李慶，謝一首,，鄭力新,，張?jiān)＠ぃf禮鴻

　?。ㄈA僑大學(xué) 工業(yè)智能化技術(shù)與系統(tǒng)福建省高校工程研究中心,，福建 泉州 362021）

　　摘要：設(shè)計(jì)了一種利用機(jī)器視覺，并且結(jié)合LabVIEW多線程處理機(jī)制與Hough變換及Gabor算法的織物疵點(diǎn)檢測系統(tǒng),。通過LabVIEW中基于數(shù)據(jù)流的生產(chǎn)/消費(fèi)者并行軟件編寫模式與隊(duì)列的結(jié)合,，防止內(nèi)存中的圖像因?yàn)椴杉俣冗^快而被覆蓋，造成數(shù)據(jù)丟失,。在檢測算法中使用Hough變換獲取織物紋理方向角并作為Gabor濾波器的方向以檢測織物疵點(diǎn),，再通過最大熵進(jìn)行圖像分割。實(shí)驗(yàn)結(jié)果表明,，該處理機(jī)制與檢測算法的結(jié)合具有良好的織物疵點(diǎn)檢測效果,。

　　關(guān)鍵詞：LabVIEW；Hough,；Gabor,；織物疵點(diǎn)；機(jī)器視覺

0引言

　　華僑大學(xué)研究生科研創(chuàng)新能力培育計(jì)劃資助項(xiàng)目（1400422004）織物在生產(chǎn)過程中產(chǎn)生的疵點(diǎn)是影響織物質(zhì)量和品質(zhì)的重要因素,。當(dāng)前,，在紡織品領(lǐng)域內(nèi)，織物疵點(diǎn)的檢測還主要靠人工檢測,，工作人員需要在驗(yàn)布機(jī)旁用肉眼觀察疵點(diǎn)并手工記錄下來,，這種方式不僅效率低、成本高,，而且對(duì)人眼睛有害,，容易因?yàn)槿说那榫w,、疲勞等主觀因素造成判斷不準(zhǔn)確。

　　目前,，應(yīng)用機(jī)器視覺來解決實(shí)際工程中的智能檢測問題已成為一種主要的途徑,。例如，KUMAR A等人［1］采用Gabor函數(shù)以實(shí)現(xiàn)織物疵點(diǎn)的檢測,。當(dāng)前大多數(shù)的織物疵點(diǎn)自動(dòng)檢測系統(tǒng)屬于離線處理,，其中較為典型的是以色列EVS公司的ITEX驗(yàn)布系統(tǒng)和瑞士Uster公司的Fabriscan自動(dòng)驗(yàn)布系統(tǒng)。

1系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

　　低噪聲,、高分辨率的線陣相機(jī)非常適合在運(yùn)動(dòng)系統(tǒng)中進(jìn)行視覺檢測,。因其采集速度極快，因此采集到的圖像數(shù)據(jù)量會(huì)較大,，為處理如此多的數(shù)據(jù)量,，有研究人員采用DSP來處理圖像數(shù)據(jù)［23］，而這種方法的成本高昂,，不適合推廣,。為減少成本，本文利用PC強(qiáng)大的硬件系統(tǒng)及其數(shù)據(jù)處理能力來代替DSP,，使用LabVIEW及其圖像處理軟件包IMAQ Vision開發(fā)系統(tǒng)軟件平臺(tái),。

　　系統(tǒng)硬件平臺(tái)結(jié)構(gòu)如圖1所示，包含織物檢測機(jī)臺(tái),、光源、相機(jī)及PC,。其中相機(jī)為加拿大DALSA生產(chǎn)的P24908K40線陣相機(jī),，該相機(jī)分辨率為8 192 pixel/line，像素時(shí)鐘為160 MHz（6.25 ns/pixel）,，采集速度可以達(dá)到19 531 line/s,。與相機(jī)連接的采集卡為美國國家儀器有限公司的NI PCIe1433 Camerlink圖像采集卡。

　　圖1實(shí)驗(yàn)設(shè)備結(jié)構(gòu)圖由于織物的顏色較多,，因此光源選擇LED白光光源,，它對(duì)不同的顏色都有比較良好的光學(xué)特性，其安裝位置應(yīng)盡量靠近被檢測織物的表面,。

