计算机视觉技术及LabVIEW在织物疵点检测中的应用

1、东华大学硕士学位论文计算机视觉技术及LabVIEW在织物疵点检测中的应用姓名：蔡亚申请学位级别：硕士专业：机械设计及理论指导教师：顾洪波20071201计算机视觉技术及在织物疵点检测中的应用计算机视觉技术及在织物疵点检测中的应用摘要在纺织品生产中，织物疵点检测是质量控制的一个重要环节。迄今为止，传统的疵点检测都是由人工来完成的，由于人工检测是一种单调、乏味且繁重的劳动，工作人员的检测能力还受到工作环境、自身生理和心理等因素的影响，故人工检测结果受到工作人员主观的影响较大，且人工检测的速度比较慢。随着计算机和图像处理技术的发展，计算机视觉越来越多地被应用于工业生产，基于计算机视觉的织物疵点检测已

2、成为人们关注的热点。在本文中，首先分析了已有的织物疵点自动检测研究成果。通过分析发现，这些研究虽然在疵点检测的精度上能够达到很高的要求，但在检测速度和检测环境适应性方面往往不是很理想。因此，本文从工厂实际应用的要求出发，确立了建立一个具有一定检测精度且在检测速度方面具有明显优势的检测系统的目标。然后，简单介绍了本文疵点检测系统的总体结构和系统中所用到的硬件的工作原理、参数等。在本检测系统中，选用了线阵相机。这是由于与面阵相机相比，线阵相机具有光源容易控制、能够连续扫描高速运动物体等优点，能够满足本检测系统的要求。接着介绍了本文基于平台开发的硬件控制及疵点检测软件。是美国公司推出的一种基于语言的

3、虚拟仪器软件开发工具，是目前国际上应用最广泛的虚拟仪器开发环境之一，主要应用于仪器控制、数据采集、数据分析、数据显示等领域。采用强大的图形化语言编程，面向测试工程师而非专业程序员，编程方便，人机交互界面直观、友好。硕士学位论文摘要在本文的后半部分，介绍了采用曲线拟合的方法对采集到的每一行织物图像进行处理。对存在疵点的每一行织物图像，利用该方法突出其中的疵点特征。通过在不同拍摄条件下对具有不同疵点的织物进行实验，发现该方法具有较好的检测效果，并且在计算速度上与以往的研究相比有明显的提高。接下来，对经过处理的每一行织物图像利用统计阈值法进行二值化。然后，提取织物中疵点的特征信息，包括疵点在扫描方向

4、上的位置、在宽度方向上位置、长度、宽度以及长宽比等。文中对整个特征提取过程进行了详细的介绍。关键词：织物疵点检测，计算机视觉，线阵，曲线拟合计算机视觉技术及在织物疵点检测中的应用，硕士学位论文，（），：，东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：承艺日期：刎黟年弓月东华大学学位论文版权使用授权书学位论文作

5、者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在年解密后适用本版权书。本学位论文属于不保密学位论文作者签名：孝琴：沸扫（指导教师签名：刁乙，绥指导教师签名：和厶日期例聊，。计算机视觉技术及在织物疵点检测中的应用前言第一章绪论众所周知，织物疵点是影响织物品质的主要因素。疵点检测的目的就是在织造完成后，验布过程中及时发现这些业已存在的疵点，通过修复和整理，尽可能降低由疵点导致的织物质量

6、的下降，有时也同时完成疵点的分类，以评价织物质量。国内纺织工业在自动化技术应用上已经取得很大的进展，各道工序的生产效率也得以大幅度地提高。然而，纺织品检验的效率并没有同步提高。目前，这一工序主要还是依赖于人工操作。也就是检验人员在没有眩光的背面窗旁或日光灯照明条件下按照自己的经验对织物评分，按评定标准对织物等级做出评定，并填写各种织物疵点报表。这种方法显然存在缺陷，如劳动强度大、效率低、漏检率高、受检验人员主观因素影响大，难以得到准确的检验结果等等。而且需要长时间专心工作，对工人身体健康很不利。因此，人工检验一般只能检验出的疵点】。织物检验已被证实是所有纺织生产过程中最难实现自动化的工序。为了

