基于机器视觉技术的皮革材料缺陷可视化研究_李彦.pdf

基于机器视觉技术的皮革材料缺陷可视化研究李 彦，王卫斌（西安翻译学院 信息工程学院，陕西 西安）摘 要：由于原材料的特殊性，皮革材料在进行深度加工以前都需要对材料表面的缺陷，如虫蛀、裂痕等进行筛查。基于机器视觉、数字图像处理技术等，对皮革材料缺陷的可视化检测进行分析，对皮革材料缺陷图像采集与处理、图像缺陷特征分析与提取、缺陷检测分类等关键技术进行总结。本文认为，对于皮革产业材料缺陷检测工艺而言，机器视觉能够大幅提升相关领域检测精度和检测效率，有利于皮革产业实现智能化发展。关 键 词：皮革材料；计算机视觉；数字图像处理；图像采集；缺陷特征分析中图分类号 文献标志码：.，（，）：，.，.，.：；收稿日期：；修订日期：基金项目：陕西省科技厅自然科学基础研究项目（）；西安翻译学院教育教学改革研究项目（）；西安翻译学院项目（）第一作者简介：李 彦（），女，硕士，副教授，.。引 言皮革材料来自各种动物的皮毛。由于动物皮毛本身形状不规则，也有的动物皮毛因动物自身所受创伤而存在某些划痕、裂痕、空隙等，因此以动物皮毛加工而成的皮革材料往往都存在或多或少的表面缺陷，需要在深度加工以前对这些缺陷皮革进行筛选。传统的皮革材料缺陷检测，大多依赖某些经验丰富的产业工人，以肉眼观察、肢体触摸等方式对皮革材料的缺陷进行检测。这种纯粹依赖人工对皮革材料中的划痕、虫洞等缺陷进行检测，是一项效率低下且对工人身心负面影响较大的工作。随着现代科技的发展，利用机器视觉等对材料、工业品进行质量检测的体第 卷 第 期 年 月 中 国 皮 革 .系已经逐渐成熟，现代工业检测领域中的人工检测的占比逐渐降低。然而，在皮革产业中利用机器视觉进行材料表面缺陷检测的相关应用尚且不多。本文以皮革材料缺陷可视化为抓手，构建了一种基于机器视觉的皮革材料缺陷智能检测系统，对该系统的应用状况进行总结，旨在为皮革产业智能化发展提供借鉴。基于机器视觉的皮革材料缺陷可视化检测流程.视觉检测系统基本构成一个典型的基于机器视觉的计算机检测系统包括光源、摄像机、图像采集卡等部分。图 所示是一种典型的机器视觉检测系统基本构成。图 基于机器视觉的计算机检测系统光学成像系统主要负责对待检测物进行造影、成像，获得最基础的待检测物信息；图像捕捉系统由 摄像机构成，这是一种半导体成像器件，具有灵敏度高、抗强光、畸变小、抗震动等优点；图像采集与数字化系统包括图像采集卡、计算机等，主要负责实现图像的电信号转变；智能图像处理与决策系统主要由工业计算机组成，负责实现图像中待检测缺陷的识别和分类。随着现代计算机计算能力的提升，图像采集与数字化系统通常与智能图像处理与决策系统合并；控制执行模块主要包括控制单元如 等，负责根据计算机提供的缺陷识别指令安排待检测物的下一步操作。.视觉检测皮革材料缺陷基本作业流程基于机器视觉的视觉检测系统是一种非接触式的高效图像处理系统，可以被应用于各类型物品的检测、分析、缺陷识别和分类中。视觉检测皮革材料缺陷基本作业流程如图 所示。图 视觉检测皮革材料缺陷基本作业流程系统工作时，首先，皮革材料会通过传送带等设施进入光源所在范围内，光源的位置为固定位置，摄像机会对皮革材料进行拍照；其次，摄像机的拍摄结果会通过图像采集卡传输至计算机，实现电信号转化；再次，计算机会根据摄像机的拍摄结果和数字图像处理结果对图像的信息进行处理、判断并发送相应的指令给控制单元；最后，控制单元根据计算机的指令与检测结果指导皮革材料流水线进行何种操作。皮革材料缺陷可视化核心技术.图像采集与处理.图像采集图像采集是皮革材料缺陷可视化检测的最基础阶段，主要工作由图像采集设备、视频图像采集卡等硬件设备完成。目前，应用最多的图像采集设备多为工业用 摄像头，图像采集完成以后交由计算机进行控制并实现图像信号的 转换。摄像头的图像采集像素点直接决定了皮革材料后续的处理的计算量。.图像预处理图像的预处理工作极为重要。