机器视觉在布匹质量检测中的应用

机器视觉就是用机器代替人眼来做测量和判断,机器视觉系统通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

今天京科智造和大家聊聊机器视觉在布匹质量检测中的应用。

机器视觉在布匹瑕疵检测中的应用

对布匹质量的检测是重复性劳动，在现代化流水线后面常常可看到很多的检测工人来执行这道工序，给企业增加巨大的人工成本和管理成本的同时，却仍然不能保证检验合格率，容易出错且效率低。

在大批量的布匹检测中，用人工检查产品质量效率低且精度不高，因此越来越多的流水线进行了自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的流水线。在流水线上，采用机器视觉的自动识别技术完成以前由人工来完成的工作，对所有布匹的颜色及数量进行自动确认（以下简称“布匹检测”），用这种检测方法可以大大提高生产效率和生产的自动化程度。

机器视觉在布匹外观检测中的应用

特征提取辨识

一般布匹检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准,然后拍摄被检测的图像，再将两者进行对比。

但是在布匹质量检测工程中要复杂一些：

1． 图像的内容不是单一的图像，每块被测区域存在的杂质数量、大小、颜色、位置不一定一致。

2． 杂质的形状难以事先确定。

3． 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。

4． 在流水线上，对布匹进行检测，有实时性的要求。

由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。

机器视觉在色差检测系统中的总体结构

Color检测

一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红（R）绿（G）蓝（B）三个成分组成，来表示RGB色彩空间中的一个点，问题在于这些色差不同于人眼的感觉，即使很小的噪声也会改变颜色空间中的位置，所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB，目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。

Blob检测

根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计算出色斑的面积，以确定是否在检测范围之内。因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能。

结果处理和控制

应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。根据识别的结果，存入数据库进行信息管理，以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排，可以获知布匹的质量情况等等。