7、提高产品的质量管理和控制水平，实现织物疵点的客观评价，降低成本和减轻验布人员的负担，织物疵点的自动检测和评分系统日益受到国内外专家学者的关注。人们已花费了数十年的时间来提高计算机的性能和扫描技术来攻克这一难题，试图找出一种快速、客观又准确的自动检验方法来代替人工检测。同时，织物疵点自动检测是对织物质量进行控制和实现织造及验布工序自动化、无人化的关键环节。长期以来它一直是国内外学者共同关注和热心研究并得到许多国家官方机构资助的重要课题之一¨咱。随着计算机数字图像处理技术和神经网络技术的发展，使得基于图像处理和微型汁算机平台的织物疵点检测成为可能，并逐渐形成织物疵点自动检测的一个很重要的

8、方向，但是目前为止，尽管已经出现硕士学位论文第一章绪论了大量有价值的文献成果心。，科研水平也稳步提高，但尚未形成统一、完善、完整的体系。新的方法不断出现，但较为成热的检测系统甚少。国外一些公司也有在市场上推出了自己的自动验布系统，但大都存在一些缺陷，如它们对织物品种适应性和对疵点种类的区分能力有限，实际应用中的局限性较大，成本高，动态响应慢等。在把自动化技术应用于纺织行业的生产检测和管理已变得越来越重要的今天，还需要国内外科技工作人员进一步探索和研究出更实用的疵点检测系统。我国由于喷气、剑杆等新型织机的广泛使用，布机的速度不断提高，织物总产量也越来越高，对产品质量档次的要求也不断提高，研发适合

9、我国纺织业的疵点自动检测系统也对提高纺织品的质量，增强出口竞争力也都有重要的社会意义和经济意义。而且如果将疵点检测和分类装置用于织机，即在织机上对织物疵点进行在线检测和分类，发现疵点并及时地发出信号，给操作人员提供疵点信息以帮助及时地处理故障，甚至自动的采取调整措施对疵点进行处理，可以最大限度地减少疵点对织物质量造成的损害，并尽可能的保证高生产率，提高织造、检测工序的自动化程度。国内外织物疵点检测的研究概况采用计算机进行织物疵点检测的研究于世纪年代开始发展起来。如年瑞士公司推出的用神经网络识别技术开发的自动验布系统；年在巴黎展览会上推出的机型的自动验布系统；年用灰度匹配法对织物疵点进行了识别工

10、作。世纪年代初一直到现在，图像处理用于织物疵点捡测的研究形成了一个高潮。中国台湾、韩国、日本、美国、以色列和瑞士等国家的学者发表了大量研究论文，借鉴了其他工业检测系统的开发经验及数学和计算机等学科的最新研究成果，理论水平不断提高。计算机视觉技术及在织物疵点检测中的应用按照图像处理的方法，研究的途径可分为两种乜。，一是直接对图像的灰度值在空间域进行计算，抽取特征值；另一种是把图像转换到频域再进行分析。起初，大多是直接对图像的灰度值在空间域计算，抽取特征值，如灰度共生矩阵、马尔科夫随机场等是纹理分析常用的方法，但存在着计算量大、处理速度慢等缺点。¨等从图像灰度共生矩阵提取特征，通过贝叶斯

11、决策对疵点进行分类，采用图像匹配的方法建立了织物疵点检测专家系统。等采用高斯一马尔科夫随机场（）纹理模型对织物疵点的检测进行了研究。首先对没有任何疵点的织物图像进行训练，得到表示该种织物纹理的参数，作为检测过程的参考指标。检测时，对待检测织物图像分块（如每块×或×象素），每个图像块内计算参数同参考指标的“距离，以确定图像块是否存在疵点。聃等探讨了采用神经网络对平纹、斜纹和缎纹等不同种类织物上的疵点进行检测分类。首先对获取的织物图像提取纹理特征包括加重（）、二阶矩、熵、不一致性（）等，然后将特征值输入三层的神经网络进行分类，该方法检测的疵点种类包括断纬、纬向不匀、筘痕和杂质四

12、类，其工作也仅限于实验室阶段。阳等在其对疵点检测和分类的研究中，采用两种方法对粗节和结头疵点进行了分析。一种是采用计算灰度值的统计特性的方法，首先是采集不含疵点的织物图像经直方图均衡化后，由自相关得到织物图像的经向和纬向周期性的重复长度，作为检测窗口的高度和宽度。窗口大小确定后，对织物图像划分窗口，计算窗口内部和窗口之间的灰度均值和标准方差，然后可得到该织物的阈值。检测过程为采集图像后经直方图均衡化，在窗口内计算均值，并同阈值比较，最后计算超过阈值的窗口数目以决定是否包含疵点。第二种方法为采硕士学位论文第一章绪论用数学形态学图像处理的方法，首先由已知的疵点图像得到疵点部分的灰度阈值，由已知的无

