摘要：纺织品是现代社会中不可缺少的重要物质资料。随着经济的快速发展，生活质量的提高，消费者对纺织品质量提出了更高要求。另外，当前纺织品市场竞争日益激烈，纺织企业数量不断增多，也迫使纺织企业要提升纺织品质量。而缺陷检测是确保产品质量的重要手段，通过有效检测能找出产品表面不同程度上的缺陷，保障产品符合工艺要求和设计要求。但传统缺陷检测方法存在一定局限性，检测效果并不理想，且检测过程耗时长，准确率低，加强缺陷检测技术改革创新势在必行。基于统计特征的缺陷检测方法则能有效提高检测效率，增强检测有效性。本文将针对基于统计特征的纺织品缺陷检测方法展开研究。
关键词：统计特征；缺陷检测；检测方法；纺织品
引言：中国是纺织品产销大国，产销量占世界首位，是中国出口优势产业。纺织品应用范围非常广泛，不仅涉及到日常生活，在很多工业领域中纺织品应用也非常广泛。近些年来，随着纺织品市场规模的扩大，纺织产业迅猛发展，市场对纺织品质量要求也随之提高。目前大部分纺织企业都在采用自动化流水线生产方式，虽然大幅度提升了生产效率和水平，节约了生产成本，但由于器械故障或控制问题，易造成编织过程中出现纱线错误，导致产品表面出现缺陷，影响产品品相和质量，给销售和出口造成负面影响。因此，为保证产品质量，应采取有效的缺陷检测方法，对产品缺陷进行有效检测，从而确保纺织品产品质量。
一、纺织品缺陷检测的必要性
纺织品指纺织纤维经过加工织造而成的产品，其应用范围广，应用价值高，根据原材料不同，其性能和特点不同，所以用途不同，可制成：服装、工艺品、灯饰、布艺玩具等产品[1]。中国是纺织品产销大国，出口量庞大，具备世界上最完整的纺织品产业链，占全球纺织品市场的百分之六十，是经济增长的重要驱动力。纺织品在生产过程中及进入市场流通前，必须要经过各种各样检验和测试，而缺陷检测就是其中最为重要的环节，是纺织企业生产管理，质量控制中的一项重要任务。相关研究统计数据显示，目前纺织行业中，已经确定的产品缺陷多达七十多种，而这些缺陷将严重影响纺织品的销售和出口，使企业面临退货危机。当前纺织品出口贸易方面，技术壁垒与绿色贸易壁垒越来越突出，很多国家发布了纺织品认证标准，对纺织品质量提出了更高要求[2]。二零一五年上半年，我国纺织品出口退货达到三千二百一十一点五六万美元，总退货率百分之五十九点三，其中百分之四十五是由产品缺陷引起，导致纺织品出口频频受挫，增速放缓，严重挤压了我国纺织品出口，对行业敲响了警钟。面对国际市场对纺织品质量的严苛要求，纺织品企业若想持续发展，适应新的市场环境，增强国际市场竞争力，必须加强缺陷检测，提高检测有效性。
二、统计特征的基本概念
统计特征是统计学重要概念，其基本理论是数理统计，最早提出于十八世纪，十九世纪被应用到社会生产领域[3]。
期刊文章分类查询,尽在期刊图书馆在统计特征中人们关心的不是被统计对象本身，而是统计特征值间的关联性和某个特征，研究相关特征在总体间的特征分布情况，对特征数理和属性进行区别确定，判断特征计数与计量的关系，用数值表现计量特征，用数表现计量特征，判断特征数学和周期性。例如：产品是否为合格产品，统计特征就是要考察合格指标。目前特征统计方法已广泛应用于产品质量检测中，很多现代化、自动化检测设备都基于统计特征原理实现。例如：纺织品缺陷检测中，背景纹理特征分析与处理，便应用了这种理论。
三、基于统计特征的纺织品缺陷检测方法