　　相機(jī)鏡頭成像原理如圖2所示,，鏡頭中的成像與焦距滿足的關(guān)系如式(1)所示：

　　其中，H′為CCD芯片長度,，即0.007 mm×8 192,；H為視野，f為焦距,，l為物距,。

　　由式(1)得焦距f滿足下式：

　　鏡頭可以捕捉到的視角θ滿足下式：

　　在本實(shí)驗(yàn)系統(tǒng)中,，鏡頭選擇施耐德ApoComponon 4.0/60，即焦距f為60 mm的鏡頭,，檢測織物的寬度H為1 600 mm,，則物距l(xiāng)可由式(2)得出：

　　由視野和CCD像素可以得出橫向分辨率為1 600 mm/(8 192 pixel/line)=0.195 mm/pixel，因此最大布匹檢測速度為：

　　19 531 line/s×0.195 mm/pixel=3.8 m/s

　　當(dāng)相機(jī)分辨率降低時(shí),，則允許的速度會(huì)隨之提升,，與此同時(shí)，對(duì)疵點(diǎn)的識(shí)別能力會(huì)下降,。為保證橫向和縱向分辨率一致,，需要保證縱向每隔0.195 mm掃描一行。

2系統(tǒng)軟件結(jié)構(gòu)設(shè)計(jì)　

　　系統(tǒng)的軟件設(shè)計(jì)包含著數(shù)據(jù)傳遞和數(shù)據(jù)處理兩部分,?？紤]到1 600 mm的布匹寬度，200 mm/s的檢測速度,，按照上文的0.2 mm橫向分辨率,，每行需要8 000個(gè)像素，則在1 s內(nèi)會(huì)有1 000 lines被檢測,，由此可以算出需要處理的數(shù)據(jù)量為8 MB/s,。對(duì)于一個(gè)實(shí)時(shí)系統(tǒng)，這是非常大的數(shù)據(jù)量,，傳統(tǒng)編程中的條件循環(huán)或復(fù)合循環(huán)結(jié)構(gòu)已不適用,，因此LabVIEW引入了狀態(tài)機(jī)的概念［4］。在此系統(tǒng)中,，最耗時(shí)的是檢測算法,。為了避免算法速度的限制而造成漏檢，需要解決兩個(gè)問題：其一是保證在來不及處理圖像時(shí),，數(shù)據(jù)不丟失,；其二是并行執(zhí)行圖像采集和處理兩大核心任務(wù)，以提高系統(tǒng)效率,，有效利用PC的性能,。

　　由于圖像數(shù)據(jù)的采集和處理需要并行執(zhí)行，因此這兩大核心任務(wù)需要放在LabVIEW中并行的兩個(gè)while循環(huán)內(nèi),。軟件設(shè)計(jì)工程中,，常用到“生產(chǎn)者-消費(fèi)者”模式。生產(chǎn)者線程提供數(shù)據(jù),，然后將數(shù)據(jù)放置在一個(gè)容量固定的緩沖區(qū)中,，消費(fèi)者線程從緩沖區(qū)中獲取數(shù)據(jù)并處理，然后釋放緩沖區(qū)。當(dāng)生產(chǎn)能力大于消費(fèi)能力時(shí),，空緩沖區(qū)不斷減小直至耗盡,，則生產(chǎn)者必須停止生產(chǎn)，等待消費(fèi)者釋放出空緩沖區(qū),；當(dāng)消費(fèi)能力大于生產(chǎn)能力時(shí),，緩沖區(qū)內(nèi)的數(shù)據(jù)逐漸減少直至無數(shù)據(jù)可用，則消費(fèi)者將處于等待狀態(tài),，直到有數(shù)據(jù)可用［4］,。

　　為避免出現(xiàn)生產(chǎn)者生產(chǎn)數(shù)據(jù)時(shí)沒有緩沖區(qū)可用而造成數(shù)據(jù)丟失，生產(chǎn)/消費(fèi)者模式中需要一種特殊的數(shù)據(jù)傳遞方法——隊(duì)列,。它采用了傳引用的方式,，在不同的應(yīng)用程序或線程中可以針對(duì)同一個(gè)隊(duì)列進(jìn)行操作，其FIFO模式可以保證圖像數(shù)據(jù)按時(shí)間先后順序處理,。不同線程中訪問同一個(gè)隊(duì)列,，需要避免出現(xiàn)競爭狀態(tài)。

3系統(tǒng)檢測算法設(shè)計(jì)

