利用OpenCV識(shí)別玻璃纖維織物劈縫缺陷

時(shí)間：2019-08-02作者：西安獲德圖像技術(shù)有限公司瀏覽：82

    玻璃纖維織物是經(jīng)編多軸向織物，由一層或多層平行的紗線按照盡可能多的方向交錯(cuò)而成的?？椢锞哂幸欢ǖ拿軐?shí)度和厚度，顏色一般為白色，生產(chǎn)時(shí)的質(zhì)量缺陷主要為劈縫缺陷，在線生產(chǎn)速度為2m/min，幅寬一般為2.5m左右，檢測(cè)精度要求為0.5mm。
    本文根據(jù)生產(chǎn)實(shí)際狀況，搭建了玻纖織物缺陷在線檢測(cè)系統(tǒng)平臺(tái)如圖1所示。由圖可以看出，工業(yè)相機(jī)、鏡頭及光源組成了機(jī)器視覺(jué)檢測(cè)系統(tǒng)的圖像采集模塊。本次研究采用了全局曝光的面陣相機(jī)搭配GigE工業(yè)相機(jī)、Computa高清鏡頭。
解決方案：
    由于織物材料為白色的玻璃纖維絲，正面光照會(huì)使圖像反光，我們將條形光源放在織物下方進(jìn)行背光照明。通過(guò)采用該圖像采集模塊可以獲得高對(duì)比度的圖像，當(dāng)織物無(wú)缺陷時(shí)，圖像上沒(méi)有透光部分，如圖2所示，織物有缺陷時(shí)，織物缺陷部分將有亮光透過(guò)，缺陷將被清晰的勾勒出來(lái)，右下圖中高亮區(qū)域即為織物的劈縫缺陷。
    采集圖像后，采用OpenCV圖像處理軟件進(jìn)行織物的質(zhì)量檢測(cè)。一般情況下正常玻璃纖維織物的紋理具有一致的周期特性和統(tǒng)一的色彩分布，但當(dāng)織物的紋理遭到破壞產(chǎn)生缺陷時(shí)，便不再具備一致的周期性和統(tǒng)一的色彩分布，因此，玻璃纖維織物疵點(diǎn)的檢測(cè)主要是采用提取織物的紋理信息和灰度分布來(lái)判斷織物的疵點(diǎn)的存在與否。
基于OpenCV機(jī)器視覺(jué)庫(kù)的圖像處理法進(jìn)行織物的缺陷檢測(cè)
    首先對(duì)圖像處理進(jìn)行平滑處理以消除噪聲干擾，然后對(duì)圖像進(jìn)行圖像分割、形態(tài)學(xué)處理和特征提取，最后對(duì)提取的缺陷特征進(jìn)行參數(shù)計(jì)算，求出圖像中的缺陷的個(gè)數(shù)、發(fā)生的位置、尺寸等參數(shù)。
    圖像平滑：采用均值濾波器（blur函數(shù)）對(duì)圖像進(jìn)行平滑處理，減少噪聲干擾。
    圖像分割：采用全局閾值法進(jìn)行圖像分割，即利用threshold函數(shù)實(shí)現(xiàn)缺陷和背景紋理的二值化分割，有缺陷的用白色像素表示，背景紋理用黑色表示。
    形態(tài)學(xué)處理：采用形態(tài)學(xué)中的閉運(yùn)算操作對(duì)二值化的圖像進(jìn)行處理，消除干擾的小雜點(diǎn)，提高缺陷的檢出率及檢測(cè)準(zhǔn)確性。
    特征提?。豪肙penCV中findContours實(shí)現(xiàn)形態(tài)學(xué)處理后圖像的輪廓提取與分析，先采用contourArea函數(shù)計(jì)算出每個(gè)輪廓的面積，并通過(guò)與設(shè)定的面積參數(shù)比較賽選出符合缺陷面積特征的輪廓后，通過(guò)contours.size()計(jì)算出織物中缺陷的個(gè)數(shù)。
    特征參數(shù)計(jì)算：為計(jì)算織物中位置和尺寸等特征，采用minAreaRect函數(shù)構(gòu)造出缺陷輪廓的較小外接矩形，由較小外接矩形中心的X和Y坐標(biāo)值、矩形的傾斜角度、矩形的寬度和高度等參數(shù)，從可計(jì)算出缺陷的特征參數(shù)。
    本文根據(jù)實(shí)際生產(chǎn)情況搭建了基于機(jī)器視覺(jué)的玻璃纖維織物在線檢測(cè)平臺(tái)，結(jié)構(gòu)簡(jiǎn)單，易于實(shí)現(xiàn)，照明方式減少了織物材質(zhì)對(duì)成像的影響，使圖像中的目標(biāo)信息與背景信息得到了較佳的分離，形成了有利于圖像處理的成像效果。有效地改善玻璃纖維織物的在線質(zhì)量檢測(cè)生產(chǎn)現(xiàn)狀，為其他類型織物的質(zhì)量檢測(cè)提供了參考。


