紡織業(yè)在是中國(guó)最大的日常使用及消耗相關(guān)的產(chǎn)業(yè)之一，且勞動(dòng)工人多，生產(chǎn)量和對(duì)外出口量很大，紡織業(yè)的發(fā)展影響著中國(guó)經(jīng)濟(jì)、社會(huì)就業(yè)問(wèn)題。而織物產(chǎn)品的質(zhì)量直接影響產(chǎn)品的價(jià)格，進(jìn)一步影響著整個(gè)行業(yè)的發(fā)展，因此紡織品質(zhì)量檢驗(yàn)是織物產(chǎn)業(yè)鏈中必不可少且至關(guān)重要的環(huán)節(jié)之一。

織物缺陷檢測(cè)是紡織品檢驗(yàn)中最重要的檢驗(yàn)項(xiàng)目之一，其主要目的是為了避免織物缺陷影響布匹質(zhì)量，進(jìn)而極大影響紡織品的價(jià)值和銷售。

長(zhǎng)期以來(lái)，布匹的質(zhì)量監(jiān)測(cè)都是由人工肉眼觀察完成，按照工作人員自己的經(jīng)驗(yàn)對(duì)織物質(zhì)量進(jìn)行評(píng)判，這種方法明顯具有許多缺點(diǎn)。首先，機(jī)械化程度太低，人工驗(yàn)布的速度非常慢；其次，人工視覺(jué)檢測(cè)的評(píng)價(jià)方法因受檢測(cè)人員的主觀因素的影響不夠客觀一致，因而經(jīng)常會(huì)產(chǎn)生誤檢和漏檢。

目前，基于圖像的織物疵點(diǎn)自動(dòng)檢測(cè)技術(shù)已成為了該領(lǐng)域近年來(lái)的的研究熱點(diǎn)，其代替人工織物疵點(diǎn)檢測(cè)的研究算法也逐漸成為可能，主流方法一般分為兩大類，一是基于傳統(tǒng)圖像處理的織物缺陷檢測(cè)方法，二是基于深度學(xué)習(xí)算法的織物缺陷檢測(cè)定位方法。

傳統(tǒng)的目標(biāo)檢測(cè)方法主要可以表示為：特征提取-識(shí)別-定位， 將特征提取和目標(biāo)檢測(cè)分成兩部分完成。

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)主要可以表示為：圖像的深度特征提取-基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)定位， 其中主要用到卷積神經(jīng)網(wǎng)絡(luò)。

1、織物表面缺陷檢測(cè)分析

正常情況下，織物表面的每一個(gè)異常部分都被認(rèn)為是織物的缺陷。

在實(shí)踐中， 織物的缺陷一般是由機(jī)器故障、紗線問(wèn)題和油污等造成的，如斷經(jīng)緯疵、粗細(xì)經(jīng)緯疵、 破損疵、 起球疵、 破洞疵、 污漬疵等。然而，隨著織物圖案越來(lái)越復(fù)雜，相應(yīng)的織物缺陷類型也越來(lái)越多，并隨著紡織技術(shù)的提高， 缺陷的大小范圍越來(lái)越小。在質(zhì)量標(biāo)準(zhǔn)方面，一些典型的織物缺陷如圖所示。

各類模式織物表面的疵點(diǎn)圖像

由紡線到成品織物，需經(jīng)過(guò)紗線紡織、裁剪、圖案印染等流程，而且在每個(gè)流程中，又需要很多的程序才能完成。在各環(huán)節(jié)的施工中，如果設(shè)定條件不合適， 工作人員操作不規(guī)范，機(jī)器出現(xiàn)的硬件問(wèn)題故障等，都有可能導(dǎo)致最后的紡織品發(fā)生表面存在缺陷。從理論上說(shuō)，加工流程越多，則缺陷問(wèn)題的機(jī)率就越高。

