基于機器視覺的無紡布疵點在線檢測系統(tǒng)研究.pdf

1、疵點是影響無紡布質量等級的最主要因素，疵點檢測是其質量管理的重要環(huán)節(jié)。傳統(tǒng)的布匹疵點檢驗依靠人工主觀判別，缺乏檢驗的一致性和可靠性。隨著現(xiàn)代工業(yè)發(fā)展對無紡布質量和產(chǎn)量需求的日益增長，人工檢測的精度和速度均不能滿足要求，基于機器視覺的疵點檢測技術已經(jīng)成為了研究熱點和發(fā)展趨勢。
　　本文基于實際的應用課題，針對圖像采集過程中背景灰度不一致問題，采用灰度均值規(guī)范化和同態(tài)濾波的預處理方法消除光照不均的影響。針對檢測系統(tǒng)實時性和準確性要求，

2、本文采用了一種分層檢測的算法結構，首先采用實時性較好的灰度共生矩陣方法判別疵點，再對疵點圖像進行二維 Gabor濾波特征提取和分離。共生矩陣的方法能夠判別出明顯疵點，但不能分離疵點且對隱性疵點判別力不足；Gabor濾波算法的檢測準確性和通用性更好，但實時性不足。
　　針對Gabor濾波檢測算法實時性不足的問題，本文采用了兩個方面的優(yōu)化方法：（1）在算法實現(xiàn)時只取復數(shù)Gabor濾波器的實部與圖像進行卷積，并將二維卷積分解成兩個不同方

3、向上的一維卷積運算，該方法仍能有效檢測出疵點，同時降低了算法復雜度，減少了計算量；（2）利用GPU(Graphics Processing Unit)高性能并行計算平臺實現(xiàn)基于分離卷積的二維 Gabor濾波方法，并對該方法在 CUDA(Compute Unified Device Architecture)上多種實現(xiàn)方式的實時性進行了研究。對比實驗表明，使用共享存儲器最優(yōu)化實現(xiàn)效率最高，可以達到8~20倍的加速比。
　　最后，本文