基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法及裝置的製作方法
2023-04-25 20:54:46 1
專利名稱：基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法及裝置的製作方法
技術領域：
本發明涉及布匹疵點檢測技術領域，具體涉及一種利用改進的差分盒多重分形算法對布匹疵點進行在線自動檢測的方法及裝置。
背景技術：
布匹的質檢通常由檢驗人員進行，這種方法存在檢測速度慢，誤檢和漏檢率高，工人勞動強度大等很多弊端，因而急需發展快速、檢測率高的布匹疵點自動檢測系統來代替人工檢驗。機器視覺技術就是利用機器代替人眼來做測量和判斷。機器視覺系統是指通過攝像機等設備將要檢測的目標轉換成數位訊號，並傳送到對應的圖像處理系統，系統根據要求進行檢測，記錄檢測結果或者根據結果進行現場控制。多重分形算法是一種高效的測量物體紋理變化的算法，根據不同紋理的多重分形維數的差異，配合機器視覺技術即可快速檢測布匹疵點。但目前的差分盒多重分形算法存在盒子數量計算不精確的問題，該問題主要是由於「空盒子」的存在引起的，即盒子數量計算過多而引起的，最終導致布匹疵點檢測精確度不夠。
發明內容
本發明的目的是為了克服人工對布匹的質檢速度慢、效率低以及採用現有的差分盒多重分形算法由於盒子數量計算過多導致布匹疵點檢測精確度不夠的問題，提供一種基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法及裝置，不僅可以提高布匹檢測精度，還可以大大降低檢測工人勞動強度，提高勞動生產率。為了解決上述技術問題，本發明所採用的技術方案是一種基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於包括以下步驟，步驟(I)，利用機器視覺獲取攝像機拍攝的檢驗合格的布匹的圖像，並將獲取的布匹的圖像送至計算機；步驟(2)，將步驟(I)傳送的布匹的圖像作為標準布匹圖像，提取標準布匹圖像的多重分形維數矩陣，並將多重分形維數矩陣存入步驟(I)的計算機；步驟(3)，根據用戶需要，設定標準布匹圖像的每一子塊的誤差率0i(i = 1,2,3......16)，並將每一子塊的誤差率存入步驟(I)的計算機；步驟(4)，利用攝像機實時拍攝待測布匹圖像，並送至步驟⑴的計算機；步驟(5)，提取步驟(4)所述的待測布匹圖像的多重分形維數矩陣，並將多重分形維數矩陣存入步驟(I)的計算機。步驟￠)，將上述存入步驟(I)的標準布匹圖像多重分形維數和待測圖像多重分形維數矩陣依次對比，若待測布匹圖像所提取的多重分形維數均在標準布匹圖像所提取的多重分形維數的誤差範圍σ i內，則計算機判斷布匹為合格，轉到步驟(4)繼續檢測；反之則為不合格，輸出織物疵點報告，並轉到步驟(4)繼續檢測。前述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於所述步驟(2)提取標準布匹圖像的多重分形維數矩陣採用改進的差分盒多重分形算法的具體包括以下步驟，(a)，對所述標準布匹圖像進行灰度化；(b)，對步驟(a)所得的標準布匹圖像進行直方圖均衡化；(C)，對步驟(b)所得的標準布匹圖像進行3X3均值濾波；⑷，將步驟(C)所得的標準布匹圖像分為大小相等的16個正方形子塊Imai (i
=1,2,3......16)，採用改進的差分盒多重分形算法提取子塊Imai的多重分形維數矩陣
Dq(i)，分別用4X4矩陣表示；(e)，將步驟(d)將得到的標準布匹圖像的多重分形維數矩陣Dq(i)存入步驟(I)的計算機；前述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於所述步驟(5)提取待測布匹圖像的多重分形維數矩陣採用改進的差分盒多重分形算法的具體包括以下步驟，(a)，對所述待測布匹圖像進行灰度化；(b)，對步驟(a)所得的待測布匹圖像進行直方圖均衡化；(C)，對步驟(b)所得的待測布匹圖像進行3X3均值濾波；(d)，將步驟(C)所得的待測布匹圖像分為大小相等的16個正方形子塊Imaji =
1,2,3......16)，採用改進的差分盒多重分形算法提取正方形子塊Imai的多重分形維數矩
陣Dq(i)，分別用4X4矩陣表示；(e)，將步驟(d)得到待測布匹圖像的多重分形維數矩陣Dq(i)存入所述計算機；前述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於所述步驟(2)的步驟(d)中提取標準布匹圖像的多重分形維數矩陣和步驟(5)的步驟
(d)中提取待測布匹圖像的多重分形維數矩陣過程中採用的是改進的差分盒多重分形算法，具體包括以下步驟，I)，將MXM像素的圖像分割成sXs的子塊，s取不小於的最小整數；2)，將圖像抽象為一個空間中的曲面，X、y表示平面位置，z為圖像(X，y)處的灰度值，將(X，y)平面分割成多個SXs的網格,並計算r的值r = s/M ；3)，所述每個網格上是一列sXsXh的盒子，h是單個盒子的高度，設定總的灰度
級是G,圖像灰度的平均值是μ、標準差是σ ,即
權利要求
