[發明專利]無紡布缺陷檢測與分類方法

有效

• 申請號: 201810535590.6
• 申請日: 2018-05-30
• 公開（公告）號: CN108765402B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 撒繼銘;張佳慧;蔡碩
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T5/00;G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 鄭勤振

本發明公開了無紡布缺陷檢測與分類方法，解決無紡布破洞、油污、異物以及劃痕四種缺陷的自動檢測與分類問題。首先對無紡布缺陷圖像進行檢測，利用優化Gabor濾波器組對其進行濾波，將濾波結果進行融合，并利用自適應閾值分割法對其進行二值化，利用偽缺陷剔除算法排除噪聲干擾，從而準確定位出缺陷在圖像中的位置；接著根據缺陷的位置，分割出圖像中的感興趣區域，基于感興趣區域提取由形狀特征、一階矩特征以及二階矩特征構成的復合特征向量；再利用復合特征向量組以及一對一的設計策略訓練SVM分類器；最后用訓練好的分類器組對無紡布缺陷特征實現準確分類。本發明具有對缺陷定位準確和分類準確率高的優點，用于無紡布生產廠家布匹缺陷的檢測與分類。

技術領域

本發明屬于圖像識別領域，具體涉及無紡布缺陷檢測與分類方法，可用于對無紡布質量檢測環節中采集到的缺陷圖像進行識別。

背景技術

無紡布缺陷檢測作為一種有效的質量保證手段目前主要通過人工來實現，工作量大且檢測效率不高。故采用自動化的機器視覺檢測是一種合理的選擇，其能夠保證較高的檢測速度和檢測率。針對無紡布缺陷的檢測定位問題，目前主要有基于Gabor濾波的方法。華中科技大學劉海平等人采用多方向多尺度的Gabor濾波器實現無紡布缺陷的檢測定位，檢測的準確率較高，但是實時性較差。華中科技大學張渤等人采用單方向單尺度的Gabor濾波器實現無紡布缺陷的檢測定位，算法的實時性較好，但是缺陷信息損失較大，檢測的準確率較差。針對無紡布缺陷的分類問題，目前主要有基于人工神經網絡的方法。華中科技大學張渤等人采用三層BP神經網絡進行無紡布缺陷的自動分類，分類的準確率可達到87.05％，但是神經網絡算法對于訓練樣本的數量要求較多，在實現時較困難。

發明內容

本公開一方面的目的在于提供一種無紡布缺陷檢測與分類方法，以對無紡布缺陷圖像中缺陷區域進行快速定位并對缺陷類型進行準確分類，實現無紡布質量檢測的自動化。具體包括以下步驟：獲取無紡布圖像；對無紡布圖像進行亮度補償和濾波去噪預處理，以消除光照不均對圖像造成的影響和濾除圖像采集過程中出現的噪聲；采用優化Gabor濾波器組對預處理后的圖像進行濾波操作，并將濾波后的圖像進行融合，使缺陷信息集中到融合結果中；采用局部均值自適應閾值分割法對融合結果圖進行二值化，使缺陷區域與正常區域分離開來；采用偽缺陷剔除算法對二值化結果圖中的孤立亮噪聲點進行去除，使二值化圖像中只保留正確的缺陷區域，準確實現缺陷的檢測定位；根據缺陷在圖像中的位置分割感興趣區域，基于感興趣區域提取缺陷特征；根據缺陷特征向量組訓練SVM分類器并進行參數優化；用訓練好的分類器對缺陷進行分類識別。

在上述的無紡布缺陷檢測與分類方法，所述Gabor濾波器組優化方法包括以下步驟：根據二維Gabor函數設計總共5尺度8方向上的40個Gabor濾波器；將8個方向分為4組正交方向，根據圖像一維熵的計算方法，計算每組正交方向濾波結果圖像的一維熵的和，將和最小值所對應的正交方向組作為Gabor濾波器組的最優方向選擇；針對最優方向上每個尺度的濾波結果圖像計算其損失評價函數值，計算每組正交方向上損失評價函數值的和，將和最大值所對應的尺度作為Gabor濾波器組的最優尺度選擇；將Gabor濾波器的方向參數設置為最優方向，尺度參數設置為最優尺度，并只取其實部濾波器，完成優化Gabor濾波器組的設計，并使用優化Gabor濾波器組對無紡布圖像進行濾波。

在上述的無紡布缺陷檢測與分類方法，將兩個正交方向上的濾波結果圖進行加權融合，使缺陷的信息集中到融合結果圖中。

在上述的無紡布缺陷檢測與分類方法，所述缺陷特征包括形狀特征向量、一階矩特征向量及二階矩特征向量，將形狀特征向量、一階矩特征向量以及二階矩特征向量合并成一個復合特征向量，作為代表缺陷類別的特征。

在上述的無紡布缺陷檢測與分類方法，所述形狀特征向量包括參數：面積、周長、方向角、圓形度、扁平度以及占空比。

在上述的無紡布缺陷檢測與分類方法，所述一階矩特征向量包括參數：灰度平均值、方差、傾斜度、峭度以及一維熵。