本發(fā)明涉及紡織印染技術(shù)領(lǐng)域，尤其涉及一種基于顯著性檢測的紡織品表面瑕疵檢測方法及基于顯著性檢測的紡織品表面瑕疵檢測系統(tǒng)。

背景技術(shù)：

紡織行業(yè)對于紡織品的質(zhì)量有嚴(yán)格的要求。其中，紡織品表面的瑕疵直接影響最終成品的價格，對表面瑕疵進(jìn)行檢測對企業(yè)的質(zhì)量管理、成本控制及提升產(chǎn)品競爭力有巨大的意義。

近幾年來，人工驗(yàn)布的方式依然是大多數(shù)紡織企業(yè)的主要方式，由于驗(yàn)布工每天要在生產(chǎn)線上工作長達(dá)12個小時，每天長期注視著高速運(yùn)動的布料，視覺系統(tǒng)會受到很大的傷害。

人工驗(yàn)布受人生理特征的限制，檢測結(jié)果受人為因素影響比較大，驗(yàn)布工技能的好壞決定了瑕疵正確檢出率。不同的驗(yàn)布工對瑕疵判斷的標(biāo)準(zhǔn)也存在一定的差異。因此很難保證檢測結(jié)果的一致性和客觀性。此外，面對枯燥的驗(yàn)布工作，驗(yàn)布工要保持高度的精力集中，周圍環(huán)境的影響，比如工作過程中同事聊天，也會大大影響檢測結(jié)果。

人保持的注意力的時間是有限的，最多維持1個小時左右。但是驗(yàn)布工要連續(xù)工作十幾個小時處于驗(yàn)布狀態(tài)，加上檢測過程中紡織品處于運(yùn)動狀態(tài)，驗(yàn)布工極易產(chǎn)生視覺疲勞，導(dǎo)致漏檢率大大增加。在檢驗(yàn)速度方面，由于人眼可接受的速度非常有限，這大大限制了驗(yàn)布的效率。

基于機(jī)器視覺的瑕疵自動檢測系統(tǒng)是人工智能與計算機(jī)科學(xué)與人工智能發(fā)展的產(chǎn)物，該系統(tǒng)具備天然的優(yōu)勢，為人工驗(yàn)布提供可行的替代方案。該系統(tǒng)順應(yīng)了紡織的自動化和智能化的發(fā)展趨勢，比起人工驗(yàn)布，具有客觀、穩(wěn)定和高效的優(yōu)點(diǎn)。

到目前為止，已經(jīng)推出市場的瑕疵檢測系統(tǒng)都是國外的，而且算法細(xì)節(jié)都是保密的。主要包括以色列evs的i-tex系列自動驗(yàn)布系統(tǒng)、比利時barcovision公司的cyclops在線織物瑕疵檢測系統(tǒng)和瑞士uster公司的fabriscan自動驗(yàn)布系統(tǒng)。其中evs公司在此領(lǐng)域影響力最大，其設(shè)備在大型紡織廠使用相對較多，如廣東溢達(dá)紡織廠已經(jīng)投入使用。最新的iq-tex無紡布瑕疵檢測系統(tǒng)，最大檢測速度可達(dá)1000m/min，最小檢測瑕疵尺寸在0.2mm。然而這些自動檢測系統(tǒng)使用狀況并不理想，主要原因是這些系統(tǒng)對紡織品品種的適應(yīng)性比較差，而且價格非常昂貴。而我國在這方面研究起步較晚，紡織品瑕疵自動檢測系統(tǒng)仍處于研發(fā)階段，目前國內(nèi)還沒有成熟的產(chǎn)品。因此研發(fā)具有自主知識產(chǎn)權(quán)的國產(chǎn)自動驗(yàn)布系統(tǒng)對打破國外壟斷和技術(shù)創(chuàng)新有很重大的意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題在于，提供一種基于顯著性檢測的紡織品表面瑕疵檢測方法及系統(tǒng)，可能對多種寬幅紡織品進(jìn)行圖像采集和數(shù)據(jù)分析，精確地分析出紡織品表面瑕疵的位置，并進(jìn)行數(shù)據(jù)庫存儲，檢測完成后自動打印報表和瑕疵分布圖反映紡織品的質(zhì)量。

