图像处理技术在纺织检测中的意义

胡聪 1 盛洪涛 1 杨鑫 2

1 浙江电商检测有限公司 浙江省 杭州市 310000

2广电计量检测（杭州）有限公司 浙江省 杭州市 310000

摘要：在纺织工业领域内，信息化技术的广泛应用能够有效提升工作效率，还能够减少对人体健康的威胁。图像处理技术是互联网信息时代中在工业领域广泛应用的关键技术之一。纺织检测主要涉及到纤维检测、纱线检测以及织物检测内容。纺织企业需要采用科学合理的纺织检测方法，降低人工成本。本文将主要探讨图像处理技术在纺织检测工作中的应用意义和实践措施。

关键词：图像处理；纺织检测；意义

引言：在工业领域内常用的图像处理技术主要有图像增强、图像去噪、图像分割、边缘提取、形态学分析、目标检测与识别、图像压缩编码等。通过对数字图像的编码运算，可以获取到图像中的多源异构信息。在纺织检测领域，自动化图像检测技术主要涉及到纤维纱线以及织物检测内容。图像处理技术能够根据采集的数字图像，识别轮廓特征数据，有效提取边缘计算特征等。

1 纺织纤维检测

纺织企业的纤维检测内容主要涵盖羊毛纤维细度和卷曲度、羊毛羊绒纤维表面形态识别、化学纤维异形度以及棉纤维的成熟度等^[1]。羊毛纤维细度检测方法比较复杂，通常需要采用显微镜投影以及气流仪等监测设备，将光学图像输入到计算机中，在预处理操作步骤中进行中值滤波、灰度转换二值化、去除噪声等算法流程。在得到羊毛纤维轮廓图像后，将其进行直径测量和截面检测，提取纤维的特征参数，选择合适的模板匹配方法，构建显微镜爱你测数据矩阵。

在检测羊毛卷曲度的过程中，需要将弹性测量仪器的相关技术原理与数字图像处理技术相结合，设计实现较为完善的卷曲度检测与识别算法。传统的羊毛卷曲检测方法需要将曲率、数量、残留卷曲率、弹性回复率等关键指标和羊毛性质进行一一对应，非常耗费人力物力，还会产生较大误差。采用图像处理技术完成羊毛卷曲度检测，需要从图像采集与预处理步骤开始算法设计，将相关参数和阈值设置方式进行合理规划与设计。将采集到的羊毛检测光学图像和截面图像执行灰度化和二值化逻辑操作，识别轮廓信息，抽取羊毛纤维特征，识别弯矩以及曲率特征，计算卷曲频数、波幅等关键参数。

在检测羊毛羊绒纤维表面形态的过程中，需要合理利用形态学分析方法和滤波算法，实现羊绒、超细羊毛、拉细羊毛之间的有效区分。传统光学显微镜识别方法需要将纤维细度和鳞片细节进行有效区分，但是过分依赖人员的工作经验会出现较大误差。在扫描显微镜拍摄的光学图像处理过程中，需要将表面鳞片的形态特征进行有效识别，将轮廓识别、灰度差值计算、模板匹配等关键算法应用在形态表面识别过程中。在计算机仿真计算软件中，可以将羊毛羊绒纤维表面形态特征与贝叶斯计算模型进行有效拟合，找到两类纤维的形态分布特征，从峰值变化趋势上找到数据变化规律。

2 纺织纱线检测

纺织企业的纱线检测内容主要涵盖混纺比、毛羽以及均匀度等。传统的纱线检测方法基本采用人工识别，效率低下，错误率较高。利用图像处理技术完成纱线混纺比检测，可以实现有效的纤维图像分割计算，提取纱线截面特征，快速计算混纺比例数据^[2]。在纱线检测过程中，还可以应用形态学分析方法以及光学处理方法，在滤波去噪声之后，完成局部灰度均衡化处理，在二值化图像中完成粘连纤维的有效分割与结果计算。纱线混纺比检测还可以利用机器学习方法，建立样本数据库，完成有监督学习基础上的纱线混纺比检测过程。纱线待检测图像中的背景和目标物之间存在光学灰度差异，从光学计算的角度，能够快速提取亮度特征，对纱线纤维截面的特征进行有监督分类或者无监督聚类，计算混纺比数据。

