纺织检测论文范文参考 纺织检测毕业论文范文[精选]有关写作资料

目录

1. 第一篇纺织检测论文范文参考：基于字典学习的机织物瑕疵自动检测研究
2. 第二篇纺织检测论文样文：虹吸流动低成本微流控分析研究
3. 第三篇纺织检测论文范文模板：基于机器视觉的布匹疵点检测系统研究
4. 第四篇纺织检测论文范例：基于混合特征向量和单分类检测器的织物瑕疵自动检测研究
5. 第五篇纺织检测论文范文格式：面向织物缺陷检测的CUDA并行图像处理模型与算法研究

★100篇免费纺织检测论文范文,可用于纺织检测论文写作参考研究,为你的本科论文和硕士论文提供有价值的纺织检测论文范例格式模板参考.【赶快阅读吧！】

第一篇纺织检测论文范文参考：基于字典学习的机织物瑕疵自动检测研究

纺织品表面瑕疵对最终成品的质量及价格有着直接的影响,进行有效的瑕疵检测对现代纺织企业的质量管理、成本控制及产品竞争力的提升都具有重要意义.当前,国内几乎所有纺织企业仍然采用传统的人工验布方式进行机织物瑕疵检测,由于受人生理特征的限制,传统的人工验布方式所提供的检测速度、精度和检测结果一致性难以满足现代大规模生产需求.作为工业领域的一个重要应用,基于计算机视觉的织物瑕疵自动检测系统凭借其天然的优势成为了人工验布的理想替代方案,该系统不仅能为客观、稳定、高效的织物瑕疵检测提供很好的保障,而且顺应了纺织产业自动化、智能化的发展趋势.

本文的研究重点就是设计有实用价值的基于计算机视觉的机织物自动瑕疵检测算法.检测算法作为织物瑕疵自动检测系统的核心,其基本设计思路就是通过分析正常织物纹理与瑕疵纹理的异同,根据一定的区分原则将对应于瑕疵区域的像素点从织物图像中自动地识别出来.通常情况下,检测算法主要包括特征提取和分类器设计两个阶段,特征提取就是寻找能够对正常织物纹理进行有效描述或表征,同时又对瑕疵纹理敏感的鉴别性特征；分类器设计一般通过对具体分类问题进行分析学习,从而对所提取的特征进行有效分类,达到区分正常纹理与瑕疵纹理的目的.然而,这种基于特征提取的检测算法往往会面临特征选取问题,很难保证当前所选特征的最优性.这主要是因为瑕疵类型在外观形貌上具有很强的随机性和不可预测性,实践中也无法通过收集所有潜在瑕疵类型进行算法训练,即无法将全面的负样本(瑕疵样本)引入算法训练过程进行参数优化.

为了能更有效地设计检测算法,通过对已有研究成果“去粗取精”的分析,在深刻理解织物纹理自身特征的基础上,作者认识到采用间接模板匹配是一个较为理想的瑕疵检测方案,而对正常织物纹理特征进行有效的描述或表达是应用模板匹配方案进行瑕疵检测的必要前提.为此,本文从对织物纹理在空间域上进行近似表达这一全新的思路出发,首先采用字典学习方法对织物图像进行近似表达,在此基础上,再以模板匹配为指导思路进行瑕疵检测算法设计.这样一来,便可以将原本复杂的瑕疵检测问题转化为一个模板匹配问题进行解决,不仅能很好地绕开特征选取问题,而且可使算法的检测性能不依赖于瑕疵类型和织物纹理,从而大大提高了算法的适应性.论文具体的研究内容分八章进行论述,其各章的中心内容如下：

第1章为绪论,着重介绍了论文的研究背景与意义,分析了课题组在此领域已取的研究成果及不足,交代了论文研究思路和内容.

第2章为文献综述.首先对论文所涉及学科的基本概念进行了介绍,然后以瑕疵检测算法的策略为分类依据,将所涉及的检测方法分为基于特征提取与非特征提取两种方案,进而对近20年来与瑕疵相关的文献进行综述,并就与本论文相关的算法进行重点介绍与分析,最后对现有研究工作进行总结与评价.

