復(fù)合材料玻璃纖維屬于產(chǎn)業(yè)用紡織品，在軍工，汽車，造船等行業(yè)廣泛應(yīng)用。我國(guó)的玻璃纖維產(chǎn)量站到的75%以上。但由于該行業(yè)在我國(guó)起步較晚，設(shè)備自動(dòng)化程度不高，產(chǎn)品質(zhì)量難以控制，產(chǎn)品以中低端為主。企業(yè)迫切需要采用機(jī)器實(shí)現(xiàn)自動(dòng)化檢測(cè)，替代人工，保證產(chǎn)品質(zhì)量。

    西安獲德是國(guó)內(nèi)成功將機(jī)器視覺(jué)技術(shù)引入玻璃纖維產(chǎn)品質(zhì)量檢測(cè)的公司，該技術(shù)對(duì)于整個(gè)國(guó)內(nèi)的玻璃纖維產(chǎn)品質(zhì)量控制將是革命性的。目前該公司針對(duì)玻璃纖維產(chǎn)品外觀檢測(cè)的設(shè)備達(dá)到10余種，涵蓋了幾乎所有的玻璃纖維產(chǎn)品質(zhì)量檢測(cè)設(shè)備，在玻纖行業(yè)視覺(jué)檢測(cè)設(shè)備*在80%以上。

    本項(xiàng)目通過(guò)轉(zhuǎn)化西安工程大學(xué)發(fā)明zhuan利《基于模式識(shí)別和圖像處理的紡織品瑕疵自動(dòng)檢測(cè)及分類方法》的相關(guān)技術(shù)，通過(guò)技術(shù)研發(fā)合作及工業(yè)生產(chǎn)線上的反復(fù)實(shí)驗(yàn)，將這項(xiàng)技術(shù)應(yīng)用與玻璃纖維織物生產(chǎn)中的質(zhì)量檢驗(yàn)環(huán)節(jié)，*解決玻纖生產(chǎn)人工檢測(cè)質(zhì)量低的難題。

關(guān)鍵技術(shù)：

    建立有效的玻璃纖維產(chǎn)品疵點(diǎn)紋理圖像預(yù)處理方法西安獲德將該方法應(yīng)用于玻璃纖維圖像增強(qiáng)方面能使圖像邊緣明顯突出、紋理更加清晰和非線性保留圖像平滑區(qū)域細(xì)節(jié)信息。

基于深度學(xué)習(xí)的疵點(diǎn)分類方法

    玻璃纖維產(chǎn)品多樣化，檢測(cè)需求各不相同，根據(jù)各種玻璃纖維產(chǎn)品的紋理特征，采用模式識(shí)別的方法深度學(xué)習(xí)方法，對(duì)各種產(chǎn)品的缺陷不斷收集，不斷學(xué)習(xí)，形成良好的分類模型，對(duì)檢測(cè)到的缺陷進(jìn)行正確分類，并對(duì)玻璃纖維產(chǎn)品質(zhì)量進(jìn)行客觀評(píng)價(jià)。

工業(yè)環(huán)境下機(jī)器視覺(jué)系統(tǒng)的架構(gòu)
    搭建高速的圖像處理平臺(tái)，以滿足高速的生產(chǎn)線在線檢測(cè)。解決工業(yè)現(xiàn)場(chǎng)環(huán)境差，系統(tǒng)穩(wěn)定性不好的問(wèn)題。紡織廠的環(huán)境一般是高溫，高濕，并且灰塵較多，但工業(yè)環(huán)境下的檢測(cè)要求是24小時(shí)，365天不間斷的工作。因此西安獲德經(jīng)過(guò)長(zhǎng)期調(diào)研及現(xiàn)場(chǎng)經(jīng)驗(yàn)，研發(fā)了能夠滿足紡織行業(yè)環(huán)境下的機(jī)器視覺(jué)檢測(cè)硬件系統(tǒng)。
創(chuàng)新點(diǎn)：
提出了基于Gabor -Gauss方法、背景分析法、多尺度小波方法作為聯(lián)合疵點(diǎn)檢測(cè)的方法庫(kù)對(duì)纖維布表面進(jìn)行疵點(diǎn)檢測(cè)
    采用改進(jìn)型的Gabor 濾波器組對(duì)織物的疵點(diǎn)進(jìn)行檢測(cè)，利用其對(duì)方向和尺度可調(diào)的特性，得到濾波器*化的參數(shù)。在正常紋理圖片的*濾波基礎(chǔ)上，進(jìn)行高斯平滑，確定出正?？椢飯D像的兩個(gè)閾值門限，進(jìn)而得到織物的二值圖像，實(shí)現(xiàn)疵點(diǎn)檢測(cè)。
西安獲德首將神經(jīng)網(wǎng)絡(luò)的精髓深度學(xué)習(xí)引入玻璃纖維產(chǎn)品缺陷分類

    采用深度度學(xué)習(xí)訓(xùn)練軟件框架Caffe/2+PyTorch對(duì)收集到的幾十萬(wàn)種玻璃纖維織物疵點(diǎn)進(jìn)行學(xué)習(xí)，優(yōu)化參數(shù)，對(duì)各類缺陷分類正確率達(dá)到92%以上。 

    采用卷積神經(jīng)網(wǎng)絡(luò)算法具備自主學(xué)習(xí)能力，通過(guò)在實(shí)際生產(chǎn)過(guò)程種不斷積累的外觀缺陷數(shù)據(jù)，不斷提高算法識(shí)別精度。建立有效的外觀缺陷數(shù)據(jù)庫(kù)。

注：轉(zhuǎn)載請(qǐng)注明出處！