13、疵点的织物图像得到结构元素。检测时，对由灰度阈值二值化后的图像，再由结构元素进行腐蚀（）和膨胀（）后确定疵点的种类。台湾逢甲大学的们等采用共生矩阵和神经网络对棉结、断经、断纬和油污疵点进行了检测。在训练阶段，该方法首先计算出采集图像的共生矩阵，由共生矩阵可计算出角二阶矩，从而判断出织物的经纬密度重复周期。根据这两个周期值，可由共生矩阵计算出不同角度、不同距离的六个对比度，输入到神经网络进行训练。这一过程费时较长，只能事先离线进行。检测时，仅需由待检测织物图像的灰度共生矩阵计算六个对比度，输入神经网络识别和分类即可。作者指出，对于×的数字图像，计算六个特征值参数就需要约秒的时间，经我们

14、实际计算，也认为该方法耗时较多，检测速度必然较慢。此外，这类检测方法中还有检验线形疵点、采用模糊规则、模糊神经网络等方法卜。这些研究，由于软硬件的局限，只能检测人眼看起来比较明显的疵点，检测疵点的种类较少，精确度低，计算速度较慢，难以适应工业化需要。世纪年代中后期以来，由于小波分析等现代数学工具的出现，疵点检测研究转向以在频域对图像分析为主，有傅立叶分析法和小波分析法，同时，神经网络技术开始成为最主要的疵点分析技术而被广泛采用。年等研究了应用神经网络检测缺经、缺纬、油污和破洞疵点，输入神经网络的特征值是由织物图像的傅立叶功率谱得到的九个参数，分类正确率为。年引采用交互传播网络（）代替神经网络，

15、速度据称提高了倍，而且网络不需训练。年台湾的¨等人采用光学傅立叶透镜提取织物图像功率谱，经神经网络对疵点进行检测和分类。为节省计算时间，图计算机视觉技术及在织物疵点检测中的应用像的二维快速傅立叶变换（）由经向和纬向两个一维的代替。由后的功率谱提取个特征参数，输入神经网络训练。实验证明，对一幅×的图像，检测和分类时间为秒，而对检测的类疵点中的类能够正确识别。引等采用光学手段，对检测织物疵点的光学成像技术进行了分析。经激光光源照射的织物，由镜头转换为功率谱后，再经过一个成像镜头重建为织物图像。若在傅立叶平面插入一个滤波器，就会得到滤波后的织物图像。如滤波器仅通过沿横向坐标轴的衍

16、射图（即滤波器为一横向狭缝），重构后的图像就为经纱图像。同样，当滤波器为一纵向狭缝或针孔时，则重构纬纱或非周期性疵点图像。作者在实验室中离线情况下验证了这一方法，并指出这种方法可用于织机上的织物疵点在线实时检测。等研究了傅立叶分析应用于织物疵点检测。获取的织物图像，首先经直方图均衡化，目的是使图像的亮度和对比度标准化。然后经两点计算出图像的频域功率谱，由其计算出七个参数，分别表示织物的不规则结构、纬纱结构和经纱结构。双经（纬）、缺经（纬）、破洞和密度波动等四类疵点，可由七个参数的变化检测出来。等探讨了基于分段布朗运动模型和傅立叶变换域的极大似然估计的纹理分割方法，检测油污、水渍、破洞等较大疵点

17、，该方法对较小的疵点的检测有待于进一步研究。采用傅立叶变换对织物疵点检测的研究中还包括去除织物纹理，增强疵点等方法¨，一般也是处理较大的疵点。相对于傅立叶变换，小波变换能够更加精确地分析图像的局部和细节信息，所以，近期在对疵点自动检测的研究中以小波变换为主。年心研究了自适应小波在纹理描述和疵点检测中的应用。他应用小波滤波器系数和表征织物纹理的矩阵构成二次代价函数，再加上小波滤波器系数的正交约束条件，构成一个二次函数。采用拉格朗日乘子法，计算出使二次函数取得极小值时的小波滤波器硕士学位论文第一章绪论系数，以此代表该织物的纹理。把织物疵点图像经该滤波器滤波，二值化后在疵点的位置有明显的峰