第3章首先分析总结了前人的研究工作和瑕疵检测的难点,接着在深刻理解瑕疵检测问题的基础上,对论文提出的采用间接模板匹配的瑕疵检测方法与思路进行阐述,通过对主元分析的低维近似原理进行分析与试验,最后引入更具有一般性的字典学习方法对织物图像在空间域上进行近似表达,同时也对其表达织物纹理的可行性进行了实验验证.

第4章详细介绍了论文所提出的一种基于字典学习的无监督织物瑕疵检测算法.所提出的算法为无监督类型,直接在待检测织物图像上进行字典学习.通过选取合适大小的字典,正常织物纹理可以得到很好地近似,但不能很好地近似有瑕疵纹理.这样,瑕疵区域可以通过将原图像与近似后的图像的灰度相差得到突出,再采用阈值法进行瑕疵分割,便可以达到检测瑕疵的目的.为了适应更多如线性瑕疵等不易检测的瑕疵,论文还提出了基于图像旋转和线性投影的改进方案.对20个数据集的实验结果表明,检出率为87.3%,误检率为8.8%.与傅立叶重构方法相比,所提的无监督算法对织物纹理与瑕疵类型都有较好的适应性,检测精度上也略有优势,这也进一步证实了所提算法的有效性.

第5章详细介绍了论文所提出的另一种基于字典学习的半监督织物瑕疵检测算法.该算法在图像子窗口基础上进行瑕疵检测,但并不试图直接在上面进行特征提取,而是先采用字典学习方法对其进行近似表达,然后在对原图像样本近似后的基础上进行相似度特征提取,并采用先进的支持向量数据描述作为单分类器进行瑕疵检测.所提算法与模板匹配方法类似,但通过学习字典对子窗口样本的近似来获取匹配所用的自适应模板,无须考虑模板的选择与对齐问题.如此,便可以在更为合理的模板匹配基础上进行瑕疵鉴别,使得所提算法的检测性能并不依赖于瑕疵类型,而是取决于瑕疵所带的异常程度.论文还针对字典大小选取问题,提出一种经验的选取方法.对20个数据集的实验结果表明,所提出的半监督算法能在误检率为1.9%下取得95.5%的检出率.

第6章着重对第5章中所提出的半监督算法的学习字典进行了分析与推广,具体对正交字典、非负字典和稀疏字典进行了研究.文中针对算法的实时性问题,通过对半监督算法计算复杂度进行分析,发现采用正交字典能大大减少计算复杂度.此外考虑到未来研究的需要,同时将正交字典、非负字典与稀疏字典进行了研究与实验验证,实验结果表明稀疏字典的检测精度最佳,但正交字典在实时性和检测精度上的综合性能最佳,是一个较为理想的实时检测算法.

第7章对第6章所提的采用正交字典的半监督算法进行了实时实现的实践.首先对课题组自行研发的织物瑕疵实时检测平台进行了简单介绍,然后从硬件和软件两方面,对平台所涉及的硬件参数的计算方法、算法的实时性分析及算法的具体实现过程进行了详细的阐述,最后在实时检测平台上对所提的采用正交字典的半监督算法进行实时检测实验.实验结果表明,算法能在30m/min速度下实现织物的实时检测,取得的检出率为89%,误检率为3.9%.

第8章是本文的结论与展望.简要回顾了本文的研究,并对本文的研究成果及不足进行了总结,同时给出了未来研究工作的重点.

本文的主要贡献有：

(1)以对机织物图像在空间域上进行近似表达为出发点,提出了采用间接模板匹配的织物瑕疵检测思路.该检测思路不仅可以很好地绕开常规基于特征提取检测思路所面临的特征选取问题,而且可以将复杂的瑕疵检测问题变为一个模板匹配问题进行解决,从而在理论上保证的所设计算法的适用性.此外,由于模板匹配检测思路更符合计算机区分瑕疵的逻辑,这将是一个非常有潜力研究方向.论文提出的这一检测思路为机织物瑕疵自动检测的产业化应用提供了理论和实验的指导.