最常見(jiàn)的疵點(diǎn)類型及形成原因

隨著科技水平的進(jìn)步，紡織布匹的技術(shù)不斷隨之發(fā)展，疵點(diǎn)的面積區(qū)域必將越來(lái)越小，這無(wú)疑給織物疵點(diǎn)檢測(cè)帶來(lái)了更大的難題。疵點(diǎn)部分過(guò)小，之前的方法很難將其檢測(cè)出來(lái)。

檢測(cè)存在困難的織物疵點(diǎn)類型

2、圖像采集與數(shù)據(jù)庫(kù)構(gòu)建

基于深度學(xué)習(xí)的織物疵點(diǎn)檢測(cè)方法相比傳統(tǒng)的方法，雖然具有檢測(cè)速率快，誤檢率低，檢測(cè)精度高等優(yōu)點(diǎn)， 但這些方法是依賴于大量的訓(xùn)練數(shù)據(jù)庫(kù)基礎(chǔ)之上的。只有在訓(xùn)練階段包含了盡量多的織物疵點(diǎn)圖像，盡可能的把每種疵點(diǎn)的類型都輸入訓(xùn)練網(wǎng)絡(luò)，這樣對(duì)于網(wǎng)絡(luò)模型來(lái)說(shuō)，才能反復(fù)的熟悉疵點(diǎn)的“模樣”，即獲得疵點(diǎn)位置的特征信息，從而記住疵點(diǎn)的特征信息，以在以后的檢測(cè)過(guò)程中可以更好更快更準(zhǔn)的檢測(cè)到疵點(diǎn)的位置并標(biāo)識(shí)。

首先搭建由光源、 鏡頭、相機(jī)、 圖像處理卡及執(zhí)行機(jī)構(gòu)組成的織物圖像采集系統(tǒng)，然后基于本系統(tǒng)，采集破洞、油污、起毛不均、漏針、撐痕、粗節(jié)等一定規(guī)模的織物疵點(diǎn)圖像，并通過(guò)轉(zhuǎn)置、 高斯濾波、圖像增強(qiáng)等操作擴(kuò)充織物圖像，構(gòu)建了織物圖像庫(kù)，為后續(xù)深度學(xué)習(xí)提供了樣本支撐。

織物圖像采集系統(tǒng)整體結(jié)構(gòu)圖

相機(jī)選擇

工業(yè)相機(jī)是圖像采集系統(tǒng)中的一個(gè)關(guān)鍵組成部分，它的好壞字節(jié)影響后續(xù)所有工作，其最終目的是得到圖像數(shù)字信號(hào)。相機(jī)的選擇，是必不可少的環(huán)節(jié)之一，相機(jī)的選擇不僅直接影響所采集到的圖像質(zhì)量， 同時(shí)也與整個(gè)系統(tǒng)后續(xù)的運(yùn)行模式直接關(guān)聯(lián)。

鏡頭選擇

鏡頭選擇

和工業(yè)相機(jī)一樣， 是圖像采集系統(tǒng)中非常重要的的器件之一， 直接影響圖片質(zhì)量的好壞， 影響后續(xù)處理結(jié)果的質(zhì)量和效果。同樣的， 根據(jù)不同標(biāo)準(zhǔn)光學(xué)鏡頭可以分成不同的類， 鏡頭擺放實(shí)物圖如圖所示。

光源選擇

光源的選擇

也是圖像采集系統(tǒng)中重要的組成部分，一般光的來(lái)源在日光燈和LED 燈中選擇，從不同的性能對(duì)兩種類型的光源進(jìn)行比較。而在使用織物圖像采集系統(tǒng)采集圖像的過(guò)程中， 需要長(zhǎng)時(shí)間進(jìn)行圖像采集， 同時(shí)必須保證光的穩(wěn)定性等其他原因，相比于日光燈， LED 燈更適合于圖像采集系統(tǒng)的應(yīng)用。

