专业视觉方案及设备制造商

以视觉检测为导向
提升产品市场竞争力

手机:13825262003

电话:0755-23594656

视觉检测设备搜索:

联系我们

未耒智能(深圳)有限公司

曾先生13825262003

公司电话0755-23594656

地址深圳市龙华新区观湖街道大和工业区28号深澜产业园6号院

企业资讯 网站首页 >> 企业资讯 >> 未耒智能-纽扣缺陷检测的研究

未耒智能-纽扣缺陷检测的研究
发表时间:2018-11-24

中国是纺织品生产和出口大国,纺织行业经过多年的发展,已经逐步完善其附属品纽扣在服装行业中占据着重要的地位,纽扣的质量直接影响到服装的销售目前大多数企业仍然依靠人工检测纽扣缺陷,由于外界环境以及劳动强度的影响,人工检测效率和精度较低因此,提高纽扣的检测效率及精度显得尤为重要

针对纽扣缺陷检测,文中提出的算法,使纽扣的特征提取更为准确与快速,而且检测种类多元化,包括边缘残缺裂缝表面污渍表面异物扣眼堵塞等,完成了大部分的纽扣缺陷检测,提高检测效率与准确率

1、缺陷检测

纽扣的缺陷检测的流程主要分为以下步骤:(1)图像滤波;(2)边缘检测;(3)阈值分割

1.1图像滤波

在纽扣图像的采集中,由于光照不均或者CCD相机自身的原因,导致数字图像在传输过程中受到多种噪声的污染该噪声在图像上表现为较强视觉效果的孤立点或像素块,从而扰乱有用的信息。为了解决此问题,采用了均值滤波器,优点在于其快速简单

1.2 边缘检测

图像边缘检测[1]中,抑制噪声和边缘精确定位是无法同时满足的,而Canny 算法则是在抗噪与精确定位之间寻找最佳折中方案其基本思想是先对图像进行高斯滤波,再采用非极大值抑制技术处理得到边缘图像,算法步骤如下:

1)高斯滤波对图像进行平滑:

image.

公式(1)中,σ为平滑程度的参数σ越小,精度越高,信噪比越低;σ越大,则反之


2)用一阶偏导的有限差分来计算梯度的幅值和方向先求出一阶偏导为:

image.


3)对梯度幅值进行非极大值抑制细化图像中的屋脊带,即只保留幅值局部最大的点,通过标记候选边缘点来得到候选边缘图像

4)用双阈值法进行检测以及边缘的连接1是对纽扣图像进行边缘检测的结果:

image.


1。3阈值分割

根据纽扣图像背景为纯黑色的特点,对纽扣整体进行提取,去除背景,以便于提取表面特征。

去掉背景之后,对纽扣图像进行Otsu分块阈值。Otsu法根据纽扣图像的灰度特性,将其分成背景和目标两部分背景和目标之间的类间方差越大,说明图像的两部分差别越大在此方法中,定义为两个类的方差加权和为:

image.


其中xi)为第i个直方图对应的值。同样计算出大于阈值t的右侧直方图的w2t)和μ2t。类概率和类均值进行迭代计算,从而得出[01]范围上的阈值。2是两类纽扣的阈值分割结果,其中白色文字纽扣经过了预处理。

image.


2、实验结果与分析

根据以上方法进行实验,将两种不同类型的纽扣分别提取缺陷特征并进行分类其中,纯白色纽扣41个,白色文字纽扣28实验结果如下:

1)根据圆度,将有边缘缺陷的纽扣分离出来,圆度接近于1的说明完整性越好,人工设置阈值进行边缘缺陷的提取圆度公式如下:C=4πS/L210

其中S表示面积,L表示周长,C表示圆度。

2)根据扣眼的个数判断是否存在扣眼堵塞,结果如图4所示

3)将扣眼的大小与标准值进行比较,判断是否属于大小眼

4)根据阈值分割后缺陷的最小外接矩形的长宽比计算出来是属于裂缝还是污渍

实验结果表明,纯白色纽扣的整体缺陷检测结果较好;白色文字类型的纽扣能将其边缘裂缝扣眼个数及大小很好地检测出来,而污渍受到文字的干扰未能很好地分离出来


3、结束语

文中提出了基于机器视觉的方法对纽扣缺陷进行检测,采用了模板匹配边缘检测阈值分割等算法对纽扣的缺陷特征进行提取与传统的纽扣缺陷检测相比提高了检测速度以及精度,节约了检测成本。但文中采用纽扣种类较少,所以如何将算法广泛地应用到各种纽扣当中进行缺陷检测,将是下一步的研究重点