機器視覺代替人體視覺在紡織檢測中的應用

1 　機器視覺的研究內容 　　人們從外界環境獲取的信息中,80 %來自于視覺,其它來自于觸覺、聽覺、嗅覺等感覺器官。當人們的眼睛從自己周圍的環境獲取大量信息,并傳入 大腦后,由大腦根據知識或經驗對信息進行加工、推理等處理工作,zui后識別、理解周圍環境,包括環境內的對象物,如運動物體與物體間的相對位置、形狀、大小、顏色、紋理、運動還是靜止等。機器視覺就是用計算機模擬人眼的視覺功能,從圖像或圖像序列中提取信息,對客觀世界的三維景物和物體進行形態和運動識別。機器視覺研究的基本目的之一就是要尋找人類視覺規律,從而開發出從圖像輸入到自然景物分析的圖像理解系統。對于機器視覺系統來說,輸入是表示三維景物投影的灰度陣列(可以有若干個輸入陣列) ,這些陣列可提供從不同方向、不同視角、不同時刻得到的信息。希望的輸出是對圖像所代表景物的符號描述。通常這些描述是關于物體的類別和物體間的關系,但也可能包括如表面空間結構、表面物理特性(形狀、紋理、顏色、材料) 、陰影以及光源位置等信息。目前許多機器視覺專家都是在馬爾(Marr) 創立的視覺計算理論框架下求索。 2 　機器視覺與人類視覺的差異 　　對于人的視覺來說,由于人的大腦和神經的高度發展,其目標識別能力很強。但是,人的視覺也同樣存在障礙,例如,即使具有一雙敏銳視覺和極為高 度發達頭腦的人,一旦置于某種特殊環境(即使曾經具備一定的檢驗知識) ,其目標識別能力也會急劇下降。事實上人們在這種環境下,面對簡單物體時,仍 然可以有效而簡便地識別,而在這種情況下面對復雜目標或特殊背景時,才會在視覺功能上發生障礙,兩者共同的結果是導致目標識別的有效性和可靠性的大幅度下降。將人的視覺引入機器視覺中,機器視覺也存在著這樣的障礙。它主要表現在3 個方面:1) 如何準確、高速(實時) 地識別出目標;2) 如何有效地增大存儲容量,以便容納足夠細節的目標圖像;3) 如何有效地構造和組織出可靠的識別算法,并且順利地實現。前兩者相當于人的大腦這樣的物質 基礎,這期待著高速的陣列處理單元以及算法(如神經網絡[1 ] 、分維算法[2 ] 、小波變換[3 ] 等算法) 的新突破,用極少的計算量以及高度地并行性實現功能。 3 　機器視覺檢測中幾種基本技術 311 　訓練系統 先將參考織物或圖片的圖像輸入微機圖像處理系統,選擇并計算可表示圖像特征的參數,以確定疵點或圖形的分類指標,如灰度級,疵點或圖形的面積,疵點在經緯向尺寸、形態等,是系統獲得這些指標的標準。然后將所測試的織物輸入,計算其各點灰度值及一些需比較的特征參數與標準比較,確定疵點或圖形分類。 312 　樣板匹配 求得某一圖像哪一部分對應另一圖像的哪一部分是或比較2 幅圖像的相似度時,采用樣板樣匹配的方法。一般將樣板t ( x , y) ,令其中心與圖像的一點( i , j) 重合,逐點檢測,找出差距小于閾值的部位,定位相同或相似的,大于閾值的部位,定為不同或不相似的點。 313 　二值化處理 為將圖形與背景分離,根據灰度值確定一定灰度域值。將灰度值大于此域的點置為1 ,小于此域值的點為0。使圖像變為黑白二值圖像,便于圖形特征測量和結構分析描述。 314 　腐蝕和膨脹 腐蝕可使輪廓邊界收縮,膨脹可使輪廓邊界膨脹,腐蝕和膨脹的不同組合,不同處理次數,可以得到不同的圖形效果,如使圖像中的小孔使之檢測出來或使之消除。 315 　細線化 對給定的圖形使之細化,從而提取線寬為1 的中心線的操作。在細線化中,不改變原圖的連接性,使圖形骨架輪廓結構清晰,便于計算,不會因邊界上的小凹凸而產生毛刺。在計算非織造布纖維取向度是用此法處理。 316 　紋理分析 在分析縐組織的縐效果或羊絨的鱗片結構時,須用紋理分析的方法。紋理分析內容包括:紋理特征的計算(如直方圖特征、灰度共生矩陣、傅立葉特征) 微粒區域的分割與紋理邊緣的檢測。 “具體可以解決的問題如： 1，紡織布料識別與質量評定、 　　2，織物表面絨毛鑒定、 　　3，織物的反射特性、 　　4，合成紗線橫截面分析、 　　5，紗線結構分析等。 　　6，此外還可用于織物組織設計、花型紋板、棉粒檢測、分析紗線表面摩擦等。 ” QCROBOT可提供此機器視覺模塊及工程解決方案。