通常来说，皮革材料的图像预处理工作应该包含图像平滑滤波、图像增强、图像锐化等环节（如图 所示）。第 步，图像平滑滤波。皮革材料大多数直接采皮 革中 国 皮 革第 卷图 皮革材料的图像预处理集的图像都会受到不同程度的噪声干扰。这些噪声的存在会使采集的皮革材料图像变得模糊，某些细微的划痕、虫洞等会被噪声掩盖而无法获得精准的图像信息。图像平滑、滤波能够对采集图像进行降噪，增强图像清晰度。图像平滑滤波的方法主要分为两类：直接作用在皮革材料采集图像所在空间的空间域方法，利用模板卷积完成；作用于间接变换域的方法，利用图像的变换域对图像的变换值进行运算，选择皮革图像频域中一定区间的高频分量衰减进行处理。第 步，图像增强。直接获取得到的皮革材料图像往往存在皮革材料与背景（通常是传送带）不易区分的问题。而图像平滑滤波并不能解决这一问题。此时便需要对图像进行增强，以实现边界与皮革材料的区分。通常选用灰度直方图修正的方法实现图像增强。假设以 坐标表示皮革材料拍摄原图的灰度值，以 坐标表示 坐标出现的概率。在，的平面坐标系下，取一灰度区间，假设灰度区间，是一个明确背景 皮革材料灰度区间，的子集，如果能够将，的绝大多数像素点映射到，上，即可证明灰度区间，属于背景或是皮革材料。，与，之间的映射关系如下所示：（）（）其中，表示，内的某一像素；表示，内的某一像素。第 步，图像锐化。图像锐化主要为了解决图像平滑处理以后边界、轮廓变得模糊的问题。对于某些需要加强图像边缘灰度跳边强度的图像具有较好的应用效果。一般的图像锐化方法主要有空域处理和频域处理两种。.图像分割图像分割的主要目的是将皮革材料中存在缺陷的部分进行准确定位，使后续的图像缺陷特征分析与提取更具针对性。一般图像分割可以分为灰度图像分割和纹理特性分割两大类。灰度图像分割分为边缘分割和区域分割两类。边缘分割的核心思想是利用边缘像素点与周围像素点之间的灰度值差异，对皮革材料拍摄图像中的某一个像素点求一二阶导数，判定该像素点的具体位置，同一类像素点组成的矢量图形就是分割的边缘。区域分割的核心思想是挑选出皮革材料拍摄图像中具有相似特征的一类像素点，利用灰度值、颜色分量、纹理特征等进 行 特 征 提 取，采 用 阈 值 法 获 得 分 割区域。纹理特性分割是利用皮革材料采集图像中整体上呈现出一定纹理规则的图像特征进行筛选，以纹理分割的方法找到皮革材料采集图像不同区域间边界的方法。纹理特性分割方法主要有统计分析法和结构分析法等。.图像缺陷特征分析与提取图像缺陷特征分析与提取，就是将皮革材料的表面缺陷从图像空间中映射出来，使机器视觉系统中的某一缺陷与特征空间中的某些像素点或特征矢量实现对应。图像缺陷特征的分析与提取有助于皮革产业对某几类皮革缺陷的图像特征进行总结。图像缺陷特征分析与提取主要包括颜色特征分析、形态特征分析、纹理特征分析等（图）。图 图像缺陷特征分析与提取方法.颜色特征分析 模型是基于基本三原色进行图像颜色特征分析与提取的方法。三原色经过加权可以以立方体的形式对任一像素的颜色进行表述。不过，模第 期李 彦，等 基于机器视觉技术的皮革材料缺陷可视化研究皮 革型所进行的像素点的颜色表述多针对机器，与人体本身所形成的颜色体系略有差距，有时会出现不能弥补颜色变形的问题，无法使模型与人体视觉形成良好的匹配。模型是一种基于 模型而来的颜色表述模型。这种模型由色调（）、色度（）和明度（）三部分组成。三大元素形成的双圆锥模型能够描述极为复杂的像素点颜色。由于人体的视觉系统对亮度的感知程度远远超过对颜色色度的感知程度，这种 模型所描述的像素点颜色特征更符合人体视觉特性，能够实现机器视觉与人体视觉的良好匹配。.形态特征分析皮革材料在完成分割以后会产生材料缺陷图样和背景图样的不同类型的几何特征，如面积、周长、大小等。这些不同属性的几何特征能够帮助机器识别软件进行更好的图像识别，从而得到皮革材料表面缺陷的几何数据。首先，皮革材料缺陷的面积。汇总缺陷区域所占的像素点数量可以直观定义皮革材料缺陷处的面积。