(2)结合织物纹理的周期性特征及字典学习对织物纹理表达上的灵活性,提出了一种基于字典学习的无监督织物瑕疵检测算法.针对线性瑕疵检测效果不佳,提出了基于图像旋转和基于线性投影的改进方案.同时还设计了相应的代价函数对最优字典大小进行自动优选.所提算法为无监督类型,可以没有任何先验知识的情况下完成瑕疵的自动检测,适合于训练样本缺乏或一致性较差的场合.

(3)针对无监督算法在实时性方面的不足,提出了一种基于字典学习的半监督织物瑕疵检测算法.所提算法采用子窗口检测策略,但并不试图直接在子窗口上面进行特征提取,而是先应用学习字典对其进行近似表达,然后在近似图像与原图像匹配的基础上进行瑕疵鉴别.论文引入了支持向量描述算法作为单分类器对所提取的相似度特征进行分类.由于所提算法是在更为合理的模板匹配基础上进行,使得算法的检测性能并不依赖于瑕疵类型,而是取决于瑕疵所带的异常程度,提高了算法的适应性和检测精度.

(4)鉴于目前大多数织物瑕疵检测算法还不能付诸于实时实践,论文对半监督算法所得学习字典的约束条件进行了研究和优选,结果表明采用正交学习字典的半监督算法在检测精度和实时性上的综合性能最佳,并对其在160m实际织物上进行了30m/min速度下的实时检测实验,所得的检出率为89%,误检率为3.9%.