通过前文分析不难看出做好纺织品缺陷检测的重要意义。但传统人工检测方式，劳动量繁重，误检率与漏检率高，对相关人员主观经验依赖性强，检测效果具有明显局限性[4]。相关实践研究表明，在传统检测模式下，检测工作人员连续工作半个小时后，便开始精神不集中，注意力下降，出现不同程度的错判和误判、漏检现象，产品缺陷不能及时被发现，仅能检测出百分之六十五到百分之七十左右的缺陷，准确率减低，且检测成本高，人力物力投入大，耗时耗力却无法获得预期检测效果。因此，一些纺织品科学家与信号信息科学家，提出了一种基于统计特征，利用模式识别技术和机械视觉技术的自动化检测模式，对纺织品质量等级进行自动、客观、高效、准确的评定，找出产品缺陷，弥补传统技术缺陷。
基于特征统计的纺织品缺陷检测方法，通过对特征进行提取分析检验的方法，判断缺陷，具体可分为两个阶段：缺陷检测和缺陷分类。具体检测步骤是：“样本采集-特征提取-缺陷检测-缺陷分类-检测结果”。从检测步骤来看，其基本检测原理是：先进行纺织品样本采集，在通过机械视觉设备进行样本特征提取，并对提取数据进行分析处理，根据获得的样本特征相似性确定纺织品表面有无缺陷，统计缺陷数量，在通过分离器进行缺陷分类，结合缺陷样本计算缺陷检测率，将缺陷归类到对应类别中。整个检测过程中特征提取是最关键环节，直接影响后续检测结果。倘若样本提取存在问题，特征无法正确区分，便会造成误判，严重影响缺陷检测正确率。基于特征统计的纺织品缺陷检测方法主要是对背景纹理特征进行分析，具体涉及：共生矩阵、函数、数学形态学、分形维数学等众多相关内容，主要是通过对纹理基本元重复排列构成判断缺陷，主流纹理种类分为：自然纹理、人工合成纹理、混合纹理。当纺织品表面出现缺陷时，测得的重复基本元极大值变化发生变化，产生的图像则无法安全复原，就说明纺织品存在缺陷。这种基于统计特征的纹理提取易于操作，原理简单，能够采用GLCM和纹理谱统计方法，分析数据直观性强。例如GLCM方法，利用评估纹理图像二阶像素获取纹理特征信息，构建二维矩阵表现纹理图像信息，表现重复元，判断纹理周期性。实际上不同纹理图像在视觉上会呈现出不同的周期性，同纹理则周期性大致相同。因此，倘若纺织品存在缺陷，便会失去基本组织规律，周期性遭到破坏。所以纹理周期性遭到破坏则说明纺织品存在缺陷。这种检测模式有效性和准确性非常高，缺陷检测率可达成百分之九十八左右，检测水平大幅度提升，非常值得推广和应用。
结束语：在当前大的市场环境下，纺织品生产必须加强缺陷检测，提高检测有效性。但传统检测技术手段效率低，有效性差，已难以适应当前纺织品行业发展需求。而统计特征理论则为纺织品缺陷检测技术改革创新提供了途径，能够提高检测水平。因此，纺织企业应积极运用基于统计特征的纺织品缺陷检测技术，弥补传统检测技术不足，确保纺织品质量。
参考文献：
[1]杨学志，沈晶，殷保忠. 基于最小分类误差小波特征的纺织品缺陷分类方法研究[J]. 中国图象图形学报，2014，02:309-316.
[2]沈晶，杨学志. 一种新的基于纹理分水岭的纺织品缺陷检测方法[J]. 中国图象图形学报，2015，10:1997-2003.
[3]王璜. 基于机器视觉的纺织品外观疵点检测与质量评价的研究[D].湖北工业大学，2014，13（07）：120-126.
[4]司小书. 面向织物缺陷检测的CUDA并行图像处理模型与算法研究[D].武汉大学，2013，13（09）：116-126.
论文作者:唐纪飞
论文发表刊物:《基层建设》2016年13期
论文发表时间:2016/10/28
标签：缺陷论文; 纺织品论文; 特征论文; 纹理论文; 产品论文; 检测方法论文; 周期性论文; 《基层建设》2016年13期论文;