布匹生產在線檢測概述
        自動檢測技術作為一種快速、實時、準確采集與處理信息的高新技術，已逐漸成為國民經濟信息化、增強競爭力不可缺少的技術工具和手段。布匹在現代生產流水線上，需要判別出布匹的顏色是否合格、布匹上是否有雜質及雜質的數量。由于生產線運行速度較快，要求雜質分辨直徑較小，用人工難以做到實時檢測，事后抽樣檢測效率低下，且抽檢后的產品仍然有存在瑕疵的可能。計算機的自動化，正好適合于快速實時地檢測。布匹生產在線檢測系統正是基于機器視覺的技術，快速高效的檢測出布匹的顏色和存在的雜質。機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是指通過機器視覺產品（即圖像攝取裝置）將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布、亮度和顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來識別圖像的內容或控制現場的設備動作。
        項目要求
        在布匹的生產過程中，像布匹質量檢測這種有高度重復性和智能性的工作只能靠人工檢測來完成,在現代化流水線后面常常可看到很多的檢測工人來執行這道工序, 給企業增加巨大的人工成本和管理成本的同時,卻仍然不能保證100 %的檢驗合格率（即“零缺陷”） 。對布匹質量的檢測是重復性勞動，容易出錯且效率低。
        流水線進行自動化的改造，使布匹生產流水線變成快速、實時、準確、高效的流水線。在流水線上，所有布匹的顏色、及數量都要進行自動確認（以下簡稱“布匹檢測”）。現在采用機器視覺的自動識別技術完成以前由人工來完成的工作。在大批量的布匹檢測中，用人工檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。
        項目方案
        機器視覺是在沒有人工干預的情況下使用計算機來處理和分析圖像信息并作出結論。機器視覺的特點是自動化、客觀、非接觸和高精度,與一般意義上的圖像處理系統相比,機器視覺強調的是精度和速度,以及工業現場環境下的可靠性。
        在機器視覺應用中，包括以下幾個過程：
        圖像采集:通過光學系統，由相機采集圖像，圖像轉換成數字格式式并傳入計算機存儲器。
        圖像處理:處理器運用不同的算法來處理對決策有重要影響的圖像要素，如對圖像進行顏色辨識,面積、長度測量，圖像增強，邊緣銳化，降噪等處理。
        特性提取:處理器識別并量化圖像的關鍵特性，例如布匹的顏色和雜質的形狀等等。然后這些數據傳送到控制程序。
        判決和控制:處理器的控制程序根據收到的數據做出結論。例如：這些數據包括雜質的直徑是否在要求規格之內或者布匹的顏色是否合格。
        視覺系統一般包括：光源、光學系統、相機、圖像處理單元、圖像分析處理軟件、監視器、通訊/輸入輸出單元等。布匹檢測的機器視覺系統的組成如下圖所示。視覺系統的輸出是經過運算處理之后的檢測結果——各種雜質的數量。計算機系統實時獲得檢測結果后,指揮運動系統或輸入輸出系統執行相應的控制動作（如分選）。
        圖像處理軟件

        機器視覺系統中，視覺信息的處理技術主要依賴于圖像處理方法，它包括圖像增強、數據編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內容。經過這些處理后，輸出圖像的質量得到相當程度的改善，既改善了圖像的視覺效果，又便于計算機對圖像進行分析、處理和識別。
        特征提取辨識
        一般布匹檢測（自動識別）先利用高清晰度、高速攝像鏡頭拍攝標準圖像，在此基礎上設定一定標準；然后拍攝被檢測的圖像，再將兩者進行對比。但是在布匹質量檢測工程中要復雜一些：