發(fā)射光源種類確定了，接下來(lái)就是燈的位置擺放問(wèn)題，光源的位置也至關(guān)重要，其可以直接影響拍出來(lái)圖片的質(zhì)量，更直接影響疵點(diǎn)部位與正常部位的差別。一般有反射和投射兩種給光方式，反射既是在從布匹的斜上方投射光源，使其通過(guò)反射到相機(jī)，完成圖像拍攝；另外一種透射，是在布匹的下方投射光源，使光線穿過(guò)布匹再投射到相機(jī)，完成圖簽拍攝，光源的安裝方式對(duì)應(yīng)的采集圖像如下圖所示。

不同光源照射的效果對(duì)比圖

數(shù)據(jù)庫(kù)構(gòu)建

TILDA 織物圖像數(shù)據(jù)庫(kù)包含多種類型背景紋理的織物圖像，從中選擇了數(shù)據(jù)相對(duì)稍大的平紋背景的織物圖像，包含 185 張疵點(diǎn)圖像，但該圖像數(shù)據(jù)存在很大的問(wèn)題：雖然圖片背景是均勻的，但是在沒(méi)有疵點(diǎn)的正常背景下，織物紋理不夠清晰，紋理空間不均勻，存在一些沒(méi)有瑕疵，但是紋理和灰度值與整體正常背景不同的情況。

TILDA 織物圖像庫(kù)部分疵點(diǎn)圖像

3、織物缺陷圖像識(shí)別算法研究

由于織物紋理復(fù)雜性， 織物疵點(diǎn)檢測(cè)是一項(xiàng)具有挑戰(zhàn)性的工作。傳統(tǒng)的檢測(cè)算法不能很好的做到實(shí)時(shí)性檢測(cè)的同時(shí)保持高檢測(cè)率。卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的出現(xiàn)為這一目標(biāo)提供了很好的解決方案。

基于 SSD 神經(jīng)網(wǎng)絡(luò)的織物疵點(diǎn)檢測(cè)定位方法：

步驟一：將數(shù)據(jù)集的 80% 的部分作為訓(xùn)練集和驗(yàn)證集，再將訓(xùn)練集占其中80% ，驗(yàn)證集占 20% ，剩余 20% 的部分作為測(cè)試集，得到最終的實(shí)驗(yàn)結(jié)果。

步驟二：將待檢測(cè)的織物圖像輸入到步驟一訓(xùn)練好的織物檢測(cè)模型，對(duì)織物圖像進(jìn)行特征提取，選取出多個(gè)可能是疵點(diǎn)目標(biāo)的候選框。

步驟三：基于設(shè)定好的判別閾值對(duì)步驟二中的候選框進(jìn)行判別得到最終的疵點(diǎn)目標(biāo)，利用疵點(diǎn)目標(biāo)所在候選框的交并比閾值選擇疵點(diǎn)目標(biāo)框，存儲(chǔ)疵點(diǎn)的位置坐標(biāo)信息并輸出疵點(diǎn)目標(biāo)框。

這個(gè)算法對(duì)平紋織物和模式織物均具有很好的自適應(yīng)性及檢測(cè)性能， 擴(kuò)大了適用范圍， 檢測(cè)精度高，有效解決人工檢測(cè)誤差大的問(wèn)題，模型易訓(xùn)練，操作簡(jiǎn)單。

織物疵點(diǎn)圖像檢測(cè)結(jié)果

隨著深度學(xué)習(xí)技術(shù)飛速發(fā)展， 以及計(jì)算機(jī)等硬件水平的不斷提升， 卷積神經(jīng)網(wǎng)絡(luò)在工業(yè)現(xiàn)場(chǎng)的應(yīng)用將隨之不斷擴(kuò)大， 織物表面疵點(diǎn)檢測(cè)作為工業(yè)表面檢測(cè)的代表性應(yīng)用產(chǎn)業(yè)， 其應(yīng)用發(fā)展將影響著整個(gè)工業(yè)領(lǐng)域。

審核編輯：郭婷