第二篇纺织检测论文样文：虹吸流动低成本微流控分析研究

微流控芯片(Microfluidic chip)将化学、生物、医学等领域所涉及的样品的选择、制备、反应、分离、检测等基本操作单元集成到一个几平方厘米(甚至更小)的微芯片上,通过微通道结构来控制流体流动,从而完成不同的化学或生物反应过程,并对其产物进行分析,它为生化分析新局面的开创提供了一个新的研究平台.在微流控芯片结构的设计中,芯片材料的选取成为了设计者考虑的首要问题,在材料的选取过程中不但要考虑化学相容性、耐腐蚀性、透光性、表面带电性,绝缘性、分子吸附、导热性、稳定性等,还要考虑是否具有良好的工艺性,能否进行芯片的批量生产.在实际的芯片制作过程中,完全能够满足上述要求的芯片材料是很难找到的,一般设计者都会根据芯片使用的要求会有所取舍.随着微流控芯片研究的不断深入,价格低廉,易于获取的材料越来越受到设计者们的青睐.和滤纸具有相似结构的纺织线就是一种很理想的制备低成本检测装置的基底材料.纺织线材料具有来源丰富、生物相容性好、检测背景低、后处理简单无污染的特点,已经开始应用于微流控芯片的制作.纺织线和用于微流控芯片制作的无机材料及有机材料相比,具有更大的拉伸强度和更好的灵活性,不需要设计图案就可以制作亲／疏水性通道,另外,纺织线本身所具有毛细管的作用,可促使样本溶液的运输可在没有任何外力驱动的条件下完成.在无外置驱动力的情况下,为了保证道内液体能连续流动,虹吸作用流就成了最好的选择,它能够诱导通道内液体的连续流动.因此,基于纺织线自身所具有的优势和虹吸作用流,本文设计了一种新型的微流控分析装置,即基于纺织线和虹吸作用流的微流控分析装置(microfluidic siphonage flow and thread-based analytical device,S-μTAD).该装置和化学发光检测法结合,成功的实现了无机物离子、生物样本的定量分析.主要研究内容如下：第一章从微流控技术的发展、微流控芯片的材料及制作技术、微流控芯片的功能单元、微流控芯片的检测技术、微流控芯片的应用几方面进行了综述.第二章利用和滤纸具有相似结构的纯棉纺织线、涤棉混纺线、涤纶线代替滤纸制作微流控芯片亲／疏水通道,结合PMMA支持支撑,构建了基于纺织线和虹吸作用流的微流控分析装置(microfluidic siphonage flow and thread-based analytical device,S-μTAD),并对该分析装置的制作做了详细的介绍,然后利用该装置对纯棉纺织线、涤棉混纺线、涤纶线作为通道基质时的流速、化学发光信号分别进行了测定和比较,最终确定了最佳的微流控基质材料.第三章在确定最佳微流控基质材料的基础上,制作S-μTAD装置,并对其的可行性进行了验证.铬(Ⅲ)离子能催化碱性水溶液中1uminol-H2O2的化学发光反应,以涤棉混纺线为基质制作S-μTAD装置,然后通过该分析装置对这一发光反应进行了研究,并首次将这一方法应用于胶囊中铬含量的测定,得到了满意的结果,同时也验证了S-μTAD的可行性.第四章将生成H202的葡萄糖-葡萄糖氧化酶(GOD)的酶促反应与luminol-K3Fe(CN)6化学发光相偶合,并结合以涤棉混纺线为基质的S-μTAD装置,测定由酶促反应而生成的H202从而间接测定了葡萄糖的含量,并成功用于血清中葡萄糖的检测,得到了满意的结果.第五章纤维素与高碘酸钠发生选择性的氧化还原反应,生成2,3-二醛基纤维素,酶蛋白上的氨基可以和纤维素上氧化生成的醛基发生共价交联反应,从而可以将所需的酶固定到纤维素上.本试验主要利用棉线上的羟基与高碘酸钠发生选择性的氧化反应生成的2,3-二醛基,然后将葡萄糖氧化酶通过共价交联反应固定到棉线上,用luminol-K3Fe(CN)6化学发光体系测定由酶促反应生成的H202,从而间接测定人体血清中的葡萄糖含量,经和医院测定数据进行对照,结果令人满意.第六章以第五章为基础,将尿酸氧化酶固定到棉线上,同样用luminol-K3Fe(CN)6化学发光体系测定由酶促反应生成的H202测定由酶促反应生成的H202,从而间接测定人体血清中的尿酸含量,经和医院测定数据进行对照,结果令人满意.第七章为总结

第三篇纺织检测论文范文模板：基于机器视觉的布匹疵点检测系统研究

产品的质量控制在当今商业市场竞争中起着十分重要的作用.在纺织工业中,布匹的疵点是影响布匹质量的主要因素,而疵点检测则是保证布匹质量的主要手段.传统的人工检测,劳动强度大,检测速度低,其检测精度会受到验布工人的经验与疲劳程度影响,缺乏一致性与可靠性.因此采用布匹疵点的自动检测是纺织工业生产中布匹质量控制的必然趋势.

本文将机器视觉技术引入纺织工业检测领域,并用以完成布匹疵点的检测.其关键在于通过对布匹图像的处理与分析,设计一种检测算法能快速高精度地检测出不同布匹中的各种疵点.本文采用了检测精度、通用性(即对各种布匹与疵点都有效)与实时性(对应于检测速度)等三个指标用以衡量检测算法的检测性能,并根据检测目的与检测结果表现方式的不同,将布匹疵点检测分为疵点判别与疵点分割两种类型.

为了使检测算法具有较高的通用性,即对各种类型的布匹与疵点(包括全局疵点与局部细小疵点)都具有高检测精度,本文采用了多分辨率分析方法在多个尺度上对各种类型的布匹疵点进行分析,采用非采样小波变化取代标准小波变换以达到平移不变性,并将其用于布匹疵点判别.为了提高检测精度,本文提出了一种小波分解尺度选择策略,能够根据待检测布匹纹理频率特性对非采样小波变换的分解尺度进行自适应的设定,以抑制布匹正常纹理能量并增强疵点区域能量.检测算法采用了一个简单高效的小波系数幅值划分与数据融合方法,将各个尺度的小波分解系数进行融合,并从融合后的图像中提取出若干个基于疵点能量估计的特征用于进行疵点判别.

