本發明涉及布料表面缺陷檢測，具體涉及一種基于機器視覺的布料表面缺陷檢測方法及系統。

背景技術：

1、隨著計算機技術和人工智能技術的飛速發展，機器視覺技術逐漸成為自動化檢測和質量控制領域的重要工具，機器視覺技術通過模擬人類的視覺功能，實現對圖像和視頻的識別、分析和處理，紡織行業是國民經濟中的重要組成部分，為人們提供衣物、窗簾、床上用品等日常生活中不可或缺的物品，為了確保紡織品的質量，紡織品生產企業需要對布料表面進行嚴格的質量檢測，

2、然而，現有的布料表面缺陷檢測方法，往往是在布料生產完成后依賴人工目檢，但這種方法效率低下、檢測結果易受人為因素影響，可能會出現對殘次布料的漏檢，影響布料出貨品質。

3、為此，我們提出一種基于機器視覺的布料表面缺陷檢測方法及系統。

技術實現思路

1、本發明的目的在于提供一種基于機器視覺的布料表面缺陷檢測方法及系統，以解決上述背景中技術問題。

2、本發明的目的可以通過以下技術方案實現：

3、一種基于機器視覺的布料表面缺陷檢測方法，包括：

4、分析布料的表面圖像的起球特征，得到異常區域的個數比例，判斷布料是否生成不合格信號或疑似合格信號；

5、基于疑似合格信號，分析布料表面區域異常標記結果，得到起球趨勢值，確定布料表面起球對布料表面缺陷的影響，生成強影響信號；

6、提取測試時間內所有不合格信號和強影響信號的布料樣品，分別記為不合格追溯樣品和強影響追溯樣品，并獲取生產時間，進行分析，輸出得到追溯樣品的規律數據；

7、分析布料在生產時針對不合格情況和強影響情況的相鄰檢測的時間，得到布料生產設備的檢測時間。

8、作為本發明進一步的技術方案：判斷布料是否生成不合格信號或疑似合格信號的過程為：

9、識別布料表面圖像所有區域內是否存在起球，若存在，將對應的區域記為異常區域，若不存在，將對應的區域記為正常區域；

10、計算異常區域的個數比例，若個數比例≤異常區域數量占比閾值，生成疑似合格信號，若個數比例>異常區域數量占比閾值，生成不合格信號。

11、作為本發明進一步的技術方案：起球趨勢值的獲取過程為：

12、分析異常區域起球面積并對正常區域進行起球測試，得到異常區域的起球表現值和正常區域增變系數；

13、將異常區域的起球表征值與正常區域的增變系數進行比值處理，得到起球趨勢值。

14、作為本發明進一步的技術方案：異常區域的起球表現值的獲取過程為：

15、提取異常區域的起球面積，若大于等于起球面積標準值，將對應的起球標記為突出起球；

16、獲取所有突出起球的起球平均面積，并計算與起球面積標準值的偏差比重，得到突出起球面積偏差比；

17、將突出起球數量的比例與突出起球面積偏差比進行和值處理，得到異常區域的起球表現值。

18、作為本發明進一步的技術方案：正常區域的增變系數的獲取過程為：

19、對正常區域進行起球測試，得到評定起球等級參數，并與標準起球等級參數進行比值處理，得到正常區域的增變系數。

20、作為本發明進一步的技術方案：輸出得到追溯樣品的規律數據的過程，包括：

21、獲取不合格追溯樣品的生產時間和強影響追溯樣品的生產時間，并劃分得到不合格追溯樣品的生產時間區間和強影響追溯樣品的生產時間區間；

22、將相鄰不合格追溯樣品的生產時間區間進行作差，得到不合格追溯樣品的區間間隔，計算所有不合格追溯樣品的區間間隔的方差，得到強影響追溯樣品時間方差值；

23、若大于不合格追溯樣品時間方差閾值，則生成不合格非周期性信號；

24、若小于等于不合格追溯樣品時間方差閾值，則生成不合格周期性信號。

25、作為本發明進一步的技術方案：輸出得到追溯樣品的規律數據的過程，還包括：

26、將相鄰強影響追溯樣品的生產時間區間進行作差，得到強影響追溯樣品的區間間隔，計算所有強影響追溯樣品的區間間隔的方差，得到強影響追溯樣品時間方差值；

27、若大于強影響追溯樣品時間方差閾值，則生成強影響非周期性信號；

28、若小于等于強影響追溯樣品時間方差閾值，則生成強影響周期性信號。

29、作為本發明進一步的技術方案：相鄰檢測的時間的獲取過程為：

30、獲取所有不合格追溯樣品的區間間隔的均值，為布料在生產時針對不合格情況的相鄰檢測的時間；

31、獲取所有強影響追溯樣品的區間間隔的均值，為布料在生產時針對強影響情況的相鄰檢測的時間。

32、作為本發明進一步的技術方案：布料生產設備的檢測時間的獲取過程為：

33、若所有強影響追溯樣品的區間間隔按照時間位于不合格追溯樣品的區間間隔之前，且兩者的區間間隔均小于預設的區間間隔，將強影響情況的相鄰檢測的開始時間，記為布料生產設備的檢測時間。

34、一種基于機器視覺的布料表面缺陷檢測系統，該系統包括：

35、初步檢測模塊：分析布料的表面圖像的起球特征，得到異常區域的個數比例，判斷布料是否生成不合格信號或疑似合格信號；

36、深入檢測模塊：基于疑似合格信號，分析布料表面區域異常標記結果，得到起球趨勢值，確定布料表面起球對布料表面缺陷的影響，生成強影響信號；

37、周期性判斷模塊：提取測試時間內所有不合格信號和強影響信號的布料樣品，分別記為不合格追溯樣品和強影響追溯樣品，并獲取生產時間，進行分析，輸出得到追溯樣品的規律數據；

38、優選檢測時間確定模塊：分析布料在生產時針對不合格情況和強影響情況的相鄰檢測的時間，得到布料生產設備的檢測時間。

39、本發明的有益效果：

40、（1）本發明通過分析布料的表面圖像的起球特征，得到異常區域數量占比，判斷布料合格性，生成不合格信號和疑似合格信號；基于疑似合格信號，分析布料表面區域異常標記結果，得到起球趨勢值，確定布料表面起球對布料表面缺陷的影響，生成強影響信號，本發明通過結合圖像處理技術和數據分析方法，實現了對布料表面起球的檢測和評估，提高了檢測精度。

41、（2）本發明通過提取測試時間內所有不合格信號和強影響信號的布料樣品，分別記為不合格追溯樣品和強影響追溯樣品，并獲取生產時間，進行分析，輸出得到追溯樣品的規律數據；分析布料在生產時針對不合格情況和強影響情況的相鄰檢測的時間，得到布料生產設備的檢測時間；本發明通過布料優選檢測時間和布料生產設備的檢測時間的確定，其便于針對當前設備所生產的布料，根據其質量變化情況，對檢測時間做適用性調整，有效減少當前對布料檢測的頻率，以及利用強影響情況的相鄰檢測的開始時間，確定布料設備生產時的檢測時間，使得在此時間下，提前對布料設備進行相應檢修，可以有效提高后續布料生產的質量，所以，對布料生產檢測時間的分析，優化了布料的檢測時間，不僅提高了檢測的針對性和效率，還有助于及時發現和解決生產過程中的問題，從而確保布料的質量。