布匹疵点自动检测系统的研究和设计

摘要
纺织品生产中，质量控制是非常重要的，布匹疵点的检测是其中重要的一部分。

目前疵点检测仍由人工目视完成，检测效果不稳定，检测结果受到检测人员的训练和熟练程度影响。

因此纺织工业开始转向使用自动布匹检测。

自上世纪90年代以来，自动布匹检测一直是纺织工业自动化研究的热点。

本文提出了一种基于机器视觉的布匹疵点自动检测系统的设计方案，其中包括系统软、硬件总体设计，图像采集模块的设计，疵点检测算法和疵点分类算法的研究和设计等。

布匹图像采集、疵点检测算法是系统设计的重点。

首先，在简要介绍了采集图像卡原理的基础上，本文给出了图像采集软件的设计方案。

软件分为三个层次，包括图像卡驱动程序，图像卡接口函数库，系统图像采集模块。

这种设计方式有利于软件的维护。

接着，本文讨论了疵点检测的算法研究和设计。

疵点检测目的在于提取疵点的信息。

本文把疵点检测的任务进行了分解，分为疵点检测、疵点分类和疵点分割三个层次。

同时，通过对疵点检测的深入分析以及对前人的研究成果的总结，本文分别提出了基于小波分析的疵点检测算法和基于BP神经网络的疵点分类算法。

疵点检测算法，通过构造和优化选择小波的方法，来提高算法的检测效果和自适应能力；疵点分类算法着重考虑布匹疵点特征的选取和BP网络学习算法的优化。

本文讨论的布匹疵点自动检测系统目前仍在研究和设计中，虽然已经取得了一定的成果，但还有许多地方需要进一步的改善，才能满足实际布匹检测的需要。

在本文的最后，给出了一些系统改进的想法。

关键词：布匹检测；机器视觉；图像采集；驱动程序；疵点检测；小波分析；
疵点分类；BP神经网络
Abstract
In the process of textile production, quality control is very important. Detection of fabric defects is an important part of this. Presently, much of the fabric inspection is performed manually by human inspectors. Many defects are missed, and the inspection is inconsistent, with its outcome depending on the training and the skill level of the personnel.
Since 1990's, automation of fabric inspection has been a topic of considerable research in automation of textile industry. In this paper, a project of design of automatic fabric inspection system is bringing forward. It includes the system hardware structure design, software structure design, image capturing module design, fabric defects detection algorithm and defects classification algorithm design and research. Fabric image capturing and fabric defects inspection algorithm are the key points of system design.
First, after briefly introducing the principle of the image capturing card, we give the software design of fabric image capturing. The software is divided into three level parts. It includes Windows driver of image capturing card, the API(Application Programming Interface)of the card, fabric image capturing .This software architecture avail to software maintenance.
Second, we discuss the research and design of algorithms of automatic inspection of fabric defects. The arm of fabric inspection is finding the information of fabric defects. We divide the task of fabric inspection into three parts: defects detection, defects classification, defects segmentation. Base on the deeply analysis fabric inspection and summarizing the research before, we propose a fabric detection algorithm using wavelet analysis, and an fabric classification algorithm using BP Neural Network. Fabric detection algorithm creates and optimizes to select the wavelet in order to improve it's detection effect and capability of self-adaptation. Fabric classification algorithm considers the fabric feature parameters selection and optimization of training algorithm of BP neural network.
The fabric defect automatic inspection system in the paper is still in research and design. Though some achievement have been got, the system has many parts should improve in order to satisfy the need of the fabric industry. In the end of the paper, we give
some idea to improve the system.
Key words: Fabric Inspection; Machine Vision; Image Capturing; Device Driver;
Fabric Defect Detection; Wavelet Analysis; Fabric Defect Classification;
BP Neural Network
独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。

尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。

对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名：
日期：年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保密 ，在________年解密后适用本授权书。