由于疵点判别方法仅能够检测出疵点在布匹图像中的位置,为了获得疵点的形态学特征(如大小、长度、方向等),本文对基于多分辨率分析方法的疵点判别算法进行了改进,提出了一种基于Gabor小波的疵点分割算法,并提出了一种自适应的Gabor小波调校方法,能根据待检测布匹的纹理特性对Gabor小波的参数进行自适应设定.与非采样小波变换相比,Gabor小波变换能更灵活地对各个滤波器的通带中心频率进行调校,因此能够更好地抑制布匹正常纹理能量并增强疵点区域能量,从而使得正常纹理与疵点区域之间具有更大的差异.对滤波后的图像进行阈值分割后,能达到更高的分割正确率.本文通过大量实验将该疵点分割算法与两种无自适应调校的Gabor滤波器疵点分割算法进行比较,结果表明,本文所采用的方法具有更好的实时性以及分割正确率.

针对大多数布匹疵点检测算法的实时性不足问题,本文提出了一种基于机器学习的高实时性布匹疵点判别算法.该算法从布匹图像中提取了两个灰度共生矩阵特征与两个新的纹理特征以刻画布匹纹理并突出其中所包含的疵点,并采用支持向量数据描述分类器对提取出的特征进行分类,判断其是否为疵点.在特征提取的过程中,提出了一种自适应的量化方法,将原本含有256个灰度级别的原始图像量化为少量的量化级别,极大地减少了各个纹理特征的计算量,提高了检测算法的实时性.

本文论述了布匹疵点视觉检测系统的结构,分析了系统各个组成部分(如光源与成像、图像采集与处理、人机交互等)的功能与实现方式.采用嵌入式数字信号处理器取代通用CPU完成检测功能以提高系统的计算能力,并详细论述了图像采集、传输与处理的方式,提出了一种两级双缓存策略,使得图像的传输与处理并行化,从而提高系统的计算效率.

第四篇纺织检测论文范例：基于混合特征向量和单分类检测器的织物瑕疵自动检测研究

本文旨在研究和开发有实用价值的基于计算机视觉的机织物瑕疵自动检测算法.采用计算机视觉取代人眼进行织物瑕疵自动检测能够大幅度降低漏检率、提高生产效率、保证检测结果的稳定性、改善瑕疵信息管理以及产品质量监控等等.对织物瑕疵自动检测进行算法研究是实现织物瑕疵检测自动化的关键,也是自动验布机研制的基础,因此,检测算法的研究引起了国内外纺织学科、计算机科学与技术学科以及自动化学科等相关领域科技工作者的浓厚兴趣,并成了当今纺织学科前沿的一个研究热点和难点；而计算机视觉的纺织应用也成了当前以先进的科学技术改造和提升传统产业的大领域之一.因此,课题具有很好的理论意义和现实意义.

能够实用的织物瑕疵自动检测算法必须全面符合检测准确性、单类分类性以及实时性要求.所谓检测准确性要求,即要求算法能够对绝大多数常见瑕疵的检测误检率和漏检率同时保持在较低水平.要满足这一要求,首要的就是要确保所提取的特征向量对绝大多数常见瑕疵具有较强的普适性,其次要确保检测器具有较高的精密度和对特征向量数据信息的深入挖掘能力.所谓单类分类性要求,即在检测器设计方面,要求检测器具有单类分类的功能,也即训练时只能依赖正常样本而不能借助瑕疵样本.因为织物瑕疵种类、外观形态和尺寸呈现多种多样,而织物纹理和结构亦千变万化,因而依赖瑕疵样本进行算法训练在实践中是无法实现的.由此可见,基于计算机视觉的织物瑕疵自动检测实质上是以纹理图像为分析对象的一种典型的单类分类模式识别任务.所谓实时性要求,即在检测速度方面,要求算法在数据预处理、特征提取以及判别检测阶段均能快速实现,使算法的全套流程均能满足实时要求.本文作者在算法研究开发过程中尽可能使算法满足上述要求,通过理论探索和检测实验提出了三套较为有效的织物瑕疵自动检测算法,这些算法无论在特征向量的提取还是单类分类检测器的设计方面都是织物瑕疵检测研究领域至今未见报道.

