高斯滤波，以得到高斯滤波图像；
基于所述高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。
正是考虑到在背光瑕疵检测中织物的非瑕疵点处的透光与经纬瑕疵处的透光在分布上有明显的差别，根据本发明优选实施方式的上述背光经纬瑕疵检测算法可在降低检测成本的同时取得相比于现有检测方法显著更高的瑕疵检出率和检测准确性。
其中，canny边缘检测，其大体上包括对于图像进行梯度值和梯度方向的计算、对于梯度值的非最大值进行过滤以过滤掉不属于边缘的点，一起使用上下阈值来检测判断边缘点或边缘坐标。canny边缘检测技术本身属于现有技术，在此不再赘述。
其中，在采用单行滤波方法和单列滤波方法对所述背光图像进行滤波处理中，分别构造单行滤波器和单列滤波器，其中所述单行滤波器和所述单列滤波器的宽度分别被构造为多个像素。
举例来说，上述背光经纬瑕疵检测方法在应用于一些毛纺织物的应用实例中时，可具体设计为具有如下步骤：
步骤一、获取所述织物的背光图像，可记为图像I(x,y)。。
步骤二、单行滤波，得到单行滤波图像R(x,y)。其中，例如，待检测的毛纺织物的经纬瑕疵的宽度在15个像素以上，所以在构造滤波器时，滤波器宽度选择15。构造如下滤波器
Figure BDA0002249346030000041
使用该滤波器对图像进行滤波得到单行滤波图像R(x,y)＝G(x)*I(x,y)。
步骤三、单列滤波，得到单列滤波图像C(x,y)。同上构造单列滤波器，可诸如构造滤波器的宽度为15，得到滤波器
Figure BDA0002249346030000042
使用该滤波器对图像进行滤波得到单列滤波图像C(x,y)＝M(x)*I(x,y)。
步骤四、做差，得到滤波做差图像S(x,y)，S(x,y)＝abs(R(x,y)-C(x,y))。
步骤五、高斯滤波，得到高斯滤波图像M(x,y)。通过对图像S(x,y)进行高斯滤波，可滤掉一些细线对于检测的干扰。
步骤六、基于高斯滤波图像M(x,y)，canny边缘检测，对于M(x,y)进行canny边缘检测，返回瑕疵边缘点的坐标。
可选地，所述单行滤波器和所述单列滤波器被构造为具有相同的宽度。同样可选地，所述单行滤波器和所述单列滤波器分别被构造为具有5-20个像素的宽度。
根据本发明的基于机器视觉的织物的背光经纬瑕疵检测方法及设备，能够以基本无需人力介入的检测方式高效、准确、低成本地实现对于织物的经纬瑕疵的检测，有助于确保织物产品的高质量，瑕疵检出率极高且成本低廉。
在如上对于毛纺织物的一些应用实例中，上述方法在实际测试中的经纬瑕疵检出率可达到94％以上，并且最终得到的瑕疵边缘点的坐标具有很高的精度及可靠性。
根据本发明的一些优选实施方式的基于机器视觉的织物的背光经纬瑕疵检测设备，包括：
光源及背光拍摄装置，所述光源及所述背光拍摄装置被构造为能够由所述背光拍摄装置拍摄获取待检测的织物的背光图像；
单行滤波模块和单列滤波模块，其被配置为能够分别对所述背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；
做差模块，其被配置为能够对所述单行滤波图像和所述单列滤波图像做差，以得到滤波做差图像；
高斯滤波模块，其被配置为能够对所述滤波做差图像进行高斯滤波，以得到高斯滤波图像；
canny边缘检测模块，其被配置为能够基于所述高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。
其中，所述单行滤波模块和所述单列滤波模块分别被配置为能够构造单行滤波器和单列滤波器，其中所述单行滤波器和所述单列滤波器的宽度为多个像素。
优选地，所述单行滤波器和所述单列滤波器具有相同的宽度。
优选地，所述单行滤波器和所述单列滤波器分别具有5-20个像素的宽度。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，而且这些变更和修改均落入本发明的保护范围。

Claims (8)