18、值。作者发现，当滤波器系数个数同纹理重复单元的象素个数相等时，疵点对自适应小波的反应最敏感，滤波器系数过多或过少都不利于疵点的检测。该文献中检测的疵点仅包括缺纬、稀密路和松经三种。年台湾的心。等采用最优小波包和人工神经网络技术检测种织物疵点。织物图像被获取后，作小波分解并计算分解后子图像的香农熵（），对熵值最小的子图像继续分解，共分解三层。选择香农熵值最小的六个子图像，其位置和熵值作为个参数，再加上均值和标准差共个特征参数，输入到神经网络训练并检测。检测的四类疵点是缺经、缺纬、油污和破洞，虽然正确率达到了，但疵点种类偏少。心等采用小波变换和共生矩阵检测油污、破洞和线形疵点。从图像的小波分解结果

19、，再计算共生矩阵的熵和对比度，根据图像窗口的分割来检测疵点。这种方法检测疵点的种类较少，计算速度也不会很快。年李立轻、王文淑北引等人提出将滤波用于织物疵点自动检测。年瑞士公司开发出一种新的，用于检测并定量分析二维周期性图案不规则性的，适合纺织品质量检验特殊需要的图像处理技术，可用于织机在线检测。年徐晓峰心等研究了基于二维小波变换和神经网络的织物疵点检测方法。综上所述，目前这些新技术新方法在实际应用于纺织业织物疵点检测中都不完善，还存在这样那样的缺陷。这些新技术新方法往往将研究的重点放在不断提高识别疵点的精确度上，而忽略了织物疵点本身的特点、具体的检测环境及速度要求。织物疵点区域与正常纹理区域往

20、往连续分布，两个区域之间并不存在明显的边界。即使采用人工检测的方法，也只是对疵点的尺寸做一个粗略的估计，不同的工人采计算机视觉技术及在织物疵点检测中的应用用人工检测方法得出的结果通常也不同，因此一味追求检测的高精度？、，“是不太现实且无多大实际意义的。而精度的提高往往又伴随着检测速度的下降，这也不利于将研究所得推广到实际应用中。当然，随着研究的不断深入，数字图像处理技术、人工神经网络等技术的进一步发展和有效结合必将使疵点自动检测系统得到更好的发展。国外已投入市场的织物疵点图像处理与分析系统虽然在疵点自动检测领域的研究工作已经取得了一些成果，但真正推向市场的检验系统还较少。目前仅有以色列爱微丝（

21、）公司的验布系统、比利时公司的验布系统和瑞士公司的自动验布系统。在上公司展出了它的验布系统，该验布系统用于检测单色、简单组织织物，在幅宽时能以的验布速度检测出小至的疵点心引。公司的自动验布系统陉引，在宽度方向装有只特制高分辨率线扫描摄像机，检测织物幅宽范围，速度可达。系统采用神经网络技术，检测时，首先是初始的学习阶段，用时约分钟，对织物的第一米记录其正常外观特征参数，然后进入检测阶段，寻找与正常外观不同的局部异常，对其分析、标记并记录。另外，检测结果可输入集成的质量管理系统，对疵点分类，进一步对织物质量评价。这些验布系统均采用价格非常昂贵的硬件来实现，例如公司验布系统的图像分析工具采用了价格昂

22、贵的，内存的中型计算机，以达到高速检测的目的。以上各系统由于价格过于昂贵，故在我国均尚无销售。除了自动验布系统外，在织机上对织物质量进行在线检测也是织物疵点自动检测的重要领域。佐治亚理工学院的研究人员开发了一种织物卷绕时对疵点进行在线检测的图像识别系统。系统硬件由三只固定的摄像机和经过特殊安排的照明系统组成，而软件中应用了神硕士学位论文第一章绪论经网络、模糊逻辑和小波变换等工具。这种系统将会由美国西弗吉尼亚的电子仪器公司进行商业化生产口。织物自动检验系统给企业生产带来的益处是显而易见的。一些已使用这类系统的技术人员称学会其操作只需不到一周的时间，而培养一个熟练的人工检验工则需要数月乃至数年的时

23、间。能在较短的时间内收回投资成本，并为企业带来更高的利润，也是织物自动检验系统能否普及的另一重要因素。目前这一投资可以从以下几个方面获得回报：减少检验的人工费，提高验布工作效率，减少疵布的产生，提高产品质量。随着经济和技术的不断发展，以及制造成本的进一步降低，相信在不久的将来，织物自动检验系统将会更多的用于实际生产，并取代大部分的人工检验。织物疵点自动检测研究目前存在的问题首先，国外已有的疵点检测设备都以强大的硬件作为支撑，造价昂贵，给国内企业引进这些先进设备造成一定的困难。其次，这些检测设备可以检测的疵点种类存在很大的局限性，一般仅能检测几种特定的疵点。国内目前的研究大都集中在实验室阶段，一

