[发明专利]一种素色布匹缺陷检测和分类方法

摘要

一种素色布匹缺陷检测和分类方法，首先，对布匹的图像进行预处理；然后构造一个带阻滤波器；对预处理后的图像进行快速傅里叶变换后与构建好的滤波器进行卷积运算；对频域滤波后的图像进行傅里叶反变换后重构出具有显著缺陷的图像，对图像利用OTSU算法计算出最佳阈值，并进行阈值分割；通过斑点检测对二值化后的图像进行分析，判别有无缺陷；对阈值分割的图像进行形态学处理后提取特征向量作为神经网络的输入；通过已经训练好的神经网络分类器进行缺陷分类。本发明提高了检测效率、效果和产品可信度、节约了人力成本并降低了误检率。该方法能判别典型缺陷的类型，根据布匹上出现缺陷的类型判断生产过程中存在的问题,进而对机器的运行作进一步调整。

主权项

一种素色布匹缺陷检测和分类方法，其特征在于，包括如下步骤：(1)、采用工业相机采集相对运动中的布匹，获取布匹灰度图像；(2)、将布匹灰度图像进行中值滤波来抑制噪声的干扰，对该预处理后的图像进行快速傅里叶变换；(3)、用两个高斯滤波器构造一个带阻滤波器，在频域中把待检测图像与构造的滤波器进行卷积运算，然后进行傅里叶反变换重构原图像；(4)、对步骤(3)所得的图像采用OTSU算法寻找最优阈值，进行阈值二值化分割，通过DOG检测算法对二值化后的图像进行分析，判别有无缺陷；(5)、若有缺陷，在二值化后的图像中，对取值为1的点以八联通的方式进行标注联通，使的分割出来的区域变得相互独立；(6)、对步骤(5)所得到的图像采用形态学的方法对缺陷区域先膨胀再腐蚀，以消除各种干扰，使缺陷区域更加清晰；(7)、对步骤(6)所得到的图像进行基于面积特征筛选缺陷区域，求出缺陷区域的最小外接矩形，算出缺陷区域质心；(8)、用改进的SIFT算法对步骤(7)所得到的缺陷区域进行特征抽取，抽取的特征作为分类器的输入，判别缺陷的具体类型。