1.一种基于机器视觉的织物的背光经纬瑕疵检测方法，其特征在于，所述背光经纬瑕疵检测方法包括：
获取所述织物的背光图像；
分别采用单行滤波方法和单列滤波方法对所述背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；
对所述单行滤波图像和所述单列滤波图像做差，以得到滤波做差图像；
对所述滤波做差图像进行高斯滤波，以得到高斯滤波图像；
基于所述高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。
2.如权利要求1所述的背光经纬瑕疵检测方法，其特征在于，在采用单行滤波方法和单列滤波方法对所述背光图像进行滤波处理中，分别构造单行滤波器和单列滤波器，其中所述单行滤波器和所述单列滤波器的宽度分别被构造为多个像素。
3.如权利要求2所述的背光经纬瑕疵检测方法，其特征在于，所述单行滤波器和所述单列滤波器被构造为具有相同的宽度。
4.如权利要求2所述的背光经纬瑕疵检测方法，其特征在于，所述单行滤波器和所述单列滤波器分别被构造为具有5-20个像素的宽度。
5.一种基于机器视觉的织物的背光经纬瑕疵检测设备，其特征在于，所述背光经纬瑕疵检测设备包括：
光源及背光拍摄装置，所述光源及所述背光拍摄装置被构造为能够由所述背光拍摄装置拍摄获取待检测的织物的背光图像；
单行滤波模块和单列滤波模块，其被配置为能够分别对所述背光图像进行滤波处理，从而得到单行滤波图像和单列滤波图像；
做差模块，其被配置为能够对所述单行滤波图像和所述单列滤波图像做差，以得到滤波做差图像；
高斯滤波模块，其被配置为能够对所述滤波做差图像进行高斯滤波，以得到高斯滤波图像；
canny边缘检测模块，其被配置为能够基于所述高斯滤波图像进行canny边缘检测，以得到经纬瑕疵的边缘点坐标。
6.如权利要求5所述的背光经纬瑕疵检测设备，其特征在于，所述单行滤波模块和所述单列滤波模块分别被配置为能够构造单行滤波器和单列滤波器，其中所述单行滤波器和所述单列滤波器的宽度为多个像素。
7.如权利要求6所述的背光经纬瑕疵检测设备，其特征在于，所述单行滤波器和所述单列滤波器具有相同的宽度。
8.如权利要求6所述的背光经纬瑕疵检测设备，其特征在于，所述单行滤波器和所述单列滤波器分别具有5-20个像素的宽度。
CN201911028346.1A 2019-10-28 2019-10-28 基于机器视觉的织物的背光经纬瑕疵检测方法和设备 Pending CN112801930A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911028346.1A CN112801930A (zh) 2019-10-28 2019-10-28 基于机器视觉的织物的背光经纬瑕疵检测方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911028346.1A CN112801930A (zh) 2019-10-28 2019-10-28 基于机器视觉的织物的背光经纬瑕疵检测方法和设备

Publications (1)

Publication Number Publication Date
CN112801930A true CN112801930A (zh) 2021-05-14

Family

ID=75803282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911028346.1A Pending CN112801930A (zh) 2019-10-28 2019-10-28 基于机器视觉的织物的背光经纬瑕疵检测方法和设备

Country Status (1)