纱线毛羽检测需要以图像处理技术为技术，结合边缘计算算法，将突出纤维根数与毛羽参数之间的关联关系进行有效计算。图像处理技术可以快速识别纱线毛羽图像特征，计算带毛羽纱线和不带毛羽纱线所占图像面积比例，进行有效的图像分割，对应毛羽纱线的纤维截面特征，提取纱线轮廓信息与结构化数据，计算毛羽长度。纱线毛羽图像检测还需要合理设置特征图像表示方法以及最短距离计算方法，将最小外接矩阵与纱线长度计算进行对应，参考物体实际长度和像素长度之间的比例关系，计算得出毛羽指数等相关数据。

传统的纱线均匀度检测方法是人工目测法以及仪器测量法。利用人工目测法的计算结果误差较大，仪器测量法比较浪费纱线资源。仪器测量法需要将电容式测量仪器测量纱线横截面积中的纤维根数，计算纱线直径，此种方法对待检测目标物的湿度和均匀度要求较高，无法适应多种检测环境。采用图像处理技术完成纱线均匀度检测，需要将预处理技术、滤波去噪算法、形态学分析方法以及特征提取方法相结合，快速判定纱线质量和湿度特征^[3]。图像处理技术可以将环境因素进行有效排除，还能够实现高适应度的检测过程。结合图像特征提取算法，纱线均匀度检测过程可以实现准确计算，膨胀腐蚀以及开闭计算方法都可以采取动态设置方法，可以根据纱线类型和型号进行参数选择，减少人工操作过程产生的数据误差。

3 纺织织物检测

纺织企业的织物检测内容主要涵盖密度、疵点、悬垂性能以及起毛起球评定等。织物密度检测工作需要根据纺织产品的密度数据信息同步到产品质量管理系统中。利用频域傅里叶变换函数以及特征提取算法，将织物表面和截面中的密度分布情况进行有效计算。还可以利用小波多尺度分析算法，从织物图像中获取细节特征，能够实现织物密度的自动测量。

织物疵点检测工作内容比较复杂，强度较大，不推荐使用误差较大的人工检测方法。图像处理技术在织物疵点检测中的有效应用，能够精准检测出疵点典型特征，对织物样本图像中存在的疵点进行有效识别。利用图像处理技术，可以将样本数据库中的疵点特征数据进行训练，并构建线性分类器或者人工神经网络方法，构建数据模型，快速完成织物疵点图像的有效识别和分类过程。图像处理技术可以完成缺经、断纬、油污以及破洞等典型织物疵点特征的识别和判断。纺织生产线的技术人员可以合理设置检测精度，调整数据参数，提高检测速度和准确度。

纺织物的传统悬垂性能检测方法需要利用投影法计算悬垂系数，但是数据指标相对比较单一，无法具有很强的说服力。在悬垂性能检测过程中，需要利用图像处理技术，将CCD摄像头采集的彩色或者灰度图像进行预处理，并执行平滑去噪声等相关操作。在完成图像二值化和边缘检测步骤之后，将边缘算子和轮廓信息输入到数据库中，保留悬垂性能数据指标，进一步计算形态结构与性能指标之间的内在联系。图像处理技术能够实现多种动态性能指标的调整，还能提升悬垂性能检测的准确度。

纺织企业比较重视织物起毛起球的评定检测方法，传统人工检测方法会影响检测准确性，对数据指标评定的精度造成影响。织物待检测目标需要按照规定要求完成摩擦起球工序，将毛球与织物表面的形态学图像保留下来，并从毛球尺寸、形状、密度、总面积、数量等不同指标进行综合评价，构建起毛起球边缘分割特征与级数之间的数据模型，应用最短距离计算方法，验证评价检测结果的准确性。

结束语

图像处理技术是互联网信息时代中在工业领域广泛应用的关键技术之一。纺织检测主要涉及到纤维检测、纱线检测以及织物检测内容。通过对数字图像的编码运算，可以获取到图像中的多源异构信息。在纺织检测领域，自动化图像检测技术主要涉及到纤维纱线以及织物检测内容。图像处理技术可以将环境因素进行有效排除，还能够实现高适应度的检测过程。

参考文献

[1]张雷.数字图像处理技术在纺织检测中的研究和应用[J].大众标准化,2020（14）:217-218.

[2]邵金鑫,张宝昌,曹继鹏.基于图像处理与深度学习方法的棉纤维梳理过程纤维检测识别技术[J].纺织学报,2020,41（07）:40-46.

[3]肖琦.现代纺织检测技术的发展方向探讨[J].科技创新导报,2019,16（30）:230-231.