最新動態

基于MSER、SVM的玻璃纖維管紗毛羽檢測
首頁 > 最新動態 > 基于MSER、SVM的玻璃纖維管紗毛羽檢測

本文為解決玻璃纖維管紗(奶瓶紗)人工檢測質量不穩定的問題,提出了一種基于最大穩定極值區域(MSER)和支持向量機(SVM)的玻璃纖維管紗毛羽檢測方法。

解決方案

利用機器視覺技術對管紗毛羽疵點進行實時檢測,通過多路相機采集管紗毛羽原始圖像,根據其形態特征以及灰度對比信息,提出基于最大穩定極值區域(MSER)的管紗毛羽分割方法,然后運用局部二值模式(LBP)算法獲得管紗毛羽的輪廓點特征信息,最后利用支持向量機(SVM)對毛羽進行疵點分類。

檢測流程

1、實時采集管紗斜面毛羽與垂直面毛羽圖像;

2、運用MSER算法分割疵點區域,根據檢測區域點生成MSERs結果,提取管紗毛羽;

3、在空間上利用檢測窗口將MSER檢測結果圖劃分成多個小區域圖像塊,計算每個圖像塊內像素的LBP值,得到每個圖像塊的LBP直方圖。將所有圖像塊的LBP統計直方圖連接成為一個特征向量;

4、將LBP提取的特征向量輸入到SVM中,進行分類器訓練,利用訓練好的分類器進行毛羽分類。

管紗毛羽區域分割

原始管紗圖像存在少量噪聲和深淺不一的管紗紋理,毛羽疵點區域與背景對比不明顯,因此準確定位分割疵點有很大難度。

采用MSER算法對管紗不同類型毛羽的分割結果,分割后的毛羽形態完整。端毛羽形態一般表現為近直線且毛羽細長,采用MSER算法可增強端毛羽在原始圖像中的顯著性。進而在濾除管紗表面紋理和噪聲的情況下,使端毛羽表現的更為突出。

毛圈作為另一種毛羽疵點,一般表現為半圓弧形,不論弧形的長短大小還是亮度不同的同一毛圈,都能夠精準分割出毛圈。

毛夾作為不規則形態的毛羽疵點,是毛圈與端毛羽交織聚集而成。MSER算法在保證能夠提取出聚集分布的端毛羽和毛圈區域的同時,又能提取出離散分布的小段端毛羽和毛圈,不會丟失細節信息。

管紗毛羽特征提取

選取900張處理后的圖像作為訓練樣本,使用LBP算法對試驗樣本圖像提取特征,將特征向量送入SVM 進行分類訓練。訓練完成后,對管紗毛羽圖像進行分類測試。

管紗毛羽不僅影響機織、針織后加工的效率和質量,且直接影響最終產品的外觀和價格,基于LBP-SVM算法檢測管紗表面整體的疵點,能夠有效地對管紗毛羽疵點進行檢測,準確率高。目前,端毛羽、毛圈、毛夾的分類準確率分別為94.7%、97.7%、98.6%。

淫治疗