布匹、纱布、无纺布等布质自动化在线检测方案

　　一、机器视觉自动化生产在线检测技术概述

　　用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布、亮度和颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来识别图像的内容或控制现场的设备动作。机器视觉自动检测技术作为一种快速、实时、准确采集与处理信息的高新技术，已逐渐智能信息化、增强企业竞争力不可缺少的技术工具和手段。布匹、纱布、无纺布等材料在现代生产流水线上，需要判别出产品颜色是否合格、表面上上是否有杂质及杂质等缺陷。由于生产线运行速度较快，要求杂质、污点等缺陷分辨直径较小，用人工难以做到实时检测，事后抽样检测效率低下，且抽检后的产品仍然有存在瑕疵的可能。机器视觉自动化， 适合于在生产线上进行在线、快速、实时检测。用于布匹、纱布、无纺布生产的在线检测系统正是基于机器视觉的技术，快速 的检测出产品的颜色和存在的杂质、污点等瑕疵。

　　二、在线检测项目要求

　　在布匹、纱布、无纺布等布质材料的生产过程中，像布质材料检测这种有高度重复性和智能性的工作只能靠人工检测来完成,在现代化流水线后面常常可看到很多的检测工人来执行这道工序,给企业增加巨大的人工成本和管理成本的同时,却仍然不能保证100%的检验合格率（即“零缺陷”）。对布质质量的检测是重复性劳动，容易出错且效率低。

　　流水线进行自动化的改造，使布匹、纱布、无纺布等布质材料生产流水线变成快速、实时、准确、 的流水线。在流水线上，所有布质材料的颜色、及污点等瑕疵都要进行自动检测。现在采用机器视觉的完成以前由人工来完成的工作。在大批量的布材检测中，用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

　　三、在线检测项目方案

　　机器视觉是在没有人工干预的情况下使用计算机来处理和分析图像信息并作出结论。机器视觉的特点是自动化、客观、非接触和高精度,与一般意义上的图像处理系统相比,机器视觉强调的是精度和速度,以及工业现场环境下的可靠性。

　　在机器视觉应用中，包括以下几个过程：

　　图像采集

　　通过光学系统，由相机采集图像，图像转换成数字格式式并传入计算机存储器。

　　图像处理

　　处理器运用不同的算法来处理对决策有重要影响的图像要素，如对图像进行颜色辨识,面积、长度测量，图像增强，边缘锐化，降噪等处理。

　　特性提取

　　处理器识别并量化图像的关键特性，例如布材料的颜色和杂质的形状等等。然后这些数据传送到控制程序。

　　判断与控制

　　处理器的控制程序根据收到的数据做出结论。例如：这些数据包括杂质的直径是否在要求规格之内或者布质材料的颜色是否合格。

　　视觉系统一般包括：光源、光学系统、相机、图像处理单元、图像分析处理软件、监视器、通讯/输入输出单元等。布质材料检测的机器视觉系统的组成如下图所示。视觉系统的输出是经过运算处理之后的检测结果——各种杂质的数量。计算机系统实时获得检测结果后,指挥运动系统或输入输出系统执行相应的控制动作（如分选）。

　　四、布质材料检测系统提出详细方案设计说明:

　　图像处理软件

　　机器视觉系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码和传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

　　特征提取辨识

　　一般布质材料检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。但是在布质材料质量检测工程中要复杂一些：

　　1．图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致。

　　2．杂质的形状难以事先确定。

　　3．由于布质材料快速运动对光线产生反射，图像中可能会存在大量的噪声。

　　4．在流水线上，对布质材料进行检测，有实时性的要求。

　　由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。

　　Color检测

　　一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红（R）绿（G）篮（B）三个成分组成，来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。

　　结果处理和控制

　　应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。

　　根据识别的结果，存入数据库进行信息管理。以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知近期内布质材料的质量情况等等。

　　五、用户界面及操作

　　项目要求利用机器视觉技术，智能的识别出流水线上布质材料的所有杂质以及它们的数量、大小。根据项目要求，我们设计如下：

　　（1）图像显示区：实时的显示由相机采集的彩色图像，系统根据当前的图像内容实时的识别布质材料信息。

　　（2）信息显示区：把图像的内容——各种杂质的数量实时的显示到表格里。系统当前状态（如：实时检测，停止检测，触发信号状态）实时的显示在状态显示栏中，以便于操作人员了解系统状态。

　　（3）信息管理区：管理人员可随时查看流水线的统计信息。操作人员可以灵活的配置系统的配置信息（如：数据库的配置，控制模块通讯配置，识别参数的校正）。权限管理控制系统使用者的操作权限，例如：只有 操作人员才能对系统信息进行配置；只有拥有相应权限的人员才能查看统计信息。

　　六、布质材料颜色学习工具

　　我们开发了颜色学习工具，此工具界面友好，操作简单。

　　颜色学习工具

　　一种颜色应该提供多个模板图像进行训练，这样可以提高识别的能力。学习完毕后要保存成CLF文件，以后模式识别就按照保存特征进行识别。
      机器视觉检测解决方案

　　七、总结

　　视觉系统涉及到光学和图像处理算法，集高科技技术一体，尤其在整个识别控制系统中，还要与运动控制系统配合完成后续操作。在本项目的视觉系统中提取识别对象颜色特征值，然后采用模式识别的方法，识别出不合格区域然后使用斑点分析判断是否为杂质。同时提升了整个系统中各个部件的选择和用户界面的设计的友好性。

　　总之，应用机器视觉系统能够大幅降低检验成本，提高产品质量，加快生产速度和效率。对于现代化生产企业来说，是提高产能、实现高品质产品、控制生产成本的有效技术手段。