基于图像处理技术的织物组织自动识别，杨娜，张斌，本文给出了一种利用图像处理技术自动识别机织物组织的方案，实验证明测量结果对简单机织物而言具有良好的准确性，测量方法可代替

Fabric-defect-detection Fabric defect detection based on computer vision 整体分为五个模块：1）读取图像模块；2)缺陷检测模块；3)缺陷定位模块；4)保存模块；5)退出模块 布匹缺陷检测系统框架图 布匹缺陷检测系统界面图 加载图片界面图 缺陷检测界面图 缺陷区域定位界面图 保存系统界面图 退出系统界面图

【图像处理】基于遗传算法优化Gabor滤波器提取织物表面特征值进行织物瑕疵识别和处理matlab源码.zip

2022年中国织物洗涤剂产业调研与未来前景预测报告参考.pdf

【瑕疵检测】基于Otsu实现织物疵点检测matlab源码含 GUI.md

利用Vi sual Basic6. 0设计了应用软件的用户界面,用SDK2000视频卡与CCD摄像头连接采集数据,利用Matlab7. 0图像处理工具箱,小波分析工具箱,通过各种算法的比较和验证,找到有利于疵点的检测,快速的疵点识别,精确的疵点分割方法,三者相互结合构成织物疵点自动检测系统。在图像采集中,调用视频卡驱动程序,实现图像的储存。图像处理中,应用二维小波分解重构,小波消噪,阂值分割,数学形态学处理等方法,快速准确识别疵点,利用Matlab最新的COM生成器,将Matlab的M文件,生成COM组件

为了满足工业上对织物缺陷检测的实时性要求,提出一种基于S-YOLOV3(Slimming You Only Look Once Version 3)模型的织物实时缺陷检测算法。首先使用K均值聚类算法确定目标先验框,以适应不同尺寸的缺陷;然后预训练YOLOV3模型得到权重参数,利用批归一化层中的缩放因子γ评估每个卷积核的权重,将权重值低于阈值的卷积核进行剪枝以得到S-YOLOV3模型,实现模型压缩和加速;最后对剪枝后的网络进行微调以提高模型检测的准确率。实验结果表明:对于不同复杂纹理的织物,所提模型都能准确检测,且平均精度均值达到94%,剪枝后检测速度提高到55 FPS,所得的准确率与实时性均满足工业上的实际需求。

【图像处理】gabor提取织物表面特征值进行织物瑕疵识别和处理.zip

基于Gabor滤波器和低秩分解的织物缺陷检测算法

针对织物中普遍存在的破洞、断经和缺纬三类疵点，提出了一种基于数学形态学的织物疵点检测方法。首先运用自相关函数和快速傅立叶变换找出织物经纬结构上的重复单元，然后以这些重复单元作为依据，运用形态处理学中的腐蚀背景法和膨胀目标法确定图像中的疵点信息，通过不同疵点样本对该方法进行仿真实验。运用该方法可使疵点识别率达到97%。实验结果证明该检测方法是可行的。