主营:欧姆龙,三菱,安川,Pro-face
本文为解决玻璃纤维管纱(奶瓶纱)人工检测质量不稳定的问题,提出了一种基于最大稳定极值区域(MSER)和支持向量机(SVM)的玻璃纤维管纱毛羽检测方法。
解决方案
利用机器视觉技术对管纱毛羽疵点进行实时检测,通过多路相机采集管纱毛羽原始图像,根据其形态特征以及灰度对比信息,提出基于最大稳定极值区域(MSER)的管纱毛羽分割方法,然后运用局部二值模式(LBP)算法获得管纱毛羽的轮廓点特征信息,最后利用支持向量机(SVM)对毛羽进行疵点分类。
检测流程
1、实时采集管纱斜面毛羽与垂直面毛羽图像;
2、运用MSER算法分割疵点区域,根据检测区域点生成MSERs结果,提取管纱毛羽;
3、在空间上利用检测窗口将MSER检测结果图划分成多个小区域图像块,计算每个图像块内像素的LBP值,得到每个图像块的LBP直方图。将所有图像块的LBP统计直方图连接成为一个特征向量;
4、将LBP提取的特征向量输入到SVM中,进行分类器训练,利用训练好的分类器进行毛羽分类。
管纱毛羽区域分割
原始管纱图像存在少量噪声和深浅不一的管纱纹理,毛羽疵点区域与背景对比不明显,因此准确定位分割疵点有很大难度。
采用MSER算法对管纱不同类型毛羽的分割结果,分割后的毛羽形态完整。端毛羽形态一般表现为近直线且毛羽细长,采用MSER算法可增强端毛羽在原始图像中的显著性。进而在滤除管纱表面纹理和噪声的情况下,使端毛羽表现的更为突出。
毛圈作为另一种毛羽疵点,一般表现为半圆弧形,不论弧形的长短大小还是亮度不同的同一毛圈,都能够精准分割出毛圈。
毛夹作为不规则形态的毛羽疵点,是毛圈与端毛羽交织聚集而成。MSER算法在保证能够提取出聚集分布的端毛羽和毛圈区域的同时,又能提取出离散分布的小段端毛羽和毛圈,不会丢失细节信息。
管纱毛羽特征提取
选取900张处理后的图像作为训练样本,使用LBP算法对试验样本图像提取特征,将特征向量送入SVM 进行分类训练。训练完成后,对管纱毛羽图像进行分类测试。
管纱毛羽不仅影响机织、针织后加工的效率和质量,且直接影响最终产品的外观和价格,基于LBP-SVM算法检测管纱表面整体的疵点,能够有效地对管纱毛羽疵点进行检测,准确率高。目前,端毛羽、毛圈、毛夹的分类准确率分别为94.7%、97.7%、98.6%。
专注服务于工控领域 7×8小时售后支持
全方位的技术支持 因为专注所以专业