許多基于機器視覺的檢測系統(tǒng)被整合到工業(yè)材料生產(chǎn)線中。在鋼鐵、皮革和織物制造等在線生產(chǎn)線上，已經(jīng)可以找到以相機為基礎的掃描來代替人工檢測。檢測對產(chǎn)品質(zhì)量的重要性是巨大的，因為缺陷可以大大減少過程(例如，在織物高達60%)。在紡織生產(chǎn)中，由于織機外織物的滾動速度慢(3-8m/min)，在線檢測是一個緩慢的過程，使得人工檢測人員的成本效益不高。另一方面，視覺檢測可以在這個緩慢的過程中省去人類的勞動，避免人的疲勞和在發(fā)現(xiàn)新奇和缺陷方面的錯誤。

　　表面的定義和結(jié)構(gòu)

　　許多制成的織物不一定有預先定義和結(jié)構(gòu)的表面。這種幾何圖形，如近距離觀察所見，可以呈現(xiàn)出許多形狀，類似于彈痕、劃痕等。對于這類非結(jié)構(gòu)表面，基于幾何特征的檢測方法難以應用，因此，通過以下方法可以更好地完成織物的檢測。紋理分析，基于表面的頻域表征。

具有檢測缺陷的紡織品織構(gòu)

　　檢測紡織品的特征

　　紋理的頻域特征通常是通過使用基于小波、Gabor濾波器或傅里葉分析。在獲取過程中，頻域?qū)υ肼暤拿舾行暂^低，比共現(xiàn)矩陣分析更有利于紋理的空間分析。頻域分析可以發(fā)現(xiàn)空間域的強幾何特征和周期模式。這些模式可以在頻域中被過濾掉；當轉(zhuǎn)換回圖像域時，剩下的是圖像，其主要特征是：偏離局部模式和紋理、異常和缺陷.

　　須在頻域進行仔細的分析，以便能夠區(qū)分局部模式和異常。在頻域中，關于重復模式的信息，如果存在的話，通常應該集中在傅里葉譜的一個區(qū)域，而異常則聚集在另一個區(qū)域。因此，我們在織物檢測過程中發(fā)現(xiàn)異常的問題被歸結(jié)為將傅里葉譜聚類成結(jié)構(gòu)模式的頻率和其他帶有缺陷信息的頻率。

　　無論是紋理的表面還是非紋理的表面和織物，頻域分析需要進行微調(diào)，以捕捉每個產(chǎn)品的紋理特征。為此，需要計算機視覺專家。通過對圖像結(jié)構(gòu)、光譜分析和制造過程的深入理解，盈泰德科技視覺可以構(gòu)建檢驗算法哪條較適合你的生產(chǎn)線。多年來，我們的算法已經(jīng)成功地集成到工業(yè)應用中。