　　在布匹紋理檢測中,，需要對(duì)正常的紋理進(jìn)行抑制,，以凸顯不正常的紋理，即疵點(diǎn),。本系統(tǒng)分別對(duì)布匹從上到下和從左到右兩個(gè)方向進(jìn)行Hough變換以查找直邊,，直邊的方向角度就是經(jīng)紗和緯紗角度。將紋理方向參數(shù)傳遞給Gabor濾波器進(jìn)行濾波處理,，再對(duì)所得Gabor模圖像進(jìn)行最大熵閾值分割,、圖像融合以及形態(tài)學(xué)處理，最終確定出疵點(diǎn),。算法流程如圖3所示,。

　　結(jié)果如圖4所示，Hough變換查找的直邊與布匹的紋理方向幾乎一致,。角度測量結(jié)果如表1所示。

　　具體算法如下：

　　表1紋理方向測量結(jié)果紋 理角 度/°緯紗8經(jīng)紗105（1）采集圖像及預(yù)處理

　　分別獲取織物的標(biāo)準(zhǔn)圖像α(x,y)和含疵點(diǎn)圖像β(x,y),，并對(duì)圖像進(jìn)行直方圖均衡化處理和高斯濾波,。

　　（2）Gabor濾波

　　利用Gabor濾波器gf(x,y),，分別與α(x,y)及β(x,y)進(jìn)行卷積,，得：

　　αf(x,y)=α(x,y)*gf(x,y)

　　βf(x,y)=β(x,y)*gf(x,y)(5)

　　其中，f=1,2分別表示布匹中的兩個(gè)紋理主方向,。對(duì)卷積后的結(jié)果取其模作為輸出圖像：

　　Af(x,y)=|αf(x,y)|;Bf(x,y)=|βf(x,y)|(6)

　　得到圖像如圖5(a),、(b)所示。

　　（3）最大熵分割

　　對(duì)經(jīng)過Gabor濾波后的含疵點(diǎn)的圖像Bf(x,y)采用最大熵進(jìn)行分割,，得到二值圖像Tf(x,y),。

　　（4）圖像融合

　　對(duì)沿著紋理的兩個(gè)主方向所處理后的分割圖片進(jìn)行融合,，得到如圖5(c)所示圖像,，融合后的圖像為：

　　R(x,y)=T1(x,y)2+T2(x,y)2(7)

　　（5）形態(tài)學(xué)處理及孤立點(diǎn)去除

　　由于經(jīng)過分割與融合后的圖像中會(huì)出現(xiàn)不連續(xù)現(xiàn)象,，因此需要經(jīng)過腐蝕和膨脹操作,，得到平滑清晰的圖像P(x,y)。經(jīng)過孤立點(diǎn)去除操作可以得到比較理想的疵點(diǎn)分割圖Q(x,y),，如圖5(d)所示,。

4實(shí)驗(yàn)結(jié)果與結(jié)論

　　圖6斷紗疵點(diǎn)檢測本系統(tǒng)軟件平臺(tái)是在LabVIEW 2011專業(yè)版的環(huán)境下搭建的。實(shí)驗(yàn)中分別對(duì)斷紗,、破洞,、勾絲等常見的疵點(diǎn)進(jìn)行測試，測試結(jié)果如圖6～圖8所示［5］,。

　　圖6～圖8中,，(a)為灰度圖像，(b)為均衡化后的圖像,，(c),、(d)分別為f=1、2時(shí)經(jīng)過Gabor濾波的模值圖像,，(e)為最大熵分割并融合兩個(gè)不同主方向的圖像,，(f)為進(jìn)行形態(tài)學(xué)操作和孤立點(diǎn)去除后的圖像，也是最終的疵點(diǎn)分割圖像,。

　　本文中引入Hough變換求得方向角并作為Gabor濾波器的方向進(jìn)行濾波,，然后用最大熵分割圖像，再進(jìn)行不同方向的圖像融合,。該算法降低了計(jì)算量,，保證算法的效率，在實(shí)時(shí)性上具有優(yōu)越性,。本文的算法能夠準(zhǔn)確得出紋理方向并令Gabor濾波取得良好的效果,，能夠準(zhǔn)確提取出疵點(diǎn)。

參考文獻(xiàn)

　?。?］ KUMAR A,， PAND G K H. Defect detection in textured materials using gabor filters［J］. IEEE Transactions on Industry Applications,2002,38(2):425440.

　　［2］ BAYKUT A, ATALAY A, ERCIL A, et al. Realtime defect inspection of textured surfaces［J］. RealTime Imaging, 2000,6(1):1727.