1． 圖像的內容不是單一的圖像，每塊被測區域存在的雜質的數量、大小、顏色、位置不一定一致。
2． 雜質的形狀難以事先確定。
3． 由于布匹快速運動對光線產生反射，圖像中可能會存在大量的噪聲。
4． 在流水線上，對布匹進行檢測，有實時性的要求。

    由于上述原因，圖像識別處理時應采取相應的算法，提取雜質的特征，進行模式識別，實現智能分析。
我們使用德國Stemmer公司的機器視覺軟件開發包-CVB中的color、blob工具，它適合于開發顏色模式識別和斑點的檢測。
    Color檢測
    一般而言，從彩色CCD相機中獲取的圖像都是RGB圖像。也就是說每一個像素都由紅（R）綠（G）籃（B）三個成分組成，來表示RGB色彩空間中的一個點。問題在于這些色差不同于人眼的感覺。即使很小的噪聲也會改變顏色空間中的位置。所以無論我們人眼感覺有多么的近似，在顏色空間中也不盡相同。基于上述原因，我們需要將RGB像素轉換成為另一種顏色空間CIELAB。目的就是使我們人眼的感覺盡可能的與顏色空間中的色差相近。
    Blob檢測
    根據上面得到的處理圖像，根據需求，在純色背景下檢測雜質色斑，并且要計算出色斑的面積,以確定是否在檢測范圍之內。因此圖像處理軟件要具有分離目標，檢測目標，并且計算出其面積的功能。
    Blob分析（Blob Analysis）是對圖像中相同像素的連通域進行分析，該連通域稱為Blob。經二值化（Binary Thresholding）處理后的圖像中色斑可認為是blob。Blob分析工具可以從背景中分離出目標，并可計算出目標的數量、位置、形狀、方向和大小，還可以提供相關斑點間的拓撲結構。在處理過程中不是采用單個的像素逐一分析，而是對圖形的行進行操作。圖像的每一行都用游程長度編碼（RLE）來表示相鄰的目標范圍。這種算法與基于象素的算法相比，大大提高處理速度。
    結果處理和控制
    應用程序把返回的結果存入數據庫或用戶指定的位置，并根據結果控制機械部分做相應的運動。
    根據識別的結果，存入數據庫進行信息管理。以后可以隨時對信息進行檢索查詢，管理者可以獲知某段時間內流水線的忙閑，為下一步的工作作出安排；可以獲知近期內布匹的質量情況等等。
    用戶界面及操作
    項目要求利用機器視覺技術，智能的識別出流水線上布匹的所有雜質以及它們的數量、大小。根據項目要求，我們設計如下：
（1）圖像顯示區：實時的顯示由相機采集的彩色圖像，系統根據當前的圖像內容實時的識別布匹信息。
（2）信息顯示區：把圖像的內容——各種雜質的數量實時的顯示到表格里。系統當前狀態（如：實時檢測，停止檢測，觸發信號狀態）實時的顯示在狀態顯示欄中，以便于操作人員了解系統狀態。
（3）信息管理區：管理人員可隨時查看流水線的統計信息。操作人員可以靈活的配置系統的配置信息（如：數據庫的配置，控制模塊通訊配置，識別參數的校正）。權限管理控制系統使用者的操作權限，例如：只有高級操作人員才能對系統信息進行配置；只有擁有相應權限的人員才能查看統計信息.
    布匹顏色學習工具
    我們開發了布匹顏色學習工具，此工具界面友好，操作簡單。
    布匹顏色學習工具
    一種顏色應該提供多個模板圖像進行訓練，這樣可以提高識別的能力。學習完畢后要保存成CLF文件，以后模式識別就按照保存特征進行識別。
    總結
    視覺系統涉及到光學和圖像處理算法，本身就是高度專業化的產品，尤其在整個識別控制系統中，還要與運動控制系統配合完成后續操作。在本項目的視覺系統中提取識別對象顏色特征值，然后采用模式識別的方法，識別出不合格區域然后使用斑點分析判斷是否為雜質。同時提到了整個系統中各個部件的選擇和用戶界面的設計。
    總之，應用機器視覺系統能夠大幅降低檢驗成本，提高產品質量，加快生產速度和效率。對于現代化企業來說，意識到技術發展的趨勢并首先付諸實施者無疑將走在競爭的前列。