Country Link
CN (1) CN112801930A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116165216A (zh) * 2023-03-16 2023-05-26 苏州鼎纳自动化技术有限公司 一种液晶显示屏微划伤瑕疵3d检测方法、***及计算设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101035946A (zh) * 2004-04-19 2007-09-12 3M创新有限公司 在材料织物上自动标记缺陷的装置和方法
CN101866427A (zh) * 2010-07-06 2010-10-20 西安电子科技大学 织物瑕疵检测与分类方法
CN103217436A (zh) * 2013-03-06 2013-07-24 京东方科技集团股份有限公司 一种背光模组瑕疵的检测方法及设备
CN103369347A (zh) * 2012-03-05 2013-10-23 苹果公司 相机瑕疵缺陷检测
CN104933728A (zh) * 2015-07-13 2015-09-23 天津理工大学 一种混合运动目标检测方法
CN105203547A (zh) * 2015-08-26 2015-12-30 李云栋 基于智能视觉传感器的布匹瑕疵检测方法和装置
CN105740876A (zh) * 2014-12-10 2016-07-06 阿里巴巴集团控股有限公司 一种图像预处理方法及装置
CN109300127A (zh) * 2018-09-21 2019-02-01 中兴新通讯有限公司 缺陷检测方法、装置、计算机设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101035946A (zh) * 2004-04-19 2007-09-12 3M创新有限公司 在材料织物上自动标记缺陷的装置和方法
CN101866427A (zh) * 2010-07-06 2010-10-20 西安电子科技大学 织物瑕疵检测与分类方法
CN103369347A (zh) * 2012-03-05 2013-10-23 苹果公司 相机瑕疵缺陷检测
CN103217436A (zh) * 2013-03-06 2013-07-24 京东方科技集团股份有限公司 一种背光模组瑕疵的检测方法及设备
CN105740876A (zh) * 2014-12-10 2016-07-06 阿里巴巴集团控股有限公司 一种图像预处理方法及装置
CN104933728A (zh) * 2015-07-13 2015-09-23 天津理工大学 一种混合运动目标检测方法
CN105203547A (zh) * 2015-08-26 2015-12-30 李云栋 基于智能视觉传感器的布匹瑕疵检测方法和装置
CN109300127A (zh) * 2018-09-21 2019-02-01 中兴新通讯有限公司 缺陷检测方法、装置、计算机设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116165216A (zh) * 2023-03-16 2023-05-26 苏州鼎纳自动化技术有限公司 一种液晶显示屏微划伤瑕疵3d检测方法、***及计算设备
CN116165216B (zh) * 2023-03-16 2023-08-04 苏州鼎纳自动化技术有限公司 一种液晶显示屏微划伤瑕疵3d检测方法、***及计算设备

Similar Documents

Publication Publication Date Title
CN105158258B (zh) 一种基于计算机视觉的竹条表面缺陷检测方法
CN107678192B (zh) 一种基于机器视觉的Mura缺陷检测方法
Watson 31.1: Invited paper: The spatial standard observer: A human vision model for display inspection
CN109345528B (zh) 一种基于人眼视觉特性的显示屏缺陷检测方法及装置
CN109727233B (zh) 一种lcd缺陷检测方法
CN115330784B (zh) 一种布匹表面缺陷检测方法
CN105241638A (zh) 基于视觉的led模块亮度均匀性快速检测方法
US20130010175A1 (en) Method and device for analyzing the optical quality of a transparent substrate
CN106054421A (zh) 一种液晶面板缺陷的检测方法及装置
CN104933978A (zh) 显示面板的检测方法和检测装置
CN115100200B (zh) 基于光学手段的光纤缺陷检测方法及***
CN115131348B (zh) 一种纺织品表面缺陷的检测方法及***
CN112819844B (zh) 一种图像边缘检测方法及装置
CN104568956A (zh) 基于机器视觉的带钢表面缺陷的检测方法
CN104459421A (zh) 一种二极管极性检测方法与***
CN101487934B (zh) 光学检测装置及光学检测方法
CN106706644A (zh) 一种镜片疵病的检测方法
CN110020691A (zh) 基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法
CN112801930A (zh) 基于机器视觉的织物的背光经纬瑕疵检测方法和设备
CN113838043A (zh) 金属箔材制造中基于机器视觉的质量分析方法
CN114519696A (zh) 基于光学智能化的pvc热收缩膜检测方法及***
CN109829912B (zh) Tft阵列基板的缺陷检测方法
Kunze et al. Efficient deployment of deep neural networks for quality inspection of solar cells using smart labeling
CN109426013B (zh) 一种彩膜基板缺陷的分析方法、检测修复方法及装置
CN105371955B (zh) 一种染色色差检测装置及检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 5124, building C, 555 Dongchuan Road, Minhang District, Shanghai 200241

Applicant after: SHANGHAI LYNUC NUMERICAL CONTROL TECHNOLOGY CO.,LTD.

Address before: Room 5124, building C, 555 Dongchuan Road, Minhang District, Shanghai 200241

Applicant before: SHANGHAI LYNUC CNC TECHNOLOGY Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210514