本论文属于
不保密
（请在以上方框内打“√”）
学位论文作者签名： 指导教师签名：
日期：年月日日期：年月日
1 绪论
1.1 布匹检验的现状与发展趋势
纺织工业是关系到国家经济和人们生活的重要行业，是我国出口创汇的重要领域。

过去我们的生产自动化程度低，效率低，市场供不应求。

改革开放以来，纺织工业得到了快速发展，如今的纺织工业普遍的使用自动化技术，整个生产流程的连续化，使生产效率得到了极大的提高，产品数量和种类日益丰富。

但是我们也看到，产品的质量良莠不齐，质量没有得到有效地保证和控制。

随着我国市场经济的发展和加入WTO，各行业都面临着全球范围的竞争。

产品质量的提高和生产成本的降低成为竞争的关键，这使得产品质量作为竞争能力的重要体现愈来愈受到重视。

质量控制越来越受到现代企业普遍的关注。

[1][2]
在纺织工业这个大规模连续化的生产体系中，加工工艺流程的检测，原料、半成品及成品的检测对于最终的产品质量至关重要。

在众多的织物检测项目中，布匹表面疵点的检验是非常重要的一个环节。

布面疵点是影响织物品质的主要因素。

即使在美国，服装行业约85%的服装劣质原因与织物疵点有关。

[2][3][4]
长期以来，布匹疵点检测都是由人工完成的。

这种方法有很多弊端。

首先，人工检测严重降低了纺织工艺流程中的自动化程度，检测速度一般在15-20米/分。

其次，人工检测依靠验布人员的经验和培训的熟练程度，以及评判标准的不稳定和不一致，因而经常会产生误检和漏检。

据测试，即使最熟练的验布工人也只能发现大约70%的疵点。

第三，疵点检测对工人来说是一个繁重无味的体力劳动，而且极大地伤害了验布工人的视力。

[3][5]
由于传统的人工检测方法存在劳动强度大，漏检和误检率高，受主观因素影响大等缺点，因而急需发展新颖、快速、检测率高的布匹疵点自动检测系统来代替人工的检验工作。

随着计算机技术的飞速发展，计算机视觉(机器视觉)已经在工业检测中得到广泛的应用，利用机器视觉进行布匹疵点检测是发展的必然趋势[2][4]。

以计算机视觉来代替人工视觉不仅可以提高检测速度，降低劳动成本，而且可以充分发挥计算机
视觉系统的稳定性，把工人从繁重枯燥的劳动中解放出来，提高了整个生产流程的自动化程度。

随着纺织品对外贸易的发展，织物疵点自动检测可以为纺织品的等级的评定提供双方可信的参考数据，从而有利于纺织品贸易的开展。

[5]
随着近年来计算机技术和视觉检测手段的飞速发展，经历了30多年的研究，近几年国外已经开始推出了性能各异的布匹检测系统，投入商用[6][7]。

但是产品还不够成熟，而且成本偏高，还没有得到广泛的应用。

目前，大部分的布匹检测工作仍然由人工检测完成。

[7]
1.2 布匹疵点自动检测系统的发展现状
为了提高纺织生产的自动化程度，进一步降低生产成本，纺织工业对布匹检测的自动化的需求日益迫切，所以布匹疵点的自动检测是近年来国内外学者一直关注和研究的热门课题。

20世纪90年代以来信息技术的高速发展，使得计算机技术、信号处理技术得到飞速的进步，同时随着计算机硬件性能的不断提高，数字成像系统的发展，使得机器视觉在工业上开始广泛的应用，这给自动检测提供了新的方法和手段。

经过多年时间的研究，基于计算机视觉的疵点检测的研究已经取得了许多成果，其中大部分以算法、专利或样机的形式被报道，最近已经有了较为成熟的商用布匹疵点自动检测系统开始进入市场。

目前市场上主要有比利时BARCO公司的Cyclops在线验布系统、以色列爱微丝(EVS)公司的I-TEX验布系统和瑞士Uster公司的Fabriscan自动验布系统。