本文的全文研究内容共分七章.

第一章为绪论,介绍了本文选题的学术与行业背景,分析了作者所在的计算机视觉纺织应用课题组的前人在此领域的研究成果和不足之处,交代了本文的研究目标和全文框架.

第二章是文献综述,在模式识别和纹理分析等相关基本概念介绍的基础上综述了近十五年来本领域国内外的重要文献,对与本论文相关的算法给予了重点讨论,指出了现有研究成果的价值与不足.

第三章介绍了检测样本的采集和有关数据的预处理技术.这些都是后续第四、第五和第六章检测实践中均要涉及的共性问题.具体内容包括瑕疵样布收集、织物瑕疵种类与图像示例、织物纹理图像的获得与预处理、织物纹理图像子窗口尺寸的确定、纹理图像特征的有效性检验及特征值规范化处理、样本数据集及其分布、评估算法检测效果的考核指标体系等等.

第四章介绍本文设计的第一套检测算法,即基于时间序列的自回归功率谱分析特征向量和单边距离检测器的织物瑕疵检测算法.该算法充分利用机织物纹理的周期性和经纬取向的特点以及多数瑕疵也呈现经纬取向的特点,采用基于Burg算法的低阶AR谱估计方法从织物图像的一维投影序列中提取有关特征,并结合自行设计的单边距离检测器来检测瑕疵.该方法运算量小,能够满足实时检测的要求,总平均误检率为6.71%时,总平均漏检率为13.53%,基本可以满足检测准确度的要求.

第五章介绍本文设计的第二套检测算法,即基于时间序列多分形混合特征向量和单类模糊聚类检测器的织物瑕疵检测算法.为了更细致地描述瑕疵纹理、降低检测错误率,本文作者在研究本套算法时,提出了一种兼顾纹理概貌与细节信息、经向和纬向信息的混合特征向量提取思想.具体来讲,就是充分考虑了机织物纹理经纬取向的特点和利用了纹理基本循环参数,以分形特征为基础扩展成为多分形特征向量.该多分形特征向量包含一个概貌分形特征和四个细节分形特征,它们均在图像一维投影序列基础上提取.为了消除训练用原始正常样本数据分布可能存在不平衡的弊端,提高对训练数据的信息挖掘力度,本文作者自行设计了一种基于模糊c均值聚类(FCM)算法的单类分类检测器,并讨论了该检测器参数的优选问题.实验结果表明,本套算法总平均误检率为-4.93%时,总平均漏检率为5.06%,准确度较第一套算法大幅度改善.不足之处在于,该算法在四个细节分形特征提取时较为耗时,尤其是当织物密度较高时,这种情况更甚.

第六章介绍本文设计的第三套检测算法,即基于分形概貌特征和Sobel滤波细节特征的混合特征向量和支持向量数据描述单类分类检测器的织物瑕疵检测算法.文中还对检测器相关参数的优化提出了更为可靠和实用的方法.本套算法在特征向量提取时沿用了第二套算法中提到的兼顾概貌与细节信息、经向和纬向信息的思想,不同之处在于,本套算法在细节特征提取时采用了与概貌特征即分形特征不同类别的一种特征,即在Sobel算子滤波基础上的仙农熵特征.本套算法的细节特征提取速度非常快,克服了第二套算法中细节特征提取运算量大的缺点,同时保留了上述混合特征向量提取思想的优点.此外,Sobel算子滤波基础上的特征与分形特征本身也具有很大的互补性,因而使得本套特征向量对纹理信息的描述更趋合理和全面.检测器方面,本套算法采用了一种先进的核函数机器学习方法,即支持向量数据描述(SVDD).SVDD是一种特殊的单类分类支持向量机(SVM),能够有效地表征正常训练数据的分布,特别适合于各种异常检测的应用.实验结果表明,本套算法在总平均误检率为4.61%时,总平均漏检率为4.09%.本套算法在检测精度方面略优于检测效果较好的第二套算法,在检测速度方面则具有第一套算法的优点,因而是一套最具实用价值的算法.