24、般采用面阵摄像头拍摄静态的疵点图像，然后运用图像分割、滤波等技术对其进行处理。这些研究大多对图像拍摄环境进行了理想化，且一般单幅图像的处理时间太长，因此，在将这些研究成果运用到工厂的实时在线检测过程中，还存在着一定的困难。本文的研究任务和目标根据以上分析，本论文研究的重点为提高疵点检测的速度，即在具有一定检测精度的基础上，更快的实现疵点的检出，从而能够达到工厂实际生产应用的要求。本文并不强调检测的高精度，而只是记录计算机视觉技术及在织物疵点检测中的应用下有可能出现疵点的位置、疵点大体的形状和可能的大小。这是由于，前面所提到的，除破洞、缺经、缺纬等明显的组织缺陷外，大部分的织物疵点都没有明确的定

25、量的标准。以“粗节”疵点为例，该类疵点的特征是一小段经纱或纬纱的直径明显大于正常纱线。但织物纱线的粗细本身就存在一定的不均匀度，所谓“正常纱线的直径就难以给出明确的定量标准，更不用说“粗节疵点了。实践中大量存在的界于“正常与“非正常之间的织物表面现象完全取决于检测人员的人为判断，将它们归类为“正常或“疵点。总之，由于疵点本身定义的不明确性，追求疵点自动检测的高精度意义不大。在检测过程中，可以利用检测输出的位置信息，控制一个摄像头对该位置的疵点进行拍照和存储，当须具体了解该位置疵点的信息时，可将拍摄的该位置的照片调出，由检测人员进一步观察。在国外很多已有的检测系统中，都有类似的装置。本文具体的研

26、究内容如下：（）织物图像的采集织物图像采集部分包括硬件的选择和织物检测系统的搭建。硬件包括线扫描摄像机、图像采集卡、摄像机镜头及计算机等。通过了解各硬件的工作原理、参数和性能来完成各硬件的选择，从而组成一个能够满足要求的检测系统。本文中采用线扫描相机，这是因为与面扫描相比较，线扫描的优点包括：（）在光源的控制方面，线扫描比面扫描更加容易控制，因为线扫描只需将光源平均的打在扫描线上即可；（）线扫描可以做连续性的扫描，因此图像具有连续性，而面扫描则会有间断或者重叠的情况发生；（）线扫描可以扫描高速度移动的物体以及大宽度的物体；（）对于高分辨率图像处理的应用，线扫描摄像机的成本效益更佳；（）线扫描摄

27、像机所获取的图像具有更好的动态范围。（）对所采集的图像进行分析本文采用线扫面摄像机采集待检织物图像，得到一条灰度值曲线，然后找出一种快速、有效的方法将疵点特征凸出，从而找到可能硕士学位论文第一章绪论存在的疵点在织物表面的位置。（）疵点特征值输出将疵点的特征信息输出，包括疵点的长度、宽度、所处的位置和数量。通过分析以上信息得到待检织物的质量等级。计算机视觉技术及在织物疵点检测中的应用第二章织物疵点检测系统硬件选择总体结构本系统的结构示意图如下：紧和传送装置图系统总体机构系统由摄像机、图像采集卡、光源、布匹传送装置和计算机所组成。待检织物通过变频器及电机控制其在传送装置上的速度，当待检织物在工作平

28、台上移动时，工作平台上的编码器会陆续发出脉冲信号。此信号传送至图像采集卡，作为图像采集的信号。图像采集卡在接受到来自编码器的信号后，随即通知线型摄像机取像。摄像机取像后将图像传送到图像采集卡，再由采集卡送至程序中进行处理。相机的选择工作原理（电荷耦合器件，），是年代初发展起来的新型半导体光电成像器件¨¨。美国贝尔实验室的和于年提出了的概念，随后建立了以一维势阱模型为基础的非稳态的基本理论。多年来随着新型半导体材料的不断硕士学位论文第二章织物疵点检测系统硬件选择涌现和器件微细化技术的日趋完备，技术得到了较快的发展。目前技术已广泛应用于信号处理、数字存贮及影像传感等领域。其中，

29、技术在影像传感中的应用最为广泛，己成为现代光电子学和测试技术中最活跃、最富有成果的领域之一。是由按照一定规律排列的电容器（光敏元）阵列组成的移位寄存器，其基本单位电容是利用栅极下半导体表面形成深耗尽状态进行存贮电荷的阳幻。在半导体基片上氧化形成的一种具有介质作用的氧化物，其上沉积的一层金属电极称为栅极，这时若在金属电极上加一正电压，则在电场的作用下，电极下型硅区域里的空穴被赶尽，从而形成了一个耗尽层。与此同时，氧化层与半导体界面处的电势发生了相应变化，形成了一个对带负电的电子而言是个势能很低的区域。当在金属电极上所施加的正向电压超过某一个值后，界面处就可以存贮电子了，也就是说产生了“势阱。栅极