為了解決上述技術(shù)問題，本發(fā)明提供了一種基于顯著性檢測的紡織品表面瑕疵檢測方法，包括：

s1，對紡織品進(jìn)行上布及卷布處理，去除紡織品表面異物及展開紡織品；

s2，抓拍運(yùn)動過程中紡織品表面圖像；

s3，調(diào)節(jié)抓拍運(yùn)動中的亮度和曝光時間；

s4，去除紡織品表面圖像的失真部分和噪聲；

s5，對紡織品表面圖像進(jìn)行疵點(diǎn)檢測以生成檢測結(jié)果；

s6，根據(jù)圖像表面瑕疵分析模塊的檢測結(jié)果生成并打印質(zhì)量報表。

作為上述方案的改進(jìn)，所述步驟s2包括：抓拍運(yùn)動過程中紡織品表面圖像；調(diào)節(jié)拍攝模塊的工作距離；對紡織品表面打光；對紡織品打透射光；獲得紡織品縱向前進(jìn)的速度，并轉(zhuǎn)化為掃描行頻，通過內(nèi)觸發(fā)的方式改變線陣相機(jī)的掃描頻率；調(diào)節(jié)相機(jī)相對卷布機(jī)的水平距離、角度和高度；調(diào)節(jié)線性光源相對線陣相機(jī)的水平位置、角度和高度。

作為上述方案的改進(jìn)，所述步驟s3包括：將編碼器采集的速度信號轉(zhuǎn)化為線陣相機(jī)內(nèi)觸發(fā)所需的掃描頻率信號；通過白平衡算法調(diào)節(jié)亮度；調(diào)整曝光時間。

作為上述方案的改進(jìn)，所述步驟s4包括：對紡織品表面圖像進(jìn)行平場校正處理；對紡織品表面圖像進(jìn)行平滑處理。

作為上述方案的改進(jìn)，所述步驟s5包括：將線陣相機(jī)采集到的紡織品表面圖像劃分為多個區(qū)域子圖像；調(diào)整區(qū)域子圖像的圖像大??；通過動態(tài)滑塊掃描區(qū)域子圖像，將區(qū)域子圖像劃分為多個分塊圖像，并對分塊圖像進(jìn)行紋理分析；提取分塊圖像的textons基元紋理特征；獲取每個滑塊的特征值數(shù)組，計算每個滑塊的特征均值；獲取區(qū)域子圖像的f范數(shù)；以求得的f范數(shù)作為子空間分割的先驗(yàn)知識，采用基于先驗(yàn)知識的子空間分割算法對紡織品表面圖像進(jìn)行分割，并采用拉格朗日迭代算法，求出分割后所有區(qū)域子圖像用于衡量瑕疵信息強(qiáng)弱的特征向量；獲取紡織品表面圖像的瑕疵映射圖像；對瑕疵映射圖像進(jìn)行濾波處理；通過最大類方差法尋找閾值，并采用閾值法將瑕疵映射圖像轉(zhuǎn)化為二值圖像；采用八連通區(qū)域檢測算法獲取二值圖像的輪廓，所述輪廓包括外部輪廓及內(nèi)部邊緣；存儲瑕疵位置及瑕疵大??；顯示檢測結(jié)果。

相應(yīng)地，本發(fā)明還提供了一種基于顯著性檢測的紡織品表面瑕疵檢測系統(tǒng)，包括：

機(jī)械驗(yàn)布模塊，用于對紡織品進(jìn)行上布及卷布處理，去除紡織品表面異物及展開紡織品；

圖像采集模塊，用于抓拍運(yùn)動過程中紡織品表面圖像；

圖像獲取模塊，用于調(diào)節(jié)抓拍運(yùn)動中的亮度和曝光時間；

圖像預(yù)處理模塊，用于去除紡織品表面圖像的失真部分和噪聲；

圖像表面瑕疵分析模塊，用于對紡織品表面圖像進(jìn)行疵點(diǎn)檢測以生成檢測結(jié)果；

圖像表面瑕疵分布打印模塊，用于根據(jù)圖像表面瑕疵分析模塊的檢測結(jié)果生成并打印質(zhì)量報表。

作為上述方案的改進(jìn)，所述圖像采集模塊包括：線陣相機(jī)，用于抓拍運(yùn)動過程中紡織品表面圖像；鏡頭，用于配合線陣相機(jī)抓拍；接圈，用于調(diào)節(jié)拍攝模塊的工作距離；線性光源，用于對紡織品表面打光；打光燈管，用于對紡織品打透射光；編碼器，用于獲得紡織品縱向前進(jìn)的速度，并轉(zhuǎn)化為掃描行頻，通過內(nèi)觸發(fā)的方式改變線陣相機(jī)的掃描頻率；工控機(jī)，用于算法運(yùn)算和數(shù)據(jù)存儲；相機(jī)支架，用于固定相機(jī)并調(diào)節(jié)相機(jī)相對卷布機(jī)的水平距離、角度和高度；光源支架，用于固定線性光源并調(diào)節(jié)線性光源相對線陣相機(jī)的水平位置、角度和高度；光源冷卻裝置，用于光源散熱。

