拉鏈布邊缺陷的圖像檢測(cè)方法研究.pdf

1、拉鏈產(chǎn)品外觀檢測(cè)是拉鏈生產(chǎn)中的關(guān)鍵環(huán)節(jié)之一。傳統(tǒng)的拉鏈產(chǎn)品外觀檢測(cè)主要采用人工檢測(cè)來(lái)完成，存在效率低、準(zhǔn)確率不高的缺點(diǎn)。用圖像檢測(cè)代替人工檢測(cè)的方法將會(huì)成為拉鏈產(chǎn)品外觀檢測(cè)的趨勢(shì)，具有廣闊的前景和市場(chǎng)價(jià)值。為此，有必要研究用圖像檢測(cè)的方法來(lái)檢測(cè)拉鏈產(chǎn)品的缺陷，以達(dá)到提高效率和準(zhǔn)確率的目的。
　　在拉鏈產(chǎn)品的外觀缺陷中,拉鏈布邊缺陷是主要的缺陷類型之一。然而，到目前為止，用圖像檢測(cè)的方法對(duì)拉鏈的缺陷檢測(cè)研究主要偏向于拉鏈齒、拉頭和限

2、位碼，單獨(dú)針對(duì)拉鏈布邊的檢測(cè)研究還沒(méi)有。于是，本文將拉鏈布邊單獨(dú)分割出來(lái)，用圖像檢測(cè)的方法檢測(cè)缺陷。本文的主要工作如下：
　　首先，介紹了拉鏈缺陷檢測(cè)的背景以及研究意義，分析了拉鏈布邊缺陷檢測(cè)的研究現(xiàn)狀，并介紹了本文的研究工作。
　　其次，提出了拉鏈布邊缺陷檢測(cè)的整體框架，給出了缺陷檢測(cè)的具體流程，詳細(xì)闡述了樣本集的構(gòu)建過(guò)程。
　　第三，針對(duì)拉鏈布邊紋理顯著的特點(diǎn)，提出了利用局部二值模式(Local Binary Pa

3、ttern，LBP)和灰度共生矩陣（Gray level co-occurrence matrix，GLCM）提取特征的方法。討論了這兩種算法的參數(shù)選擇問(wèn)題，并且給出了拉鏈布邊樣本圖像特征提取的具體步驟。
　　第四，研究了利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別拉鏈布邊缺陷的方法。根據(jù)BP神經(jīng)網(wǎng)絡(luò)的相關(guān)理論探討了主要參數(shù)選擇的問(wèn)題，給出了網(wǎng)絡(luò)的訓(xùn)練過(guò)程，然后闡述了BP神經(jīng)網(wǎng)絡(luò)識(shí)別拉鏈布邊缺陷的具體步驟。
　　第五，進(jìn)行了相關(guān)實(shí)驗(yàn),并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)

4、行了分析。將LBP三種模式提取特征的效果作出了比較，實(shí)驗(yàn)結(jié)果表明：在樣本圖像一致的條件下，均勻模式提取特征用時(shí)最少，并且識(shí)別準(zhǔn)確率最高，是最佳的LBP模式。接著，將均勻模式與GLCM提取特征的效果作出了比較，實(shí)驗(yàn)結(jié)果表明：均勻模式能以接近3倍于GLCM的速度提取相同樣本圖像的特征，在污染、破損、脫線這三種缺陷樣本下，均勻模式的平均識(shí)別準(zhǔn)確率為89.33％，GLCM的平均識(shí)別準(zhǔn)確率為87.67%，均勻模式高出GLCM1.66%。然后，對(duì)B

5、P神經(jīng)網(wǎng)絡(luò)的性能作出了分析，實(shí)驗(yàn)結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率最高可達(dá)95.00%；且識(shí)別2200個(gè)樣本每個(gè)樣本平均用時(shí)在0.036秒內(nèi)?？梢?jiàn)，BP神經(jīng)網(wǎng)絡(luò)具備良好的識(shí)別精度和良好的實(shí)時(shí)性。最后，研究了隱層節(jié)點(diǎn)數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)識(shí)別效果的影響，實(shí)驗(yàn)結(jié)果表明：識(shí)別準(zhǔn)確率與隱層節(jié)點(diǎn)數(shù)呈現(xiàn)非線性關(guān)系，當(dāng)識(shí)別準(zhǔn)確率達(dá)到最高后，繼續(xù)增加節(jié)點(diǎn)數(shù)，識(shí)別準(zhǔn)確率并不會(huì)提高，而識(shí)別用時(shí)卻也在增加。
　　最后，對(duì)本文的研究成果做出總結(jié)，并給出了后續(xù)的研