30、电压越大，表面势阱就越“深。所能存贮信息电荷也就越多。当栅极电压一定时，如果此时有自由电子注入势阱，那么耗尽层的深度及表面势都将随电荷的增加而减少。电荷注入有光注入和电注入两种，在图像传感器中，我们是以光注入的形式产生信息电荷，这时由于光子的作用，半导体硅片上会产生电子与空穴对，其中空穴会被电场排斥出耗尽层，只有电子被吸引，存贮在较深的势阱中，形成一个电荷包。光越强，势阱中收集的电子就越多；反之，电子就越少。从这里可以看出，势阱中电子的多少反映了光的强弱，这就实现了光与电的转换。通常在半导体硅片上集成有成百上千个互相独立的电容器，如果在金属电极上施加了一正电压，则在这块半导体硅片上就形成了成百

31、上千个独立的势阱，这是若照射在它们上面的是一幅有明暗变化的图像，那么这些电容器上就感生出一幅与光照强度相对应的光生电荷图像。分类计算机视赏技术及在织物癍点检捌中的应用一般机器视觉检测系统所应用的可分为面型结构的和线型结构的。如图所示即为两种不同形式的结构图。其原理如前面所介绍，都是利用将外界光信号转换成电信号来形成图像。而较常见且应用最多的大都为面型结构的，其控制的方式较为简单，只需要将感测器曝光即可得到图像信号，但仅适用于检测面积固定、低速的检测范围。对于面积尺寸较大且需高速获得图像的应用场合，面型的性能就比线型稍差。例如：应用线型配合伺服运动平台的控制，可较快速取得较宽及连续的图像，且在光

32、源的控制方面线型只需将光源平均打在扫描线上即可，而且线型所获得的图像还具有较佳的动态范围。因此目前在各种检测系统中，线型的使用有不断增加的趋势。其中线型与面型较大的不同为线型常需与运动控制系统配合，才可取到面的图像。因此控制方式比面型稍微复杂。如表所示，即为面型与线型详细的特性比较表。图面型和线型结构相机的主要性能（）的幅度和分辨率¨副列阵的每个阵元的尺寸约为胛之间，整个的尺硕士学位论文第二章织物疵点检测系统硬件选择寸决定于可能制出晶片的大小。用单晶硅制成的最大有个阵元，每个阵元的边长为。的空间分辨率一般应为卜个阵元，表面型与线型的比较面型线型（交错式）（渐进式）以一条一条扫描组合图

33、感应器种类像，适用于高速及高精一般用于适合于动态度大面积图像的获取静态取像取像检测检测搭配光源依待测物表面及动态形式一般为稳定线型光源，决定光源（常用）如卤素灯取像方式搭配适当光源，曝光即可需与高精度的电动机控制或光源进行配合同步触发取像取像速度以帧为单位表示，（每以（行频）为秒获取的图像帧数），一般单位表示每秒扫描的速为度，一般为分辨率水平像素×垂直像素数单条扫描线像素数目，目，如：×、每像素的尺寸大小有×，通常与图像感应肛，、肛坍等，而分辨器的大小及镜头倍率有关率常见的有如：（）、（）、（）、（）等应用适合于低速、面积较小的适合于快速、高精度及物体检测（如等瑕

34、疵检大面积的物体检测（如测）面板、布匹等表面瑕疵检测）计算机视觉技术及在织物疵点检测中的应用但有时相邻元之间有电荷溢出将会降低其分辨率，致使成像模糊。（）量子效率和光谱响应探测器的量子效率是指入射光所感生的光电子数量与入射光子数量之比。并不是每一个入射光子都能在中产生一个电子一空穴对，量子效率总是小于。对不同入射光波有不同的量子效率，这就是探测器的光谱响应。从理论上，其长波限是由硅材料的禁带宽度决定，其响应波长不应大于。在短波方面，可在入射表面涂以磷光层，从而把短波光转换成可见光。器件有正面光照与背面光照两种类型。（）暗电荷及读出噪声“暗电荷”或“暗电流是由热效应产生的电荷。消减暗电荷的方法是

