紡織行業(yè)日趨激烈。布匹質(zhì)量的優(yōu)劣程度對(duì)紡織生產(chǎn)影響相當(dāng)巨大，各大紡織企業(yè)面臨著高標(biāo)準(zhǔn)，嚴(yán)要求，低成本的巨大壓力。自動(dòng)織物缺陷檢測(cè)系統(tǒng)具有廣闊的研究前景。
    瑕疵檢測(cè)是機(jī)器視覺(jué)技術(shù)最難的部分，傳統(tǒng)的瑕疵檢測(cè)，基于模板和特定的過(guò)程學(xué)習(xí)后，對(duì)產(chǎn)品進(jìn)行判斷。但是產(chǎn)品的瑕疵不確定因素很多，傳統(tǒng)的做法，很難真正意義上實(shí)現(xiàn)瑕疵檢測(cè)。采用視覺(jué)技術(shù)借助人工智能，通過(guò)深度學(xué)習(xí)的算法，為瑕疵檢測(cè)賦能，并已在多個(gè)行業(yè)得到應(yīng)用。
    對(duì)于自動(dòng)織物缺陷檢測(cè)系統(tǒng)而言，核心部分是織物缺陷檢測(cè)算法，而檢測(cè)算法中最重要的部分在于圖像特征值的選擇。本文采取一種基于深度學(xué)習(xí)模式的深度卷積神經(jīng)網(wǎng)絡(luò)的色織物缺陷檢測(cè)算法。
    其中多隱層的卷積神經(jīng)網(wǎng)絡(luò)模擬了生物神經(jīng)網(wǎng)絡(luò)，降低了網(wǎng)絡(luò)模型的復(fù)雜度，從而具有更優(yōu)異的特征學(xué)習(xí)能力，織物的圖像特征得到了更準(zhǔn)確地提取，更有利于后續(xù)的圖像特征提取及分類。
    本文對(duì)缺陷織物進(jìn)行最優(yōu)尺寸高斯濾波預(yù)處理操作，不僅可以有效濾除細(xì)節(jié)噪聲，而且不會(huì)造成圖像邊緣信息的模糊。
基于深度卷積神經(jīng)網(wǎng)絡(luò)的色織物缺陷檢測(cè)過(guò)程主要包括：
1、對(duì)采集到的色織物進(jìn)行預(yù)處理
    采用基于圖像信噪比選擇優(yōu)化尺寸的高斯濾波進(jìn)行織物預(yù)處理，該操作不僅可以有效濾除細(xì)節(jié)噪聲，而且大量保留圖像邊緣信息。
    該算法首先通過(guò)織物圖像信噪比評(píng)估圖像手噪聲影響的程度，然后根據(jù)最小化一階Holder優(yōu)化準(zhǔn)則，確定高斯濾波函數(shù)中的最優(yōu)標(biāo)準(zhǔn)方差，并根據(jù)最小二乘法擬合出最終的高斯濾波函數(shù)尺度，實(shí)現(xiàn)預(yù)處理。同時(shí)，為了使圖像更加清晰，采用自適應(yīng)直方圖均衡化增強(qiáng)圖像對(duì)比度。
2、構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)，獲取特征字典和映射函數(shù)
    缺陷檢測(cè)過(guò)程包括訓(xùn)練階段和檢測(cè)階段，其中算法的訓(xùn)練階段是對(duì)無(wú)缺陷樣本集進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)的構(gòu)建，并利用反向傳播算法進(jìn)行參數(shù)調(diào)整與字典更新，從而獲得深度卷積神經(jīng)網(wǎng)絡(luò)的卷積字典和映射函數(shù)。算法的檢測(cè)階段包括利用獲取的映射函數(shù)對(duì)織物圖像進(jìn)行重構(gòu)，并根據(jù)深度卷積字典提取重構(gòu)圖像的圖像特征。
    卷積神經(jīng)網(wǎng)絡(luò)的整個(gè)結(jié)構(gòu)如圖2所示。其中輸入圖像作為輸入層。自底而上，從輸入層到S1是卷積過(guò)程，主要是增強(qiáng)原圖像特征，降低噪聲。
3、利用Meanshift算法進(jìn)行圖像閾值分割實(shí)現(xiàn)缺陷檢測(cè)
    通過(guò)Meanshift算法對(duì)圖像特征進(jìn)行圖像分割，獲取較突出的缺陷區(qū)域，并對(duì)分割出來(lái)的缺陷部分進(jìn)行雙峰法的二值化處理，得到色織物的二值化缺陷檢測(cè)結(jié)果。實(shí)驗(yàn)驗(yàn)證了算法的有效性，對(duì)400幅缺陷檢測(cè)樣本中20種缺陷類型的識(shí)別率較高，且適應(yīng)性較強(qiáng)，可以實(shí)現(xiàn)高效率、高準(zhǔn)確率、縮短檢測(cè)時(shí)間的目的，基本達(dá)到工業(yè)現(xiàn)場(chǎng)對(duì)色織物顏色及缺陷種類在線檢測(cè)的要求。
    織物背景紋理相對(duì)復(fù)雜，缺陷與背景紋理難以辨別導(dǎo)致檢測(cè)成功率相對(duì)較低。但是對(duì)于工業(yè)現(xiàn)場(chǎng)經(jīng)常出現(xiàn)的帶紗、破洞、污漬、結(jié)頭等缺陷檢測(cè)成功率是較高的，色織物的缺陷位置和形狀可得到較好的可視化效果，檢測(cè)效果較理想。