作為上述方案的改進(jìn)，所述圖像獲取模塊包括：紡織品縱向掃描頻率獲取模塊，用于將編碼器采集的速度信號轉(zhuǎn)化為線陣相機(jī)內(nèi)觸發(fā)所需的掃描頻率信號；白平衡模塊，用于通過白平衡算法調(diào)節(jié)亮度；曝光時間自動調(diào)整模塊，用于調(diào)整曝光時間。

作為上述方案的改進(jìn)，所述圖像預(yù)處理模塊包括：平場校正模塊，用于對紡織品表面圖像進(jìn)行平場校正處理；第一高斯濾波模塊，用于對紡織品表面圖像進(jìn)行平滑處理。

作為上述方案的改進(jìn)，所述圖像瑕疵分析模塊包括：圖像區(qū)域劃分模塊，用于將線陣相機(jī)采集到的紡織品表面圖像劃分為多個區(qū)域子圖像；圖像下采樣模塊，用于調(diào)整區(qū)域子圖像的圖像大??；子圖像各區(qū)域分塊模塊，用于通過動態(tài)滑塊掃描區(qū)域子圖像，將區(qū)域子圖像劃分為多個分塊圖像，并對分塊圖像進(jìn)行紋理分析；圖像紋理特征提取模塊，用于提取分塊圖像的textons基元紋理特征；圖像塊特征計算模塊，用于獲取每個滑塊的特征值數(shù)組，計算每個滑塊的特征均值；f范數(shù)先驗(yàn)知識獲取模塊，用于獲取區(qū)域子圖像的f范數(shù)；低秩表示子空間分割模塊，用于以求得的f范數(shù)作為子空間分割的先驗(yàn)知識，采用基于先驗(yàn)知識的子空間分割算法對紡織品表面圖像進(jìn)行分割，并采用拉格朗日迭代算法，求出分割后所有區(qū)域子圖像用于衡量瑕疵信息強(qiáng)弱的特征向量；顯著區(qū)域恢復(fù)模塊，用于獲取紡織品表面圖像中的瑕疵映射圖像；第二高斯濾波模塊，用于對瑕疵映射圖像進(jìn)行濾波處理；自動閾值獲取模塊，用于通過最大類方差法尋找閾值，并采用閾值法將瑕疵映射圖像轉(zhuǎn)化為二值圖像；連通區(qū)域檢測模塊，用于采用八連通區(qū)域檢測算法獲取二值圖像的輪廓，所述輪廓包括外部輪廓及內(nèi)部邊緣；瑕疵數(shù)據(jù)存儲模塊，用于存儲瑕疵位置及瑕疵大??；瑕疵信息顯示模塊，用于顯示檢測結(jié)果。

實(shí)施本發(fā)明，具有如下有益效果：

本發(fā)明能對多種寬幅紡織品進(jìn)行圖像采集和數(shù)據(jù)分析，精確地分析出紡織品表面瑕疵的位置，并進(jìn)行數(shù)據(jù)庫存儲，檢測完成后自動打印報表和瑕疵分布圖反映紡織品的質(zhì)量，自動化程度高，檢測速度快，能最大程度減少人的參與，減輕驗(yàn)布工的負(fù)擔(dān)，應(yīng)用范圍廣泛。