35、冷却探测器，冷却温度越低，其暗电流也越少。因此在讨论暗电荷这一指标时应说明其环境温度。一般是用在某一温度下，每秒（甚至是每小时）每个阵元所产生的电子数衡量暗电荷的多少。好的在液氮温度下的暗电荷可以减少到每小时每个阵元产生一个电子以下的暗电荷。读出噪声与阵元的读出速率以及驱动电路的质量有关。阵元的读出速率越慢，其读出噪声也越小。一般的，只有当阵元的读出速率在以下时，它的读出噪声才能维持在低噪声水平（即在个电子以下）。（）动态范围动态范围是指列阵整体接受信号时，能检测出的最强信号和最弱信号之比。目前的最大动态范围可达到。即最强信号和最弱信号之比可达到（：）。（）信号响应的线性一般是用在某一动态范围

36、内响应的非线性表示。高性能当其动态范围为时，其非线性响应不大于。（）最低照度最低照度是衡量相机灵敏度的重要指标。它表示当环境光照项士学位论文第章织钧疵点检测系统硬件选择度降低至一定程度时，而使相机所输出的视频信号电平低到某一规定值时，所对应的环境照度。例如：当环境照度降低至时，相机所输出的视频信号的幅值降为最大幅值的，则称的塌低照度为。当环境照度继续降低，相机所输出的视频图像的像质将难以保证。相机的最低照度与所使用镜头的最大相对孔径有关，在提供相机最低照度的同时，应注明测试时所使用镜头的相对孔径。本研究所选用的相机由于线扫描相机且有容易控制光源、扫描的图像具有连续性、能够扫描高速移动的物体等方

37、面的优点，以及在织物疵点检测过程中，由于布匹是在连续运动；且实际应用中为了节省成本，将降低对光源的要求，不采用特定的光源等原因，故本研究采用线扫描摄像机。本研究所采用的线扫描摄像机如图所示”“，为型号为，采用传输方式。摄像机每像素尺寸图线扫描摄像机大小为口×分辨率为个像素，采用两个的输出方式，资料传输速率最大可达，最大的线扫描频率为。其详细的规格如表所示。计算机视觉技术及在织物疵点检测中的应用表线扫描摄像机参数特征（）单位（）产品（）一最大资料传输速率（）。最大线扫描频率（）象素尺寸（）肛肌×分辨率（）的数目（）输出格式（）图像采集卡的选择图像采集卡是图像采集部分和图像处理

38、部分的接口。由于图像信号的传输需要很高的传输速度，通用的传输接口不能满足要求，这是需要图像采集卡的主要原因。由以下公式可计算出所需的信号传输速度：。墨！查兰！兰墨垩皇！（）日二王其中是像素传输率，单位为秒，和，分别为图像水平分辨率和垂直分辨率，如用线扫描摄像机垂直分辨率取，是拍摄两幅图像间的最小间隔时间。图像采集卡的基本原理尽管图像采集卡的特性、尺寸及类型不同，但其结构基本相同。图为构成图像采集卡的基本模块，其每一模块（级）用于完成特定的任务。以下介绍各部分的主要构成及功能。颂士学位论文第二章织物疵点检测系统硬件选择柑频。相月：多踏分配器色度涟渡嚣机视：信号一相机的同步厦控制嚣几控匍一片信号：

39、外触发信号门网！也一于卅事付控制信号图采集卡基本模块视频输入级作为图像采集卡的前端，视频输入级是直接与视频源（相机）相连接的部分。大部分图像采集卡提供了内置的多路分配器。多路分配器是一种电子开关，允许用户将多路视频信号连接至同一图像采集卡。另外，多数单色图像采集卡均包含有色度滤波器，这种设置避免了信号中的彩色部分产生干扰图案，使图像采集卡可在彩色图像信号中采集黑自信号。色度滤波器去除了彩色信息，有利于图像的精确采集与分解。经过视频输入级后，视频信号输入至图像采集卡的转换级。转换器转换级为图像采集卡的核心部分，它与时序和采集控制级（第级）密切相关。转换级将输入的模拟视频信号转换为计算机可以识别的

40、数字信号。因为这种转换必须是实时的，因此必须采用专用的高速视频转换器。依图像采集卡的时序、同步电路及转换精度的不同，这种转换器的速度一般应达到或更高。一些图像采集卡还集成有可编程增益级，用以调整输入范围（转换器的参考和偏置值），以便在输入信号较差时，获得理想的图像。转换器是实现模拟量转换成数字量的电子器件。它的传递函数可表示成：巩（等孑十尹（）一表二裁一百一一；圈！蜜：骂一计算机视觉技术及在织物疵点检测中的应用其中为参考源电压，口为系数（或），为数字量的位数，为数字信号的电压。输入的模拟信号电压与之间的差值小于或等于±！丝。“转换器的输出特性曲线如图所示。输出二进制数字量与输入值理论

