基于纹理特征解耦的可重构织物表面质量视觉检测技术基础研究

纺织品质量检测是提升产品质量、及早发现疵点以降低废品率的有效手段。然而传统的人工检测依靠肉眼比对发现疵点，易导致视觉疲劳，检测效率低，且受主观因素影响而误检率与漏检率高。本项目拟针对织物规格的多样化、纹理的差异性以及自身的柔软性等特点，首先深入研究可重构视觉检测理论，探索采用软件芯片技术实现异构硬件互联、疵点识别算法、用户界面定制以及质量评价等多层面重构技术；以最适合识别的纹理为目标控制织物表面张力，系统分析并揭示织物纹理随表面张力波动的变化规律。在此基础上，研究纹理特征提取方法与纹理特征集元素间的耦合关系，采用遗传算法进行特征解耦与最佳纹理特征选择，以消除冗余信息，兼顾识别的精度与速度，并采用模糊理论和织物等级标准建立织物质量综合评价模型，以最终形成具有自主知识产权、通用、高速、高精度的织物表面质量视觉检测与评价技术，为织物及其它相关产品质量控制领域的视觉研究与应用提供理论支撑。

传统的纺织品质量人工检测依靠肉眼比对发现疵点，易导致视觉疲劳，检测效率低，且受主观因素影响而误检率与漏检率高。为克服人工检测的不足，本项目研究了基于机器视觉的织物表面质量视觉检测与评价理论与方法。针对织物规格与检测需求的多样化，设计了可重构的视觉检测体系，研究了基于软件芯片的视觉检测重构模式，实现了异构硬件互联与通用图像获取、视觉检测算子库及接口、算子的搜索与匹配、用户界面的可视化定制以及网络拓扑等多层面的重构。建立了织物纹理随表面张力波动的变化规律，以最适合识别的纹理为目标采用增量式PID算法控制织物表面张力。研究了灰度共生矩阵与灰度-梯度共生矩阵等织物纹理特征提取方法，以及基于遗传算法的纹理特征解耦与最优特征选择理论，以消除冗余信息，并依据识别的特征信息建立了基于四分制标准的织物质量综合评价模型。通过以上内容的研究，最终形成了具有自主知识产权、通用、高速、高精度的织物表面质量视觉检测与评价系统，可及早发现疵点以降低废品率，提升织物质量，并为织物及其它相关产品质量控制领域的视觉研究与应用提供了理论支撑。