色婷婷亚洲精品综合影院-亚洲精品另类一区-久久久黄色视频网址-欧美日本韩国五月天-欧美一级特黄一区二区-欧美日韩精选一区-成人亚洲欧洲视频-日本一级黄色毛片-91精品国产91久久久久久国产三级-亚洲黄色成人在线视频

文章標題：機器視覺自動化檢測織物疵點！

織物疵點檢測是紡織品質量控制中必不可少的環節,隨著工業技術的發展,精質研發了基于機器視覺的織物疵點檢測，逐漸成為紡織企業發展的必然趨勢。傳統的織物疵點檢測方法都是由檢驗人員來完成,有數據表明：一個較為熟練的檢驗人員的驗布速度不超過20 m/min,驗布的幅寬在1 m之內,檢驗效率約70%。并且,織物疵點可出現在生產過程中的任何階段,疵點的形狀和種類千變萬化,給疵點識別帶來了諸多的困難。因此,以快速和可靠機器視覺來代替低效的人工視覺,實現織物疵點自動化檢測,具有重要的經濟效益和現實意義。

　　織物疵點檢測方法

　　一般根據對圖像處理的原理不同,織物庛點檢測可以分為如下幾類：結構方法、統計學方法、頻譜分析方法、基于模型的方法以及基于學習的方法。本文主要對近幾年檢測算法的z新研究進展進行了分類探究和分析,比較了各種算法的優劣勢,著重分析基于支持向量機和深度學習方法的特性。

　　基于結構方法的織物疵點檢測

　　結構方法將紋理視為紋理基元的組合,紋理分析通過獲取紋理特征并推斷其替換規則來執行。根據這種方法,織物圖案的紋理可以通過簡單紋理結構的組合來實現。結構紋理分析包含兩個順序階段：基本織物紋理的檢測整體織物紋理圖案的建模。Abouelela等，進行了結構疵點的檢測,但是結構方法的可靠性很低,結構化方法只能將織物疵點從非常規整的紋理中分離出來。