[6]
1. EVS公司的I-TEX验布系统[6]
图1-1 EVS公司I-TEX验布系统
图1-1是一个已安装好的I-TEX200系统。

在ITMA 99国际展览会上 EVS 公司展出了它的I-TEX验布系统。

该验布系统用于检测单色、简单组织织物, 在330 cm幅宽时能以100 m/ min 的验布速度检测出小至0. 5 mm的疵点。

系统采用神经网络技术，检测时，首先是初始的学习阶段，用时约1 min，对织物的第一米记录其正常外观特征参数，然后进入检测阶段，寻找与正常外观不同的局部异常，对其分析、标记并记录。

另外，检测结果可输入集成的质量管理系统，对疵点分类，进一步对织物质量评价。

I-TEX系统在国内的德州纺织厂得到了应用。

2. BARCO公司的Cyclops在线验布系统[6][7]
图1-2是Barco公司的视觉Cyclops在线布匹检测系统。

它不同于EVS和Uster 系统的是它拥有一个可以游动的摄像头，这使得它可以自由的适应布匹的宽度，而无需增加摄像头的数量。

Cyclops在线验布系统和相应的织布机一起工作，是一种在线疵点检测系统。

Cyclops当检测到严重疵点或者一个不断增长的疵点时，便会停车，进行修整。

Cyclops扫描系统包括CMOS摄像头和照明系统。

检测软件在系统特殊硬件里和PC机里协同工作。

每个Cyclops扫描头能扫描布匹宽度为260厘米。

图1-2 Barco公司的Cyclops在线验布系统
3. Uster 公司的Fabriscan 自动验布系统[6][8]
图1-3展示的是Uster公司的最新的验布系统。

表面看起来Uster公司是自动布匹检测系统的新成员，但实际上该公司在1983年就开始研究开发该系统了，当时的系统不太成功。

该公司的最新系统Fabricsan能检测布匹速度达120米/分，检测解析度0.3毫米。

它能检测布匹的宽度为110-440厘米。

Uster系统已经在欧洲市场上有了几家安装。

Uster的不同之处在于它特有的Uster Fabricclass(布匹类)。

布匹类分为两个
坐标轴，Y轴表示不同的疵点类型对比，X轴表示疵点的长度。

系统保存检测结果到数据库中，产生相关质量报表。

图1-3 Uster公司的Fabriscan验布系统
这些验布系统均采用价格非常昂贵的硬件来实现，高性能的计算机，以达到高速检测的目的。

每种系统系统成本都高达$100,000-500,000，投资的回收周期一般在2-3年。

在国内，目前对织物疵点进行自动检测的研究尚处于起步阶段，因而尚没有较好的成果报道，但这并不意味着我们可以完全放弃在该领域中与国外同行进行竞争。

目前这个市场还未完全成熟，国内已经有相关的研究和开发在进行中。

[2]
1.3 机器视觉在织物检测中的应用研究
机器视觉即计算机视觉。

计算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑对图像进行处理和解释。

[10][11]计算机视觉是一门迅速发展的新兴学科，涉及到人工智能，计算机科学，图像处理，模式识别等多个领域，是一门多学科交叉的边缘学科，其中它和图像处理、图像分析和图像识别的关联最为密切。

机器视觉技术在过去的20多年中取得了很大的发展，在工业检测中得到了广泛的应用。

它有如下突出的优点：[12][13]
1) 结构简单，
2) 低成本，
3) 高可靠性高稳定性，
4) 检测速度快，
5) 精度高。

随着上个世纪80年代，信息技术的快速发展，随着计算机技术、数字图像技术和神经网络技术的发展[6][12][14],使得基于图像处理和微型计算机平台的织物疵点检验成为可能。

因此，从20 世纪90 年代初开始一直到现在,图像处理用于疵点检测的研究形成了一个高潮。

中国台湾、韩国、日本、美国、以色列和瑞士等国家的学者发表了大量研究论文，文章参考和借鉴了其他工业检测系统的开发经验以及数学和计算机等学科的最新科研成果，理论水平不断提高[6]。

