无纺布外观缺陷在线视觉检测技术研究

作     者：余秋伟 

作者单位：湖南大学 

学位级别：硕士

导师姓名：毛建旭

授予年度：2023年

学科分类：0821[工学-纺织科学与工程] 08[工学] 080203[工学-机械设计及理论] 082102[工学-纺织材料与纺织品设计] 0802[工学-机械工程] 

主      题：机器视觉 无纺布 缺陷检测 SVM YOLO V5 

摘      要：无纺布是口罩、手术服、医用包扎材料、医用帘布等产品的重要原材料,然而在无纺布的生产过程中,由于原料喷涂不均匀、环境存在脏污、无纺布静电吸附性强、生产设备老化等客观因素,无纺布不可避免地会出现孔洞、注头丝、油污、疵点等外观缺陷。这些缺陷最终影响到后续相关医疗耗材的日常生产和使用效果,造成重大经济损失和安全隐患。人工检测的准确度受验布工人疲劳程度的影响较大,不稳定,并且长时间的验布工作会对工人身体造成巨大伤害,因此开发机器视觉系统代替人工完成无纺布缺陷检测迫切且必要。 本文根据工厂实际需求,针对无纺布可能出现的孔洞、疵点、油污、注头丝四类外观缺陷,设计并搭建一套无纺布外观缺陷视觉检测系统,提出行之有效的缺陷检测算法,开发与硬件系统配套的软件部署算法。论文主要工作如下: (1)分析无纺布外观缺陷检测技术难点,根据实际应用需求,设计并搭建了一套能够实时采集宽幅面无纺布的视觉检测系统,能够满足在线检测的精度要求和生产节拍。 (2)提出一种基于SVM分类器的无纺布外观缺陷检测算法,研究了灰度共生矩阵、Gabor滤波器的纹理提取方法,以纹理特征为主判据,色彩和灰度特征为辅助判据,将缺陷面积、缺陷占空比、长短轴比、圆形度、颜色矩、灰度矩作为输入特征向量,设计四级DAG-SVM分类器完成缺陷识别。算法总体查全率为93.3%,查准率为77.9%,对于孔洞、注头丝、油污三类缺陷识别效果较好,疵点缺陷识别效果较差。 (3)为提高疵点缺陷小目标的识别准确率,提出一种基于改进YOLO V5网络的无纺布外观缺陷检测算法,在YOLO V5网络结构中嵌入CBAM注意力机制模块,给予小目标特征更多关注度,同时将回归损失函数改进为WIoU V3,细化回归损失颗粒度并平衡样本质量对模型性能的影响。针对缺陷样本不足的问题,提出一种基于图像掩膜批量生成缺陷图像的数据扩充方法,结合其他扩充方法完成无纺布缺陷数据集制作。实验结果表明,本文提出的算法总体查全率达到97.5%,查准率达到98.0%,单幅图像检测平均耗时0.034 s,检测精度和速度满足实际生产要求,能够用于生产线无纺布外观缺陷在线检测任务。 (4)开发与硬件系统配套的软件系统,采取前后端分离架构,软件系统操作界面简单,人机交互友好,实现了相机通讯、图像处理、日志管理、用户登录、用户设置等功能。