织物疵点检测是纺织品质量控制中必不可少的环节,随着工业技术的发展,思普泰克研发了基于机器视觉的织物疵点检测，逐渐成为纺织企业发展的必然趋势。传统的织物疵点检测方法都是由检验人员来完成,有数据表明：一个较为熟练的检验人员的验布速度不超过20 m/min,验布的幅宽在1 m之内,检验效率约70%。并且,织物疵点可出现在生产过程中的任何阶段,疵点的形状和种类千变万化,给疵点识别带来了诸多的困难。因此,以快速和可靠机器视觉来代替低效的人工视觉,实现织物疵点自动化检测,具有重要的经济效益和现实意义。
织物疵点检测方法
一般根据对图像处理的原理不同,织物庛点检测可以分为如下几类：结构方法、统计学方法、频谱分析方法、基于模型的方法以及基于学习的方法。本文主要对近几年检测算法的最新研究进展进行了分类探究和分析,比较了各种算法的优劣势,着重分析基于支持向量机和深度学习方法的特性。
基于结构方法的织物疵点检测
结构方法将纹理视为纹理基元的组合,纹理分析通过获取纹理特征并推断其替换规则来执行。根据这种方法,织物图案的纹理可以通过简单纹理结构的组合来实现。结构纹理分析包含两个顺序阶段：基本织物纹理的检测;整体织物纹理图案的建模。Abouelela等，进行了结构疵点的检测,但是结构方法的可靠性很低,结构化方法只能将织物疵点从非常规整的纹理中分离出来。