国内的相关研究和开发也在逐步展开。

1.4 课题的来源、目的及意义
1.4.1 课题的来源
布匹疵点自动检测系统这个研究课题，是在为了弥补国内在这方面的空白，改进国外产品的不足的基础上提出的。

本课题在实验室原有的纺织自动化系统的开发基础上，做进一步的研究和开发，以提高整个系统的自动化程度和精度。

1.4.2 课题的目的和意义
我国经过十五年的拼搏已成为世界贸易组织成员，“纺织”备受国内媒体关注，纺织品入世后面临巨大商机，也面临更大的挑战；而且与国际强手过招，挑战将异常严峻。

在贸易方面我们应请醒地认识到：一切都要和国际标准接轨。

我国是纺织大国，可以想象布匹检测将消耗大量的人力物力，不利于产业的发展和纺织产品的国际竞争，使用布匹疵点自动检测系统是发展的必然。

近几年国外才出现一些商用的布匹检测设备。

但检测技术并未完全成熟，还有待改进，而且国外设备价格非常昂贵，不适应中国国情；同时，我国的纺织工业有着自己的特点，设计适应我国纺织业的检测设备，以满足国内市场的迫切需求是非常必要的。

为满足国内与国际市场需求，抢占纺织检测设备市场，研究和开发“布匹疵点自动检测系统”在促进我国纺织工业的科技进步、满足我国纺织工业的发展需求、替代进口、发展自主技术产品等方面都具有重大意义。

1.5 本文研究的主要内容
本文是在布匹疵点自动检测系统的实际研究和设计基础上完成的，本文的主要研究内容有以下几个方面：
1) 在对整个系统分析的基础上，提出了利用机器视觉实现布匹疵点自动检测系统。

分别提出了系统的硬件总体结构原理和软件的模块构成，讲述了各个模块的基本功能。

2) 简要介绍了PCI图像采集卡的硬件结构原理，讨论了采集卡WDM驱动程序的设计，同时给出了图像卡的应用接口函数，在此基础上给出了系统采集模块的基本流程。

3) 对疵点检测分析的基础上，探讨了疵点检测的各种方法及其利弊。

在此分析基础上，深入地讨论了小波分析法在疵点检测中的应用。

4) 在分析图像模式识别的基础上，提出了利用BP神经网络进行疵点分类的算法。

2 系统总体方案设计
2.1 系统分析和系统性能要求
2.1.1 布匹疵点检测过程分析
在设计布匹疵点自动检测系统之前，我们先研究一下人工的检测过程：在一定灯光照明条件下，工人控制布匹的转动，同时用肉眼扫描布匹幅度大小的地方，如果发现疵点则停转布匹，然后根据出现疵点的类型在相应的布边上打标记，随后在报告单上记录疵点出现的情况，然后再继续布匹的转动。

待一卷布检查完后，工人就可以根据报告单上的统计结果，对布匹的级别作粗略的评价。

在最后的处理阶段，则由工人根据布匹上的标记类型，对出现疵点的地方做尽可能的修补。

可见人工的整个检测过程包括人眼扫描布匹，查找疵点，根据疵点类型作标记，对疵点进行评分，统计疵点信息等几个部分。

人工检测的情形如图2-1所示：
图2-1 人工布匹疵点检测的情形
但人工检测需要不断消耗大量的人力，损坏验布人员的视力，而且会因为人为因素使得检测效率不高，检测速度慢。

为了模拟人工检测过程，同时克服其缺点，我们利用机器视觉来代替人工视觉对布匹进行检测，实现布匹疵点的自动探测、定位、评分、记录等功能。

这要求我们设计的布匹疵点自动检测系统完成下面的工作：首先，要能在布匹以一定的速度转动时，系统能获得稳定清晰的图像，作为布匹检测的输入；
其次，必须能以足够的速度对获得的图像数据进行处理，定位出疵点的位置并能实时显示疵点图像，设置打标记单元和报警单元；同时，系统能对检测出的疵点进行分类，具有一致的、可靠的质量划分标准；最后，系统要能对出现的疵点信息进行存储，以便对其进行分析和统计，完成检测的报告。

