化纤丝饼是一种重要的纺织原料,被广泛用于织物、服装、建筑内饰等领域,化纤丝饼的质量好坏影响纺织品的质量。在生产化纤丝饼的流水线上,化纤丝饼一般要经过卷丝、落筒、运送、储存、检测分类、包装等多个流程才能出厂,因此化纤丝饼的表面缺陷检测是化纤类企业对其进行质量控制的一个重要环节。由于目前对丝饼的缺陷主要采用人工的方式进行检测,受到人为的方式影响较大,并且工作劳动强度大,生产效率和精确度也是十分低下。伴随着机器视觉技术的提出与快速发展,使得化纤丝饼能够成功实现自动化缺陷检测成为了一种可能。本论文将机器视觉技术应用到化纤丝饼的缺陷检测中,主要完成以下工作:(1)化纤丝饼的视觉检测系统硬件平台的搭建。针对化纤丝饼的图像采集的要求,对视觉检测系统的各硬件部分进行构建,分别分析和介绍了工业相机和工业镜头的选型、光源的选型和照明方式的选择、相机固定支架的结构设计以及工控机的型号选择。(2)化纤丝饼的图像预处理。在获取化纤丝饼图像后,需要对其进行图像预处理来去除图像中的干扰,以提高图像的质量。通过分析化纤丝饼图像的特性,提出了先利用同态滤波算法以去除图像中的光照不均匀现象;然后选用自适应中值滤波算法去除图像上的噪声等无用干扰信息。(3)化纤丝饼的缺陷检测算法。根据化纤丝饼的自身特点对其进行分析,并提出一种基于多尺度多方向的Gabor小波滤波器组的丝饼缺陷检测算法。首先将Gabor变换和小波变换进行融合得到Gabor小波滤波器,并依据半峰相切法对Gabor小波滤波器参数进行最优化;接着将预处理后的化纤丝饼图像通过三个尺度六个方向的Gabor小波滤波器组进行滤波;然后将滤波后获取的各个结果图像经过恰当的融合算法进行处理从而获取最后的融合结果;最后通过门限法阈值分割对融合后的图像进行分割和判别,实验结果表明,该方法的检测率可以达到98.5%,算法执行时间为0.0916s,可以满足实际要求。(4)化纤丝饼的缺陷分类算法。根据本文中各类化纤丝饼缺陷样本较少的特点,设计出一种以径向基函数为核函数的一对一的SVM多分类器对化纤丝饼的各类别缺陷进行识别分类。在特征提取上使用GGCM对融合图像的纹理特征进行提取并与二值图像的形状特征进行组合,得到最终的组合特征,并将其输入到SVM中进行分类。实验结果表明该分类方法最终的缺陷识别率可以达到94.7%,具有很好的鲁棒性,可满足系统的要求。