1.基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於包括以下步驟，步驟(I)，利用機器視覺獲取攝像機拍攝的檢驗合格的布匹的圖像，並將獲取的布匹的圖像送至計算機；步驟(2)，將步驟(I)傳送的布匹的圖像作為標準布匹圖像，並提取標準布匹圖像的多重分形維數矩陣，並將多重分形維數矩陣存入步驟(I)的計算機；步驟(3)，根據用戶需要，設定標準布匹圖像的每一子塊的誤差率0i(i = 1，2，3......16)，並將每一子塊的誤差率存入步驟(I)的計算機；步驟(4)，利用攝像機實時拍攝待測布匹圖像，並送至步驟(I)的計算機；步驟(5)，提取步驟(4)所述的待測布匹圖像的多重分形維數矩陣，並將多重分形維數矩陣存入步驟(I)的計算機。步驟￠)，將上述存入步驟(I)計算機的標準布匹圖像多重分形維數和待測圖像多重分形維數矩陣依次對比，若待測布匹圖像所提取的多重分形維數均在標準布匹圖像所提取的多重分形維數的誤差範圍Oi內，則計算機判斷布匹為合格，轉到步驟(4)繼續檢測；反之則為不合格，輸出織物疵點報告，並轉到步驟(4)繼續檢測。
2.根據權利要求I所述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於所述步驟(2)提取標準布匹圖像的多重分形維數矩陣採用改進的差分盒多重分形算法包括以下具體步驟，(a)，對所述標準布匹圖像進行灰度化；(b)，對步驟(a)所得的標準布匹圖像進行直方圖均衡化；(c)，對步驟(b)所得的標準布匹圖像進行3X3均值濾波；(d)，將步驟(c)所得的標準布匹圖像分為大小相等的16個正方形子塊Imai(i = 1,2,3......16)，採用改進的差分盒多重分形算法提取子塊Imai的多重分形維數矩陣Dq(i)，分別用4X4矩陣表示；(e)，將步驟(d)得到的標準布匹圖像的多重分形維數矩陣Dq(i)存入步驟(I)的計算機。
3.根據權利要求I所述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於所述步驟(5)提取待測布匹圖像的多重分形維數矩陣採用改進的差分盒多重分形算法的具體包括以下步驟，(a)，對所述待測布匹圖像進行灰度化；(b)，對步驟(a)所得的待測布匹圖像進行直方圖均衡化；(C)，對步驟(b)所得的待測布匹圖像進行3X3均值濾波；(d)，將步驟(c)所得的待測布匹圖像分為大小相等的16個正方形子塊Imai(i = 1，2,3......16)，採用改進的差分盒多重分形算法提取正方形子塊Imai的多重分形維數矩陣Dq(i)，分別用4X4矩陣表示；(e)，將步驟(d)得到待測布匹圖像的多重分形維數矩陣Dq(i)存入步驟(I)的計算機。
4.根據權利要求1、2、3所述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於所述步驟(2)的步驟(d)中提取標準布匹圖像的多重分形維數矩陣和步驟(5)的步驟(d)中提取待測布匹圖像的多重分形維數矩陣過程中採用的是改進的差分盒多重分形算法，具體包括以下步驟，I)，將MXM像素的圖像分割成S X S的子塊，S取不小於的最小整數；.2)，將圖像抽象為一個空間中的曲面，X、y表示平面位置，z為圖像(X，y)處的灰度值，將(X，y)平面分割成多個SXs的網格,並計算r的值r = s/M ；.3)，所述每個網格上是一列sXsXh的盒子，h是單個盒子的高度，設定總的灰度級是G，圖像灰度的平均值是μ、標準差是σ，即
5.根據權利要求I所述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於步驟(I)和步驟(4)中所述攝像機拍攝的圖像的解析度為640X640像素。
6.根據權利要求I所述的基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法，其特徵在於步驟(I)和步驟(4)中的所述檢驗合格和待測的布匹均為單色機織布。
7.基於多重分形算法的布匹疵點在線自動檢測裝置，包括計算機、攝像機和布匹，所述布匹設置在準卷布卷布機與導布輥之間，其特徵在於所述攝像機的攝像頭正對所述布匹的上表面，所述攝像機與所述計算機通過通信線相連接。
8.根據權利要求7所述的基於多重分形算法的布匹疵點在線自動檢測裝置，其特徵在於所述布匹正上方分布若干個恆定光源。
全文摘要
本發明公開了一種基於改進差分盒多重分形算法的布匹疵點在線自動檢測方法及裝置，克服人工檢測的勞動強度大，誤檢、漏檢率高等缺陷以及原來的多重分形算法引起布匹疵點檢測精確度不高的問題，利用改進的差分盒多重分形算法對布匹疵點進行布匹檢測，用攝像機拍攝清晰、無疵點的布匹作為標準圖像存入計算機，提取標準圖像多重分形維數，並根據需要設定誤差範圍；利用攝像機實時拍攝待測布匹圖像，提取待測布匹圖像多重分形維數，與標準圖像進行對比，若待測圖像多重分形維數在誤差範圍內，則判定為合格；反之則為不合格。本發明在計算分形維數時，改進了經典算法中網格上盒子數量與高度的計算方法，在運算時間增加不大的情況下，大大減少了最小二乘擬合誤差，提高了多重分形維數的計算精度。
文檔編號G01N21/88GK102621154SQ201210104088
公開日2012年8月1日 申請日期2012年4月10日 優先權日2012年4月10日
發明者張建強, 楊啟文, 薛雲燦, 郭旭 申請人:河海大學常州校區