2.1.2 系统性能要求
系统实现的关键在于如何提高机器视觉系统对布匹图像的处理速度和检测精度，以满足如下一些对系统的性能要求：
1) 实时性。

系统要求及时的跟踪布匹传输，以提取布匹的图像，发现疵点。

同时具有远高于人工检测的速度，能和织布机同步。

这要求系统有高性能硬件和高效率的检测算法支持。

2) 高检测精度。

检测精度一般有两个指标来度量：误检率和漏检率。

检测精度定义为：精度＝(1－漏检率)*(1－误检率)。

漏检率和误检率越低，检测精度越高。

影响检测精度的因素很多，如所提取图像的失真，检测算法的精度等。

[5]
3) 高分类精度。

即系统要能快速准确地鉴别和分出大小、方向、形状各异的疵点类型。

这是对疵点分类算法的性能要求。

4) 性能稳定性。

即要求系统对各种复杂的条件和检测对象都具有稳定的，快速的，高效的检测效果。

首先保证系统硬件的稳定可靠；然后要求检测算法对不同的布匹具自适应的能力。

2.2 系统硬件结构组成
本检测系统是一个典型的机器视觉系统。

机器视觉的工作原理大都包括一下几个过程：图像采集，图像预处理，特征提取，判决和控制等步骤。

其系统一般由：照明系统，图像采集系统，图像处理和分析系统等组成。

[12][13]
根据与实际人工检测的情形对照，自动布匹检测系统的一般由如下一些部分构成：照明系统，布匹传动系统，布匹图像采集系统，疵点图像检测模块，疵点图像分类模块和图像信息管理模块等。

[13][15][16]其中照明系统，传动系统，和图像采集系统构
成视觉采集平台，由照明设备，图像采集卡和相应的机械和传动部分组成。

疵点检测部分和疵点分类部分为布匹检测算法的核心模块。

疵点检测部分负责对采集到的布匹图像进行分析，判断布面上是否存在疵点；疵点分类部分负责对检测阶段检测出的疵点图像进行类别判定。

在系统运行前需要先处理布匹的标准样本(无疵点样本)，得到一些标准参数，为系统检测疵点做准备。

处理过程中所获取的疵点类型特征、数量、位置等信息被保存在一个布匹疵点信息数据库中，可供输出和查询，以便后期有关人员根据当前疵点的主要分布对布匹生产进行相应的调节。

