織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的組成及工作流程！
作者 : 思普泰克智能制造發(fā)布時(shí)間 : 2020-02-17 瀏覽 : 147 次
織物疵點(diǎn)自動(dòng)檢測(cè)設(shè)備在紡織工業(yè)中的應(yīng)用之一。在織物的織造或坯織物檢驗(yàn)、印染加工等工序?qū)椢锎命c(diǎn)進(jìn)行自動(dòng)化檢測(cè)的設(shè)備。由檢測(cè)部件和用于信息分析的高性能計(jì)算機(jī)組成。
織物疵點(diǎn)自動(dòng)檢測(cè)設(shè)備在紡織工業(yè)中的應(yīng)用之一。在織物的織造或坯織物檢驗(yàn)、印染加工等工序?qū)椢锎命c(diǎn)進(jìn)行自動(dòng)化檢測(cè)的設(shè)備。由檢測(cè)部件和用于信息分析的高性能計(jì)算機(jī)組成。
常用的檢測(cè)方法有圖像分析法和激光掃描法。圖像分析法自動(dòng)化檢測(cè)設(shè)備一般通過(guò)高分辨率攝像機(jī)將待檢織物圖像輸入計(jì)算機(jī)，經(jīng)檢測(cè)算法分析后將織物的異常區(qū)域判定為疵點(diǎn)，并根據(jù)其大小、方向、形狀進(jìn)行分類。
激光掃描法自動(dòng)化檢測(cè)設(shè)備由激光光源、光學(xué)傳輸系統(tǒng)、接受器組成檢測(cè)部件，根據(jù)三角測(cè)量原理或光通量的變化獲取織物單位面積紗線覆蓋程度信息，由計(jì)算機(jī)判斷是否發(fā)生疵點(diǎn)。
下面由安徽思普泰克小編給大家分享織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的組成及檢測(cè)流程。
基于圖像技術(shù)的織物疵點(diǎn)自動(dòng)檢測(cè)設(shè)備設(shè)計(jì)可分為六個(gè)部分：數(shù)據(jù)獲取、疵點(diǎn)檢測(cè)、特征抽取、特征分析、疵點(diǎn)分類和文檔輸出。數(shù)據(jù)獲取部分包括選擇可行的照明光源和光電傳感器，常用的有面陣式、線陣式掃描CCD相機(jī)及激光掃描儀。
在圖像處理技術(shù)上，多采用高性能的CCD相機(jī)。照明光源的選擇有熒光燈和光纖兩種。這一階段的工作至關(guān)重要，可以幫助整個(gè)系統(tǒng)獲得一個(gè)清晰照度均勻的圖像，生成系統(tǒng)的原始數(shù)據(jù)，從而簡(jiǎn)化下階段的檢測(cè)特征提取和分析的算法。
其次，整個(gè)自動(dòng)化檢測(cè)設(shè)備的檢測(cè)精度從硬件的構(gòu)成角度上，也往往決定于光電傳感器的物理和光學(xué)分辨率。通?？紤]到成本因素，這一階段的工作常常被忽視，導(dǎo)致了后期檢測(cè)算法的復(fù)雜化。
第二階段織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的工作是檢測(cè)織物當(dāng)中是否包含疵點(diǎn)以及實(shí)現(xiàn)疵點(diǎn)的報(bào)警，即疵點(diǎn)的識(shí)別工作。采用的算法通常有基于像素統(tǒng)計(jì)特征的閾值法基于變換的濾波法基于織物紋理特征的分割法和基于織物紋理建模的識(shí)別法。
第三階段織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的工作是完成疵點(diǎn)特征的抽取，構(gòu)造特征矢量，利用可能少的模式特征來(lái)描述疵點(diǎn)的類別，并且特征的抽取不受疵點(diǎn)大小旋轉(zhuǎn)和位置的變化。所謂的特征抽取，就是對(duì)模式的某些物理性質(zhì)進(jìn)行數(shù)學(xué)描述，具體地講，就是對(duì)將原始的數(shù)字圖像數(shù)據(jù)進(jìn)行變換，得到最能反映疵點(diǎn)模式分類的本質(zhì)特征。
一般將原始的數(shù)據(jù)空間稱為測(cè)量空間，將進(jìn)行分類的空間稱為特征空間，通過(guò)變換將維數(shù)較高的測(cè)量空間中的模式矢量變換到維數(shù)較低的特征空間的模式矢量，從而簡(jiǎn)化和提高分類的效率。疵點(diǎn)形態(tài)特征的抽取大多是通過(guò)變換的方法，另一方面，紋理特征的描述也是種重要的特征提取方法，除此以外，還有通過(guò)神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)特征的抽取。這一階段的任務(wù)的復(fù)雜性取決于所要求分類疵點(diǎn)的種類。
第四階段織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備主要是分析上一階段所提取疵點(diǎn)的特征模式，保證特征的可分性、獨(dú)立性和不變性。
第五階段是對(duì)提取疵點(diǎn)樣本特征的學(xué)習(xí)，實(shí)現(xiàn)對(duì)疵點(diǎn)的分類。所使用的算法大多為：Bayer決策分類法、基于模糊集的分類和基于神經(jīng)網(wǎng)絡(luò)的BP算法、徑向及網(wǎng)絡(luò)算法和自組織的神經(jīng)網(wǎng)絡(luò)算法。
