本發(fā)明涉及數(shù)據(jù)處理，特別是指基于工業(yè)相機檢測的織帶質(zhì)量檢測系統(tǒng)及其方法。

背景技術(shù)：

1、現(xiàn)有的織帶質(zhì)量檢測技術(shù)主要依賴人工視覺檢測方式，操作員通過目視觀察織帶表面的瑕疵和缺陷，如斷裂、毛刺、色差等。這種方法雖然在一定程度上能夠發(fā)現(xiàn)織帶中的缺陷，但其依賴于操作員的主觀判斷，容易受到疲勞、注意力分散等因素的影響，導致檢測結(jié)果不夠穩(wěn)定和一致。

2、為了解決人工檢測的不足，現(xiàn)有技術(shù)中已經(jīng)開始引入基于工業(yè)相機的自動化視覺檢測系統(tǒng)。這類系統(tǒng)通過工業(yè)相機采集織帶圖像，并結(jié)合圖像處理算法自動識別和分析織帶表面可能存在的缺陷，極大提高了檢測速度和一致性。然而，現(xiàn)有的基于工業(yè)相機的檢測系統(tǒng)依然存在一些技術(shù)局限。例如，在快速運動的生產(chǎn)線中，織帶的高速移動常常導致圖像采集過程中出現(xiàn)模糊或失真現(xiàn)象。特別是在織帶表面復雜紋理或反光的情況下，傳統(tǒng)的圖像處理算法難以有效區(qū)分正常紋理與缺陷，導致檢測結(jié)果的準確性受到影響。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供基于工業(yè)相機檢測的織帶質(zhì)量檢測系統(tǒng)及其方法，旨在解決背景技術(shù)中所提到的問題。

2、為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

3、第一方面，基于工業(yè)相機檢測的織帶質(zhì)量檢測系統(tǒng)，所述系統(tǒng)包括：

4、速度跟蹤模塊，用于實時監(jiān)測織帶的移動速度，生成同步信號；

5、多角度采集模塊，用于通過多組工業(yè)相機根據(jù)同步信號從不同角度對同一位置進行多角度圖像捕捉，得到初始圖像數(shù)據(jù)；

6、圖像融合模塊，用于對初始圖像數(shù)據(jù)進行空間對齊并對其融合，生成高分辨率圖像；

7、光學修正模塊，用于根據(jù)采集光線的角度差異對高分辨率圖像中織帶表面紋理進行光學補償，得到修正圖像；

8、預處理模塊，用于對修正圖像進行去噪和增強處理，得到分析圖像；

9、初步缺陷檢測模塊，用于根據(jù)預設對比圖像對分析圖像進行初步缺陷檢測，對偏離正常結(jié)構(gòu)的顯著區(qū)域進行初步標記，得到粗篩區(qū)域圖像；

10、精細缺陷分析模塊，用于對粗篩區(qū)域進行邊緣輪廓擬合，得到缺陷識別區(qū)域圖像，并分析缺陷識別區(qū)域圖像的內(nèi)部紋理和形狀特征，識別潛在的微小缺陷，生成精細缺陷圖像；

11、自適應過濾模塊，用于根據(jù)織帶的材質(zhì)類型和表面特性，對精細缺陷圖像過濾，得到缺陷坐標數(shù)據(jù)；

12、動態(tài)坐標映射模塊，用于通過將缺陷坐標數(shù)據(jù)與織帶的運動軌跡進行動態(tài)關(guān)聯(lián)，準確映射缺陷的物理位置，得到實際坐標數(shù)據(jù)；

13、數(shù)據(jù)存儲與分析模塊，用于存儲并分析歷史實際坐標數(shù)據(jù)及相關(guān)檢測數(shù)據(jù)，生成質(zhì)量報告和趨勢分析報告；

14、報警與控制模塊，用于當趨勢分析報告中缺陷數(shù)量或趨勢變化率達到預設閾值時，自動發(fā)出報警信號，并調(diào)整生產(chǎn)參數(shù)或暫停生產(chǎn)。