第七章是全文总结和后续研究展望.文中对上述三套算法的优缺点进行了小结,对本文的成果和不足进行了总结,还提出了后续研究的方向和重点.

本文提出的三套检测算法是本文研究成果的综合表述,但在形成三套算法过程中的实质性成果主要是以下几个方面：

1)兼顾纹理概貌与细节的特征提取思路

考虑到织物瑕疵尺寸和外观形态的多样性以及单一特征对纹理描述的不足,结合织物纹理呈纵横取向和具有明显周期循环的特点,本文指出,所提取的多个特征对于纹理的描述应兼顾概貌与细节信息,以实现最大限度的特征互补进而更全面的纹理特点表征.本文第二套算法的多分形特征向量和第三套算法的由分形概貌特征和Sobel滤波细节特征组成的混合特征向量即是这种思路的体现,这与以往研究者只考虑单一方面的特征有很大不同.

2)兼顾精密性和单类分类功能的检测器设计思想

织物瑕疵的多样性和难以全面采集的特点决定了实用的检测器必须具有较深刻的数据挖掘能力和单类分类的功能.现有文献涉及的单类分类器主要是欧氏距离或某些简单的阈值法,这种检测器过于粗糙,难以深入地挖掘特征向量中隐含的信息；而现有文献中涉及的较精密和高级的检测器如神经网络或支持向量机又多不具备单类分类的功能,其模型的训练必须借助相当数量的瑕疵样本.有鉴于此,本文提出,织物瑕疵检测器在设计时应使其同时具备单类分类的功能和对信息更深层次挖掘的功能.本文第二套算法中的模糊c均值聚类单类分类检测器和第三套算法中的支持向量数据描述单类分类检测器即是这种设计思想的体现,且这两套检测器在织物瑕疵检测领域尚无应用先例,也无相关报导.

3)检测算法全套流程中的实时性构思

本文不仅仅追求检测算法的高检测准确性目标,也强调检测算法全套流程的实时性要求,为此,在算法设计的许多环节中都考虑到了这一点.例如,在图像预处理中提出了一种快速的消除光照不匀和增强图像对比度的算法.又如,利用机织物纹理和多数瑕疵具有经纬取向的特点,采用投影方式得到一维序列,从而使得特征提取在一维序列而不是二维图像基础上进行,极大地降低了计算量,AR谱特征和所有的分形特征的提取均是在一维时间序列基础上进行.又如,AR谱的估计选用具有递推特点的低阶Burg算法,使得涉及的计算量非常小.又如,为了保留第二套算法的特征向量对纹理描述细致的优点同时又降低计算量,第三套算法在细节特征方面以快速的Sobel滤波仙农熵特征取代了较为耗时的分形特征.再如,提出当数据量较大时,相应地采用较大的模糊c均值聚类加权指数以大幅度减少迭代次数,等等.

4)基于织物纹理循环周期倍数的子窗口划分方法

提出了依据织物的纹理循环周期倍数来划分子窗口的方法,从而提高了特征的稳定性,进而有助于检测错误率的降低.

第五篇纺织检测论文范文格式：面向织物缺陷检测的CUDA并行图像处理模型与算法研究

织物纹理图像缺陷检测是纺织行业生产和质量管理的重要环节之一,目前人工检测存在检测速度慢,劳动强度大,受主观因素的影响,缺乏一致性等问题.计算机视觉技术随着计算机硬件和图像处理技术的发展,在工业表面检测领域有了越来越多的应用.现在纺织业正在使用的缺陷自动检测系统都来自国外,且成本高,只能检测一些明显的缺陷类型.我国纺织企业有着总体数量多,个体规模不大的特点,因此,国外昂贵的缺陷自动检测系统难以被国内大部分纺织企业所接受,人工检测仍旧为主要的检测方法.近年来,国内也出现了许多关于缺陷检测的新算法以及系统,但是受到算法复杂度和系统成本的限制多数未投入实际应用.