41、曲线如图中的虚线所示，而实际的特性曲线由宽度为鲁的若干台阶组成，每个台阶的中点与转换信号的电压值相对应。实际台阶形的特性曲线在±丢鲁处发生跳变，其中是理想特性曲线的二进制数对应的模拟量。由于转换器利用有限位数的二进制数字量去逼近而代替实际的模拟量，因此，实际输入的模拟量与数字量化理论电压之间存在误差，成为量化误差。其误差范围为一堕至三等。转换器的主要特征为分辨力，转换时间及转换精度。（）分辨力分辨力表示转换器的量化单位与满量程电压之比。也可用转换器的位数来表示，其数字表达式为：旦；土（）一一一，显然，转换器的分辨能力越高，其量化误差就越小。因此，分辨输出烯图转换器输出特性曲线力是转换

42、器的重要指标。（）转换时间压硕士学位论文第二章织物疵点检测系统硬件选择转换器的转换时间与其自身的结构及工作原理有关对于逐次逼近型的转换器，其转换时间固定不变，且与输入信号值无关，仅取决于器件的工作时钟和转换器的位数。一般位逐次逼近型转换器的转换时间在一之间，其转换速率可达万次秒以上。对于并行比较型的转换器，由于采用了比较器和组合逻辑电路结构，其转换时间很短（），其数据转换率可达。（）转换精度转换器的转换精度可表示为输入模拟信号值与被转换成数字量的理论电压值之间的差值，称为绝对误差。转换器的精度还可用相对误差来表示，它是指在去除偏移误差和增益误差之后，输入的模拟信号的实际电压值与转换成数字量的理

43、论电压之间的差值。在相对误差的定义中，偏移误差是指转换器的最低有效位为“”时实际输入电压值与理论电压值之差。在特性曲线上，它表现为第一个代码点不在处；增益误差则表示器件的增益不等于，在特性曲线上表现台阶变宽或变窄而使误差增加。以上两种误差均可以在器件上进行补偿。转换器的精度的另一种表达方式为非线性误差。它的定义是在消除偏移误差和增益误差后，输出的的数字量所对应的理论输入值与实际特性各水平段中点值之间的差值。因为线性误差是由转换器特性随输入信号幅度变化而变化引起的。因此线性误差是不能补偿的。时序及采集控制级时序和采集控制级包括图像采集卡中整个时序、同步、采集控制电路。其中，时序电路用于以固定频率

44、（适用于标准视频格式）或可变频率（非标准视频格式）的操作。时序电路直接与图像采集卡的同步电路相连。为使图像采集卡的时序电路与输入视频信号同步，同步电路采用了模拟锁相环（）电路或数字时钟同步电路（）电路。图像采集卡一般还具有附加的同步电路，用以防止噪声及低质量的视频信号对同步脉冲时序信号的干扰。这些电路可通过插入脉冲的计算机视觉技术及在织物疵点检测中的应用方法，对受损或缺失的脉冲信号进行重构。这些电路对于从低质量的视频源（如具有长距离传输线的相机）中获得高质量的图像十分有利。本级的采集控制电路还允许外部事件触发功能，其外部触发器可满足在特定时刻进行图像采集的要求。图像处理级本级对转换后的数字信号

45、进行处理。查找表（），也称为格式化，主要用于图像数据的处理。它一般由两部分构成：输入查找表（）和调色匹配查找表（）。输入查找表主要用于实时转换数据图像，或对图像的灰度级进行变换。尽管这些操作可通过软件方法由主机来完成，但通过图像采集卡的硬件可以获得更快的处理速度。调色匹配查找表常用于黑自图像采集卡。用以控制主机的彩色调色板，以避免软件应用中黑白图像的失真。缩放比例、裁剪（）电路允许在、方向对数字图像进行削减，以便于向主机存储器进行传输。裁剪电路允许选择图像的一部分，而抛弃其它部分。所选择的部分图像称为“兴趣区域（）”。通过对图像尺寸和所选择的兴趣区域进行操作，图像的尺寸被削减了，从而以更快的速度传输至主机，或加快图像处理速度。总线接口及控制级本级主要通过（）总线完成数字图像数据的传输。依设计结构的不同，总线接口控制可以是总线总控制器，也可以是从控制器。对于机器视觉