假设皮革材料缺陷检测目标图像（，）；背景为，大小为；则目标图像面积 可以表示为：（，）（）若皮革材料表面缺陷并不是连续状态的，但是缺陷类型相同，则整体缺陷面积是各个不同目标图像面积的总和。其次，皮革材料缺陷的周长。汇总缺陷区域边界所占的像素点数量可以直观定义皮革材料缺陷处的周长。最后，皮革材料缺陷的位置。皮革材料的缺陷有时并不在一个位置，需要通过定位给后续的控制单元提供明确的定位。一般情况下，都会将皮革材料缺陷的面积中心定义为图像位置。皮革材料缺陷面积中心就是单位面积质量恒定的相同形状的质心，对于式（）中的背景为，大小为 的图形缺陷（，）而言，其质心可以用式（）表示：（，）（，）（）.缺陷检测分类.监督分类法利用监督分类法对皮革材料表面缺陷进行分类，需要对已知样本集进行选取，对样本集进行数据集筛选，通过设计复合皮革材料表面缺陷分类方法的分类器对样本集进行学习，最终通过不断地对缺陷类型进行分类完成缺陷检测类型汇总。常用的监督分类器的构造方法有统计方法、机器学习法、神经网络法等。.非监督分类法非监督分类法也被称为聚类法。与监督分类法不同的是，非监督分类法并不需要提前对样本集进行选取，而是直接根据皮革材料表面缺陷相似度大小对皮革材料缺陷进行分别归类。常见的非监督分类法有 平均法、法、法等。结 语皮革材料因取材于动物的自然皮毛，无可避免地会存在一些固有缺陷，如牛蝇的叮咬痕迹、裂痕等。传统的人工筛选方式大多依赖工人的经验和耐心，在长期作业以后容易造成筛选误差，也会对工人身心造成负面影响。本文对一种基于机器视觉的皮革材料缺陷可视化检测体系进行综述，旨在为有意开展计算机视觉检测的皮革制品厂家提供借鉴。参考文献：刘飞飞，孙合锐，王潇男，等 基于 滤波的重建图像法检测皮革表面缺陷 传感器与微系统，（）：，张新良，夏亚飞，夏楠，等 基于 均值聚类与标记分水岭的棉花图像分割 传感器与微系统，（）：冯岱 黄牛压花摔纹鞋面革复鞣工艺控制要点 中国皮革，（）：，黄梦涛，连一鑫 基于改进 算子的锂电池极片表面缺陷检测 仪器仪表学报，（）：任喜伟，何立风，宋安玲，等 基于连通域标记的原油乳状液粒径检测算法 计算机应用与软件，（）：李钧正，殷子玉，乐心怡 基于小样本学习的钢板表面缺陷检测技术 航空科学技术，（）：徐洪营，李彦春，于志淼，等 制革实用技术问答：皱褶、血筋与伤残（）中国皮革，（）：（下转第 页）皮 革中 国 皮 革第 卷图 皮革拉伸点识别试验利用细化原理提取出了皮革骨架，进而得出必选拉伸绷展点，再利用画圆相交法确定出其余拉伸点，经过筛选确定出最终拉伸绷展点。利用此算法对大量皮革拉伸绷展点经过识别定位试验后，结果表明：该算法识别定位出的拉伸绷展点基本满足实际运用需求。本文所研究的定位方法和算法，为皮革绷板干燥工序的拉伸绷展点选取提供了有效解决方案，对推进皮革行业的智能制造发展进程具有良好的促进作用。参考文献：张生.皮革在家居环境美化中的应用研究 中国皮革，（）：贺霞.浅谈国内皮革机械行业的发展现状 中国皮革，（）：金涌.绿色创新 轻工产业持续发展的金钥匙 轻工学报，（）：王丹.中国制革机械发展历程及未来 北京皮革，（）：杨淑娟，邵其龙.皮革干燥机理研究 革在干燥过程中的收缩 皮革科学与工程，（）：任工昌，王乐，桓源，等.针对机械手抓取皮革位置的研究 中国皮革，（）：张志刚，周明全.一种轮廓曲线的多边形近似算法 计算机应用，（）：，.，（）：胡新荣，刘嘉文，刘军平，等.基于 的着装人体多特征点提取与尺寸测量 计算机工程，（）：，巩文静，田杰，黄海宁.基于形状特征的水声图像小目标识别方法 应用声学，（）：马宏伟，杨文娟，张旭辉.带式输送机托辊红外图像分割与定位算法 西安科技大学学报，（）：段汕，张洪，王小凡，等.基于 曲线的多边形图像骨架矩的研究 中南民族大学学报（自然科学版），（）：施晔卿，穆平安，戴曙光.基于骨架特征点的汽车多功能面板缺陷检测 信息技术，（）：，王东升，杨金，邓斌，等.机器视觉系统在激光封焊机中的开发与应用 电子工业专用设备，（）：