目前图形处理器(GPU:Graphics Processing Units)在工程领域的应用越来越广泛,它为高强度计算过程效率的提高带来了新的思路和解决方案.在此基础上,本文对基于统一计算设备架构(CUDA: Compute Unified Device Architecture)的高性能纺织纹理图像缺陷检测技术进行了深入研究,提出了一整套适合CUDA并行处理的缺陷检测算法,以个人PC机为平台实现了基于CUDA的纺织纹理图像缺陷自动检测软件系统,为构建高性价比的缺陷检测系统提供了理论和实践基础,推动我国纺织行业缺陷检测技术的发展和应用.

本文全面地研究了纹理图像缺陷检测技术,分析了现有技术的问题和难点,引入GPU作为本文缺陷检测技术的主要处理器,针对CUDA技术和织物纹理图像缺陷检测的特点,提出了面向织物缺陷检测的CUDA并行图像处理模型和一系列新的检测算法,并根据该模型对缺陷检测算法进行了优化,具体研究内容如下：

●针对并行图像处理问题,本文设计并提出了基于CUDA的并行图像处理模型,该模型包括应用CUDA进行图像处理的通用模式以及程序优化的基本方法.图像处理算法多种多样,但基于CUDA的图像处理具有一个共同模式,本文设计和归纳了这一模式,并根据该模式,在CUDA平台上实现了典型图像处理算法的并行化,同时详细地描述了利用CUDA对常用算法进行优化的方法.

●为了实现快速的缺陷检测,本文提出了基于方向算子的织物图像缺陷判断算法以及CUDA优化策略.该缺陷判断算法充分利用了织物纹理图像的灰度和方向信息,提取图像块中的特征值,然后通过对特征值进行行和列的累加,加大正常织物纹理图像和缺陷纹理图像特征值的差异,使得缺陷判断结果更加准确.本文通过大量的图表详细地介绍了利用CUDA对该算法进行优化的策略.实验结果表明了该缺陷判断算法的准确性以及CUDA优化策略的高效性.

·,为了解决并行缺陷分割问题,本文提出了基于区域生长型脉冲耦合神经网络的织物图像缺陷分割算法以及CUDA优化策略.该缺陷分割算法将改进的脉冲耦合神经网络模型同区域生长的理论结合起来,同时引入无缺陷样本图像的灰度统计信息完成了纹理图像缺陷的自动分割,且得到了较好的分割结果.另外,由于神经网络算法具有内在的并行性,因此,本文提出的缺陷分割算法能够很好的应用在CUDA平台上,实验结果表明了本文CUDA优化策略的高效性.

·,本文利用缺陷分割得到的结果实现了织物纹理图像的缺陷分类.相比较于缺陷判断和缺陷分割算法,织物图像缺陷分类算法对实时性的要求较低.在对现有织物纹理图像缺陷分类方法以及缺陷特征提取方法学习和研究的基础上,本文设计并实现了基于纹理图像灰度共生矩阵特征的SVM分类.利用前面缺陷分割的结果得到织物纹理缺陷块图像,计算缺陷块图像的灰度共生矩阵并提取特征值,将其作为特征向量输入到SVM中训练,最后得到了较好的分类效果.

这篇纺织检测论文范文为免费优秀学术论文范文,可用于相关写作参考.

纺织检测引用文献:

[1] 纺织检测方向论文题目 纺织检测论文标题怎样定

[2] 热门纺织检测论文参考文献 纺织检测论文参考文献数量是多少

[3] 纺织检测论文提纲模板范本 纺织检测论文大纲怎样写