西安獲德圖像技術(shù)有限公司專注于疵點(diǎn)檢測(cè),表面檢測(cè),缺陷檢測(cè)等

• 詞條

  詞條說(shuō)明

• 碳纖維技術(shù)壁壘高，原絲質(zhì)量是關(guān)鍵

  碳纖維生產(chǎn)工藝流程長(zhǎng)，整個(gè)過(guò)程連續(xù)走絲，需要對(duì)參數(shù)精確控制，每個(gè)環(huán)節(jié)都將影響到碳纖維成品的質(zhì)量和性能。碳纖維的缺陷可分為表面缺陷和內(nèi)部缺陷，表面缺陷占缺陷總數(shù)的90%左右，其產(chǎn)生的原因大部分來(lái)自于原絲的缺陷“遺傳”給碳纖維。?原絲制備是碳纖維生產(chǎn)的**環(huán)節(jié)，目前，原絲紗線表面缺陷有破絲、毛團(tuán)等。在碳化過(guò)程及其他生產(chǎn)環(huán)節(jié)還會(huì)出現(xiàn)個(gè)別碳纖維原絲局部破損、斷裂現(xiàn)象，從而形成毛團(tuán)，毛條附著在碳纖

• 你相信嗎？6秒就能檢測(cè)出玻纖含水率

  物料含水檢測(cè)是工業(yè)企業(yè)日常需要進(jìn)行的工作之一，工業(yè)企業(yè)對(duì)固體、顆粒、粉末、膠狀體（漿體）、液體等物質(zhì)進(jìn)行水分含量測(cè)量時(shí)，從卡車、皮帶、烘干機(jī)、攪拌機(jī)、燒結(jié)機(jī)、料斗、儲(chǔ)料倉(cāng)、管道、螺旋輸送機(jī)、溜槽、礦槽等不同工況下提取的物料進(jìn)行實(shí)驗(yàn)室化驗(yàn)測(cè)量后，才能獲取水分值。 傳統(tǒng)方法是人工在生產(chǎn)線取樣，然后帶到實(shí)驗(yàn)室化驗(yàn)，從而獲得水分?jǐn)?shù)據(jù)。耗時(shí)耗力，具有較大的延遲性和滯后性，無(wú)法滿足實(shí)時(shí)預(yù)警，實(shí)時(shí)測(cè)量控制的生

• 線密度、紗團(tuán)缺陷檢測(cè)線已完成調(diào)試發(fā)貨

  紗團(tuán)外觀缺陷及線密度自動(dòng)檢測(cè)系統(tǒng)應(yīng)用于玻璃纖維紗團(tuán)檢測(cè)流水線，能夠持續(xù)不斷地實(shí)時(shí)檢測(cè)紗團(tuán)**部、底部的各種油污、熱縮過(guò)程中產(chǎn)生的燒焦紗團(tuán)部分，以及底部摻入的各種彩色異物，誤檢率≤10%，漏檢率≤0.01%，同時(shí)可快速追溯異常位置。 12秒以內(nèi)完成線密度自動(dòng)檢測(cè)，包括紗線稱重，線密度異常檢測(cè)、內(nèi)圈廢絲量檢測(cè)等。高速采集數(shù)據(jù)進(jìn)行穩(wěn)定判定，待數(shù)據(jù)穩(wěn)定后根據(jù)產(chǎn)品預(yù)設(shè)的標(biāo)準(zhǔn)進(jìn)行判定線密度是否合格。如果線密度

• 機(jī)器視覺(jué)+人工智能 高效解決管紗外觀檢測(cè)難題

  ??玻纖細(xì)紗經(jīng)過(guò)捻紗機(jī)后，形成一個(gè)個(gè)的管紗，管紗需要經(jīng)過(guò)去皮，測(cè)量Tex，外觀檢測(cè)，稱重，包裝等環(huán)節(jié)，才能夠出廠。人工檢測(cè)易受到主觀因素影響，造成人力、物力的較大浪費(fèi)。西安獲德結(jié)合多年在玻纖行業(yè)視覺(jué)檢測(cè)經(jīng)驗(yàn)，對(duì)管紗外觀質(zhì)量做了專業(yè)的成像檢測(cè)方案，經(jīng)由大數(shù)據(jù)人工智能方式對(duì)其缺陷進(jìn)行深度學(xué)習(xí)，達(dá)到高速精準(zhǔn)的缺陷分類。 ??檢測(cè)缺陷：360°無(wú)死角的在線檢測(cè)管紗毛羽、毛圈、毛夾、污漬等。 ??檢測(cè)難點(diǎn)：