基于机器视觉的纺织品瑕疵自动检测及分类方法

西安获德

    复合材料玻璃纤维属于产业用纺织品，在军工，汽车，造船等行业广泛应用。我国的玻璃纤维产量站到全球的75%以上。但由于该行业在我国起步较晚，设备自动化程度不高，产品质量难以控制，产品以中低端为主。企业迫切需要采用机器实现自动化检测，替代人工，保证产品质量。

    西安获德是国内率先成功将机器视觉技术引入玻璃纤维产品质量检测的公司，该技术对于整个国内的玻璃纤维产品质量控制将是革命性的。目前该公司针对玻璃纤维产品外观检测的设备达到10余种，涵盖了几乎所有的玻璃纤维产品质量检测设备，在玻纤行业视觉检测设备市场占有率在80%以上。

​

    本项目通过转化西安工程大学发明专利《基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法》的相关技术，通过技术研发合作及工业生产线上的反复实验，将这项技术应用与玻璃纤维织物生产中的质量检验环节，彻底解决玻纤生产人工检测质量低的难题。

关键技术：

    建立有效的玻璃纤维产品疵点纹理图像预处理方法西安获德将该方法应用于玻璃纤维图像增强方面能使图像边缘明显突出、纹理更加清晰和非线性保留图像平滑区域细节信息。

基于深度学习的疵点分类方法

    玻璃纤维产品多样化，检测需求各不相同，根据各种玻璃纤维产品的纹理特征，采用模式识别的最新方法深度学习方法，对各种产品的缺陷不断收集，不断学习，形成良好的分类模型，对检测到的缺陷进行正确分类，并对玻璃纤维产品质量进行客观评价。

工业环境下机器视觉系统的架构
    搭建高速的图像处理平台，以满足高速的生产线在线检测。解决工业现场环境差，系统稳定性不好的问题。纺织厂的环境一般是高温，高湿，并且灰尘较多，但工业环境下的检测要求是24小时，365天不间断的工作。因此西安获德经过长期调研及现场经验，研发了能够满足纺织行业环境下的机器视觉检测硬件系统。
创新点：
提出了基于Gabor -Gauss方法、背景分析法、多尺度小波方法作为联合疵点检测的方法库对纤维布表面进行疵点检测
    采用改进型的Gabor 滤波器组对织物的疵点进行检测，利用其对方向和尺度可调的特性，得到滤波器最优化的参数。在正常纹理图片的最优滤波基础上，进行高斯平滑，确定出正常织物图像的两个阈值门限，进而得到织物的二值图像，实现疵点检测。
西安获德首将神经网络的精髓深度学习引入玻璃纤维产品缺陷分类

    采用深度度学习训练软件框架Caffe/2+PyTorch对收集到的几十万种玻璃纤维织物疵点进行学习，优化参数，对各类缺陷分类正确率达到92%以上。

    采用卷积神经网络算法具备自主学习能力，通过在实际生产过程种不断积累的外观缺陷数据，不断提高算法识别精度。建立有效的外观缺陷数据库。

注：转载请注明出处！