15、優(yōu)選地，所述圖像融合模塊包括：

16、變換矩陣生成單元，用于獲取每臺工業(yè)相機的位置向量和旋轉(zhuǎn)矩陣并根據(jù)每臺工業(yè)相機的位置向量和旋轉(zhuǎn)矩陣，計算每臺相機的空間變換矩陣；

17、空間對齊單元，用于根據(jù)空間變換矩陣對初始圖像數(shù)據(jù)進行坐標轉(zhuǎn)換，得到對齊圖像；

18、加權(quán)融合單元，用于根據(jù)每個工業(yè)相機的拍攝角度和清晰度對對齊圖像進行融合處理，得到高分辨率圖像；其中，高分辨率圖像的像素值的計算公式為：

19、，

20、其中，為高分辨率圖像在坐標處的像素值，為圖像采集的工業(yè)相機數(shù)量，為相機對圖像融合的權(quán)重，其中，其中為相機拍攝角度，為相機的清晰度系數(shù)，為歸一化項，用于確保所有相機的權(quán)重總和為1，為第個相機在位置處的對齊圖像像素值，為融合系數(shù)，，為邊緣增強系數(shù)，用于平衡像素值與邊緣信息，為第個相機拍攝圖像在位置的拉普拉斯算子；

21、其中，，為第臺相機拍攝圖像的標準偏差，為權(quán)重系數(shù)，用于控制相機清晰度對邊緣清晰度的影響權(quán)重，為第臺相機圖像的邊緣強度測度，，其中和為圖像的行列數(shù)，和分別表示第臺相機圖像在和方向的梯度。

22、優(yōu)選地，所述光學修正模塊包括：

23、角度補償單元，用于獲取每個工業(yè)相機的拍攝角度數(shù)據(jù)，并根據(jù)拍攝角度數(shù)據(jù)計算不同角度下的光線偏差值，生成角度補償參數(shù)；

24、光線校正單元，用于根據(jù)角度補償參數(shù)對高分辨率圖像中各像素的亮度值和色彩信息進行調(diào)整，得到修正圖像；其中，修正圖像的像素值的計算公式為：

25、，

26、其中，為修正圖像在坐標處的像素值，為亮度補償系數(shù)，為光線的入射角，為色彩校正系數(shù)，為角度影響系數(shù)，為拍攝角度，為邊緣校正系數(shù)，和分別為圖像在和方向的二階偏導數(shù)。

27、優(yōu)選地，所述預處理模塊包括：

28、噪聲抑制單元，用于檢測并去除修正圖像中的圖像噪聲，通過邊緣保留的降噪算法降低圖像噪聲干擾，得到噪聲抑制圖像；

29、區(qū)域?qū)Ρ忍嵘龁卧?，用于分析噪聲抑制圖像中各像素的亮度差異和對比度，提高織帶表面細微紋理的對比度，得到第一提升圖像；

30、邊緣細化單元，用于根據(jù)第一提升圖像，采用邊緣增強算法對織帶紋理的邊緣特征進行細化處理，生成第二提升圖像；

31、多尺度細節(jié)處理單元，用于對第二提升圖像在多個尺度上分解細節(jié)信息，對各尺度的細節(jié)分別進行對比度增強處理，得到增強信息，再將不同尺度的增強信息進行融合，生成分析圖像。

32、優(yōu)選地，所述初步缺陷檢測模塊包括：

33、多層次結(jié)構(gòu)對比單元，用于根據(jù)分析圖像與預設對比圖像進行特征對比，計算相似度，以識別偏離正常結(jié)構(gòu)的第一區(qū)域；特征的相似度計算公式如下：

34、，

35、其中，為在坐標處的特征相似度，為多尺度的層數(shù)，為第層尺度的權(quán)重，，其中為權(quán)重系數(shù)，為歸一化項，和分別為在第層尺度下分析圖像與預設對比圖像的均值，和分別為在第層尺度下分析圖像與預設對比圖像的方差，為分析圖像與預設對比圖像在第層尺度下的協(xié)方差，和為平滑常數(shù)，用于防止分母為零；

