a&s专业的自动化&安全生态服务平台
公众号
安全自动化

安全自动化

安防知识网

安防知识网

手机站
手机站

手机站

大安防供需平台
大安防供需平台

大安防供需平台

资讯频道横幅A1
首页 > 资讯 > 正文

利用OpenCV识别玻璃纤维织物劈缝缺陷

本文根据生产实际状况,搭建了玻纤织物缺陷在线检测系统平台如图1所示。由图可以看出,工业相机、镜头及光源组成了机器视觉检测系统的图像采集模块。本次研究采用了全局曝光的面阵相机搭配GigE工业相机、Computa高清镜头。
资讯频道文章B

    玻璃纤维织物是经编多轴向织物,由一层或多层平行的纱线按照尽可能多的方向交错而成的。织物具有一定的密实度和厚度,颜色一般为白色,生产时的质量缺陷主要为劈缝缺陷,在线生产速度为2m/min,幅宽一般为2.5m左右,检测精度要求为0.5mm。
    本文根据生产实际状况,搭建了玻纤织物缺陷在线检测系统平台如图1所示。由图可以看出,工业相机、镜头及光源组成了机器视觉检测系统的图像采集模块。本次研究采用了全局曝光的面阵相机搭配GigE工业相机、Computa高清镜头。

201908021048174521.jpg

图1 玻璃纤维织物缺陷在线检测系统平台

解决方案:
    由于织物材料为白色的玻璃纤维丝,正面光照会使图像反光,我们将条形光源放在织物下方进行背光照明。通过采用该图像采集模块可以获得高对比度的图像,当织物无缺陷时,图像上没有透光部分,如图2所示,织物有缺陷时,织物缺陷部分将有亮光透过,缺陷将被清晰的勾勒出来,右下图中高亮区域即为织物的劈缝缺陷。

有缺陷和无缺陷玻璃纤维织物.jpg

图2 有缺陷和无缺陷玻璃纤维织物

    采集图像后,采用OpenCV图像处理软件进行织物的质量检测。一般情况下正常玻璃纤维织物的纹理具有一致的周期特性和统一的色彩分布,但当织物的纹理遭到破坏产生缺陷时,便不再具备一致的周期性和统一的色彩分布,因此,玻璃纤维织物疵点的检测主要是采用提取织物的纹理信息和灰度分布来判断织物的疵点的存在与否。
基于OpenCV机器视觉库的图像处理法进行织物的缺陷检测
    首先对图像处理进行平滑处理以消除噪声干扰,然后对图像进行图像分割、形态学处理和特征提取,最后对提取的缺陷特征进行参数计算,求出图像中的缺陷的个数、发生的位置、尺寸等参数。

织物的图像处理过程.jpg

图3 织物的图像处理过程

    图像平滑:采用均值滤波器(blur函数)对图像进行平滑处理,减少噪声干扰。
    图像分割:采用全局阈值法进行图像分割,即利用threshold函数实现缺陷和背景纹理的二值化分割,有缺陷的用白色像素表示,背景纹理用黑色表示。
    形态学处理:采用形态学中的闭运算操作对二值化的图像进行处理,消除干扰的小杂点,提高缺陷的检出率及检测准确性。
    特征提取:利用OpenCV中findContours实现形态学处理后图像的轮廓提取与分析,先采用contourArea函数计算出每个轮廓的面积,并通过与设定的面积参数比较赛选出符合缺陷面积特征的轮廓后,通过contours.size()计算出织物中缺陷的个数。
    特征参数计算:为计算织物中位置和尺寸等特征,采用minAreaRect函数构造出缺陷轮廓的最小外接矩形,由最小外接矩形中心的X和Y坐标值、矩形的倾斜角度、矩形的宽度和高度等参数,从可计算出缺陷的特征参数。
    本文根据实际生产情况搭建了基于机器视觉的玻璃纤维织物在线检测平台,结构简单,易于实现,照明方式减少了织物材质对成像的影响,使图像中的目标信息与背景信息得到了最佳的分离,形成了有利于图像处理的成像效果。有效地改善玻璃纤维织物的在线质量检测生产现状,为其他类型织物的质量检测提供了参考。


参与评论
回复:
0/300
文明上网理性发言,评论区仅供其表达个人看法,并不表明a&s观点。
0
关于我们

a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台,为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等,为读者搭建专业的行业交流平台。

免责声明:本站所使用的字体和图片文字等素材部分来源于互联网共享平台。如使用任何字体和图片文字有冒犯其版权所有方的,皆为无意。如您是字体厂商、图片文字厂商等版权方,且不允许本站使用您的字体和图片文字等素材,请联系我们,本站核实后将立即删除!任何版权方从未通知联系本站管理者停止使用,并索要赔偿或上诉法院的,均视为新型网络碰瓷及敲诈勒索,将不予任何的法律和经济赔偿!敬请谅解!
© 2020 Messe Frankfurt (Shenzhen) Co., Ltd, All rights reserved.
法兰克福展览(深圳)有限公司版权所有 粤ICP备12072668号 粤公网安备 44030402000264号
用户
反馈