最后，是對(duì)檢測(cè)出的疵點(diǎn)及其分類標(biāo)記的文檔輸出和數(shù)據(jù)管理工作。便于今后對(duì)疵點(diǎn)的進(jìn)一步分析和對(duì)疵點(diǎn)成因及工藝的改進(jìn)工作。
常用的檢測(cè)方法有圖像分析法和激光掃描法。圖像分析法自動(dòng)化檢測(cè)設(shè)備一般通過(guò)高分辨率攝像機(jī)將待檢織物圖像輸入計(jì)算機(jī)，經(jīng)檢測(cè)算法分析后將織物的異常區(qū)域判定為疵點(diǎn)，并根據(jù)其大小、方向、形狀進(jìn)行分類。
激光掃描法自動(dòng)化檢測(cè)設(shè)備由激光光源、光學(xué)傳輸系統(tǒng)、接受器組成檢測(cè)部件，根據(jù)三角測(cè)量原理或光通量的變化獲取織物單位面積紗線覆蓋程度信息，由計(jì)算機(jī)判斷是否發(fā)生疵點(diǎn)。
下面由安徽思普泰克小編給大家分享織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的組成及檢測(cè)流程。
基于圖像技術(shù)的織物疵點(diǎn)自動(dòng)檢測(cè)設(shè)備設(shè)計(jì)可分為六個(gè)部分：數(shù)據(jù)獲取、疵點(diǎn)檢測(cè)、特征抽取、特征分析、疵點(diǎn)分類和文檔輸出。數(shù)據(jù)獲取部分包括選擇可行的照明光源和光電傳感器，常用的有面陣式、線陣式掃描CCD相機(jī)及激光掃描儀。
在圖像處理技術(shù)上，多采用高性能的CCD相機(jī)。照明光源的選擇有熒光燈和光纖兩種。這一階段的工作至關(guān)重要，可以幫助整個(gè)系統(tǒng)獲得一個(gè)清晰照度均勻的圖像，生成系統(tǒng)的原始數(shù)據(jù)，從而簡(jiǎn)化下階段的檢測(cè)特征提取和分析的算法。
其次，整個(gè)自動(dòng)化檢測(cè)設(shè)備的檢測(cè)精度從硬件的構(gòu)成角度上，也往往決定于光電傳感器的物理和光學(xué)分辨率。通?？紤]到成本因素，這一階段的工作常常被忽視，導(dǎo)致了后期檢測(cè)算法的復(fù)雜化。
第二階段織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的工作是檢測(cè)織物當(dāng)中是否包含疵點(diǎn)以及實(shí)現(xiàn)疵點(diǎn)的報(bào)警，即疵點(diǎn)的識(shí)別工作。采用的算法通常有基于像素統(tǒng)計(jì)特征的閾值法基于變換的濾波法基于織物紋理特征的分割法和基于織物紋理建模的識(shí)別法。
第三階段織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備的工作是完成疵點(diǎn)特征的抽取，構(gòu)造特征矢量，利用可能少的模式特征來(lái)描述疵點(diǎn)的類別，并且特征的抽取不受疵點(diǎn)大小旋轉(zhuǎn)和位置的變化。所謂的特征抽取，就是對(duì)模式的某些物理性質(zhì)進(jìn)行數(shù)學(xué)描述，具體地講，就是對(duì)將原始的數(shù)字圖像數(shù)據(jù)進(jìn)行變換，得到最能反映疵點(diǎn)模式分類的本質(zhì)特征。
一般將原始的數(shù)據(jù)空間稱為測(cè)量空間，將進(jìn)行分類的空間稱為特征空間，通過(guò)變換將維數(shù)較高的測(cè)量空間中的模式矢量變換到維數(shù)較低的特征空間的模式矢量，從而簡(jiǎn)化和提高分類的效率。疵點(diǎn)形態(tài)特征的抽取大多是通過(guò)變換的方法，另一方面，紋理特征的描述也是種重要的特征提取方法，除此以外，還有通過(guò)神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)特征的抽取。這一階段的任務(wù)的復(fù)雜性取決于所要求分類疵點(diǎn)的種類。
第四階段織物疵點(diǎn)自動(dòng)化檢測(cè)設(shè)備主要是分析上一階段所提取疵點(diǎn)的特征模式，保證特征的可分性、獨(dú)立性和不變性。
第五階段是對(duì)提取疵點(diǎn)樣本特征的學(xué)習(xí)，實(shí)現(xiàn)對(duì)疵點(diǎn)的分類。所使用的算法大多為：Bayer決策分類法、基于模糊集的分類和基于神經(jīng)網(wǎng)絡(luò)的BP算法、徑向及網(wǎng)絡(luò)算法和自組織的神經(jīng)網(wǎng)絡(luò)算法。
最后，是對(duì)檢測(cè)出的疵點(diǎn)及其分類標(biāo)記的文檔輸出和數(shù)據(jù)管理工作。便于今后對(duì)疵點(diǎn)的進(jìn)一步分析和對(duì)疵點(diǎn)成因及工藝的改進(jìn)工作。
是一家專業(yè)研發(fā)生產(chǎn)自動(dòng)化檢測(cè)設(shè)備，視覺檢測(cè)設(shè)備，光學(xué)篩選機(jī)的生產(chǎn)廠家，本公司提供不同行業(yè)的自動(dòng)化檢測(cè)設(shè)備的非標(biāo)定制生產(chǎn)···
關(guān)注微信公眾號(hào)
關(guān)注公司抖音號(hào)
Copyright ? 2018-2022 安徽思普泰克智能制造科技有限公司 備案號(hào)：皖I(lǐng)CP備19009977號(hào)-1