36、缺陷區(qū)域標記單元，用于通過預設相似度閾值對第一區(qū)域篩選并標記，生成粗篩區(qū)域圖像。

37、優(yōu)選地，所述精細缺陷分析模塊包括：

38、輪廓擬合單元，用于對粗篩區(qū)域圖像的邊緣進行精確擬合，生成邊緣精細圖像；

39、內(nèi)部結(jié)構(gòu)分析單元，用于對邊緣精細圖像的紋理和形狀特征進行分析，識別包含微小缺陷的區(qū)域，形成精細缺陷圖像。

40、優(yōu)選地，所述自適應過濾模塊包括：

41、材質(zhì)特性識別單元，用于根據(jù)織帶的材質(zhì)類型自動選擇預設對應的缺陷過濾參數(shù)集；

42、缺陷篩選單元，用于根據(jù)缺陷過濾參數(shù)集對精細缺陷圖像中的各缺陷區(qū)域進行篩選，并將其轉(zhuǎn)化為缺陷區(qū)域的缺陷坐標數(shù)據(jù)。

43、優(yōu)選地，所述動態(tài)坐標映射模塊包括：

44、運動軌跡監(jiān)測單元，用于實時監(jiān)測織帶在生產(chǎn)過程中的運動軌跡，生成織帶在生產(chǎn)過程中的位置數(shù)據(jù)；

45、動態(tài)位置映射單元，用于將缺陷坐標數(shù)據(jù)與位置數(shù)據(jù)進行關(guān)聯(lián)，確定缺陷在物理空間中的動態(tài)位置，得到實際坐標數(shù)據(jù)。

46、優(yōu)選地，所述數(shù)據(jù)存儲與分析模塊包括：

47、歷史數(shù)據(jù)存儲單元，用于記錄并存儲實際坐標數(shù)據(jù)及相關(guān)檢測數(shù)據(jù)，形成織帶質(zhì)量的歷史數(shù)據(jù)集；

48、數(shù)據(jù)分析單元，對歷史數(shù)據(jù)集進行統(tǒng)計分析，識別織帶質(zhì)量的變化趨勢以及質(zhì)量問題，生成質(zhì)量報告和趨勢分析報告。

49、第二方面，基于工業(yè)相機檢測的織帶質(zhì)量檢測方法，所述方法包括以下步驟：

50、實時監(jiān)測織帶的移動速度，生成同步信號；

51、通過多組工業(yè)相機根據(jù)同步信號從不同角度對同一位置進行多角度圖像捕捉，得到初始圖像數(shù)據(jù)；

52、對初始圖像數(shù)據(jù)進行空間對齊并對其融合，生成高分辨率圖像；

53、根據(jù)采集光線的角度差異對高分辨率圖像中織帶表面紋理進行光學補償，得到修正圖像；

54、對修正圖像進行去噪和增強處理，得到分析圖像；

55、根據(jù)預設對比圖像對分析圖像進行初步缺陷檢測，對偏離正常結(jié)構(gòu)的顯著區(qū)域進行初步標記，得到粗篩區(qū)域圖像；

56、對粗篩區(qū)域進行邊緣輪廓擬合，得到缺陷識別區(qū)域圖像，并分析缺陷識別區(qū)域圖像的內(nèi)部紋理和形狀特征，識別潛在的微小缺陷，生成精細缺陷圖像；

57、根據(jù)織帶的材質(zhì)類型和表面特性，對精細缺陷圖像過濾，得到缺陷坐標數(shù)據(jù)；

58、通過將缺陷坐標數(shù)據(jù)與織帶的運動軌跡進行動態(tài)關(guān)聯(lián)，準確映射缺陷的物理位置，得到實際坐標數(shù)據(jù)；

59、存儲并分析歷史實際坐標數(shù)據(jù)及相關(guān)檢測數(shù)據(jù)，生成質(zhì)量報告和趨勢分析報告；

60、當趨勢分析報告中缺陷數(shù)量或趨勢變化率達到預設閾值時，自動發(fā)出報警信號，并調(diào)整生產(chǎn)參數(shù)或暫停生產(chǎn)。