这些模块将在高性能的图像工作站上工作。

通过对系统的分析设计，我们给出该系统的原理图，如图2-2：
图2-2 疵点检测系统的结构原理图
由上图可见，系统硬件部分主要由图像采集系统和图像工作站组成。

1)图像采集系统[3][13]
图像采集系统负责为系统提供稳定清晰的布匹图像，保证图像信息不丢失和破坏，为图像工作站提供最接近实际布匹的图像数据。

这里所说的图像采集系统，指的是整个图像获取的系统构成部分，即布匹的机械传动部分，照明部分，线扫描CCD相机以及图像采集卡等。

机械传动部分完成对布匹的传动，平整，使摄像机能很好的正对布匹表面获得高质量布匹图像，减少不必要的干扰。

同时传动系统的速度由一个加法或加减法编码器检测，并把布匹移动速度信号传送到图像采集卡中，触发CCD相机进行线扫描。

很显
然，编码器(包括采集卡对编码器信号的处理)的触发速度决定了采集的布匹图像的纵向解析度，即布匹每移动多长距离采集一次，代表图像中的一行。

由于布匹中某些疵点比较细微，因此要求图像分辨率在2-3 pixel/mm以上，并要求采集的图像具有较高信噪比。

我们选择线扫描CCD摄像头，设定为高分辨率，为2048；同时摄相机的架设高度确定摄像机的视场。

这两个因素决定所采集图像的横向分辨率，一般可设定为2048pixel/m的高精度，以确保检测的精度。

照明技术的运用，对视觉检测系统尤为重要。

它对提高采集的图像的清晰度，减少干扰有很大作用，同时也可增强图像上的疵点特征，使疵点更加突出，有利于疵点检测精度的提高。

一般选用高频率无闪烁光源，对布匹进行反射或透射照明。

图像采集卡由自行设计，由线扫描相机控制逻辑，线扫描数据收集和保存，数据处理和传送等部分组成。

其中影响图像质量的主要控制因素是CCD相机曝光时间控制。

曝光时间决定CCD传感器的感光时间，最终影响图像的灰度。

一般被设定为固定值，以保证所有采集的图像灰度一致。

图像卡及时的收集采集的图像数据，等到形成一帧的数据后，便对图像进行预处理或及时传送图像数据到PC上，以免发生采集数据混叠，丢失图像数据。

图像采集部分的实时数据流大小，由图像的横向解析度，纵向解析度，以及实际布匹传动速度决定。

假设布匹宽2m，走布速度为2m/s，假设横向和纵向解析度均为2048pixels/m，则采集图像的数据流速度为16MB/s，数据量较大。

2) 图像工作站[3][13]
图像工作站接收采集系统提供的布匹图像数据，对图像进行分析，检测找出疵点，对疵点进行分类，同时布匹疵点的信息保存到数据库中，做进一步的处理。

图像工作站一般选用高性能高速度的工业PC机来实现，系统选用具有优越图像处理性能的Windows2000平台，以满足系统对实时性的要求。

2.3 系统软件模块组成
系统的图像采集系统提取布匹图像后，将数据传输给图像工作站中，作进一步处理。

采集卡与工作站之间利用PCI总线通信，同时还要求工作站提供该的图像卡的驱
动程序和函数库，使得工作站上的软件能由此实现对图像卡的控制和数据采集，进而完成疵点检测、疵点的分类、疵点信息保存等功能。

系统的软件构成如图2-3：
图2-3 疵点检测系统的软件模块
1) 图像采集和控制模块
虽然图像采集动作最终由数字相机和硬件采集卡完成，但要完成采集卡的控制、采集数据从相机经过采集卡上传到工作站等一系列动作，则需要工作站上相应的软件模块的支持。

这些模块包括：采集卡的驱动程序，采集卡的应用函数库和本系统的图像采集程序。

图像采集卡的驱动程序完成对硬件的访问，而采集卡的应用函数库，则调用驱动程序，做更多具体的工作，最终图像采集程序利用采集卡的应用函数库来实现布匹图像的采集。

这三个部分是层次关系的，正如图2-3所示。

2) 疵点检测模块
疵点检测模块完成对布匹图像上的疵点的检测，找出疵点并定位。

实际上，我们研究疵点检测算法是针对256*256的标准大小的子图像进行分析的，而最终的疵点检测程序则调用该算法进行具体的检测。

所以疵点检测程序首先要把采集的原始图像进行分块，然后分别对各个小块进行疵点检测。

检测算法选用自适应小波分解算法。

首先利用正常的布匹图像对算法进行训练，得到优化选择的小波和正常的布匹特征参数；然后在检测时把图像分解成4个1/4大小的LL，LH，HL，HH子图像，通过对子图像的能量分析，判断是否存在疵点。

本模块对实时性要求高，所以对算法的速度有很高的要求，为了提高系统的整体性能，还可以考虑使用在特殊硬件里实现。

3) 疵点分类模块
疵点分类模块可以认为是疵点检测的进一步深化和扩展，它完成对被检测出疵点进行分类，评分等。

由于布匹疵点的多样性和多变性，一般的模式分类方法不能适用。