61、本發(fā)明的上述方案至少包括以下有益效果：

62、系統(tǒng)首先通過速度跟蹤模塊實時監(jiān)測織帶的移動速度，并生成同步信號，用以控制多角度采集模塊的多個工業(yè)相機同步工作。多角度采集模塊在同步信號的引導下，能夠從多個角度對織帶表面進行圖像采集，確保圖像捕捉的完整性和細節(jié)信息的全面性。這種設置解決了傳統(tǒng)單角度采集下信息缺失的問題，確保即使在織帶高速運動的情況下，系統(tǒng)依然能夠捕獲清晰的圖像數(shù)據(jù)，有效降低了圖像失真和錯位的可能性。

63、通過圖像融合模塊對多角度采集的初始圖像數(shù)據(jù)進行空間對齊和融合，生成高分辨率圖像?？臻g對齊確保了不同角度采集到的圖像在同一坐標系下重合，避免了傳統(tǒng)系統(tǒng)中因拍攝角度差異引起的圖像錯位。融合過程產(chǎn)生的高分辨率圖像極大地增強了圖像細節(jié)，使得后續(xù)的檢測模塊能夠在更清晰的數(shù)據(jù)源上進行缺陷分析，提高了檢測的精準性。光學修正模塊進一步優(yōu)化了圖像的光學一致性，通過光線的角度補償消除拍攝角度不同帶來的亮度和色彩差異問題，得到更均勻的修正圖像，避免了因光線條件差異導致的誤判。

64、在預處理模塊中，系統(tǒng)對修正圖像進行去噪和增強處理，生成的分析圖像具有較高的對比度和清晰度，為缺陷檢測模塊提供了可靠的圖像基礎。初步缺陷檢測模塊利用分析圖像與預設對比圖像進行結(jié)構(gòu)對比，對偏離正常結(jié)構(gòu)的顯著區(qū)域進行初步標記，生成粗篩區(qū)域圖像。這一過程確保了初步篩選的準確性，為后續(xù)的精細分析奠定了基礎。精細缺陷分析模塊在粗篩的基礎上，對缺陷區(qū)域的邊緣進行擬合，并進一步分析紋理和形狀特征，從而識別出潛在的微小缺陷，生成精細缺陷圖像。通過這一深度分析，系統(tǒng)能夠?qū)棊П砻娲嬖诘母黝惾毕輰崿F(xiàn)精準定位和分類，極大地提高了檢測的準確性和細致程度。

65、自適應過濾模塊根據(jù)織帶的材質(zhì)和表面特性，對精細缺陷圖像進行針對性過濾，僅保留符合缺陷特征的坐標數(shù)據(jù)，消除材質(zhì)噪聲帶來的干擾。動態(tài)坐標映射模塊將過濾后的缺陷坐標數(shù)據(jù)與織帶的運動軌跡進行動態(tài)關(guān)聯(lián)，準確映射缺陷在物理空間中的位置，確保缺陷數(shù)據(jù)在實際應用中的可追溯性和定位精度。數(shù)據(jù)存儲與分析模塊對實際坐標數(shù)據(jù)和檢測數(shù)據(jù)進行存儲和分析，生成織帶質(zhì)量的歷史趨勢報告。這種大數(shù)據(jù)分析方式能夠提前預判質(zhì)量問題，為生產(chǎn)管理提供了寶貴的決策依據(jù)。報警與控制模塊在系統(tǒng)檢測到缺陷數(shù)量或趨勢變化率達到閾值時，自動觸發(fā)報警信號，甚至根據(jù)需要調(diào)整生產(chǎn)參數(shù)或暫停生產(chǎn)，以便及時控制缺陷的擴散。

66、本系統(tǒng)的多模塊設置使其在檢測織帶質(zhì)量方面具備了更高的精度和自動化水平。與現(xiàn)有技術(shù)相比，系統(tǒng)在采集、處理、分析和反饋的全過程中實現(xiàn)了更加高效的缺陷識別和控制，為織帶的高效生產(chǎn)和質(zhì)量管理提供了重要保障。