附圖說明

圖1是本發(fā)明基于顯著性檢測的紡織品表面瑕疵檢測方法的實(shí)施例流程圖；

圖2是本發(fā)明基于顯著性檢測的紡織品表面瑕疵檢測系統(tǒng)的結(jié)構(gòu)示意圖；

圖3是圖2中機(jī)械驗(yàn)布模塊的結(jié)構(gòu)示意圖；

圖4是圖2中圖像采集模塊的結(jié)構(gòu)示意圖；

圖5是圖2中圖像獲取模塊的結(jié)構(gòu)示意圖；

圖6是圖2中圖像預(yù)處理模塊的結(jié)構(gòu)示意圖；

圖7是圖2中圖像表面瑕疵分析模塊的結(jié)構(gòu)示意圖；

圖8是圖2中圖像表面瑕疵分布打印模塊的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步地詳細(xì)描述。僅此聲明，本發(fā)明在文中出現(xiàn)或即將出現(xiàn)的上、下、左、右、前、后、內(nèi)、外等方位用詞，僅以本發(fā)明的附圖為基準(zhǔn)，其并不是對本發(fā)明的具體限定。

圖1是本發(fā)明基于顯著性檢測的紡織品表面瑕疵檢測方法的實(shí)施例流程圖，包括：

s1，對紡織品進(jìn)行上布及卷布處理，去除紡織品表面異物及展開紡織品。

具體地，所述步驟s1包括：

s101，通過卷布機(jī)對紡織品進(jìn)行上布及卷布處理。

s102，通過布面刷毛吸塵裝置將紡織品表面影響檢測的可去除異物（如，絨毛，灰塵，蚊蟲，微小的碎布，頭發(fā)，線頭等）采用吹-刷毛-吸-過濾-吹、拍打、靜電消除等方式去除，使異物與紡織品表面快速分離，以減少該類輕度瑕疵對檢測結(jié)果的影響，更好的反映紡織品的質(zhì)量。

s103，通過紅外對中裝置將紡織品完全展開，并快速糾正紡織品的偏移，保證運(yùn)行穩(wěn)定。通過紅外對中裝置，可將紡織品完全展開，使得卷布機(jī)的上布及卷布過程可以盡可能減少人工的干預(yù)，保證無人操作的時候，卷布機(jī)不會因?yàn)榕芷霈F(xiàn)前后重錘限位的狀況。

因此，步驟s1中機(jī)械驗(yàn)布模塊將卷布機(jī)、布面刷毛吸塵裝置及紅外對中裝置相結(jié)合，工作時，將待檢測的紡織品送上卷布機(jī)，使紡織品能夠完全展開，并提供運(yùn)動的紡織品以供拍攝，同時上布和卷布過程中，布面刷毛吸塵裝置及時清理布面，紅外對中裝置實(shí)時糾正紡織品在移動過程中的左右偏移，為圖像采集提供最佳的拍攝環(huán)境。

s2，抓拍運(yùn)動過程中紡織品表面圖像。

具體地，所述步驟s2包括：

s201，抓拍運(yùn)動過程中紡織品表面圖像。需要說明的是，抓拍過程中需將線陣相機(jī)、鏡頭及接圈相結(jié)合，其中，線陣相機(jī)主要用于對運(yùn)動的紡織品進(jìn)行掃描，當(dāng)需對幅寬為1.8m的紡織品完成抓拍時，需要配置至少兩臺線陣相機(jī)。鏡頭，用于配合線陣相機(jī)抓拍；所述鏡頭優(yōu)選為施耐德鏡頭，且至少為兩個。接圈，用于調(diào)節(jié)拍攝模塊的工作距離，實(shí)現(xiàn)更清晰的抓拍；所述接圈優(yōu)選為m72-v接圈，且至少為兩個。

s202，調(diào)節(jié)拍攝模塊的工作距離。

s203，利用線性光源對紡織品表面打光。線性光源可以照亮紡織品表面，為線陣相機(jī)拍攝打光，保證線陣相機(jī)在光線差、紡織品高速運(yùn)動的情況下能補(bǔ)充足夠的光照，抓拍到清晰的圖像，同時，由于拍攝幅寬為1.8m，因此需要配置至少兩個1米的線性光源。

s204，利用打光燈管對紡織品打透射光，增強(qiáng)對表面瑕疵的拍攝效果；所述打光燈管可以為多個。

s205，利用編碼器獲得紡織品縱向前進(jìn)的速度，并轉(zhuǎn)化為掃描行頻，通過內(nèi)觸發(fā)的方式改變線陣相機(jī)的掃描頻率。需要說明的是，編碼器，用于獲得紡織品縱向前進(jìn)的速度，并轉(zhuǎn)化為掃描行頻，通過內(nèi)觸發(fā)的方式改變線陣相機(jī)的掃描頻率，從而正確地對運(yùn)動的紡織品實(shí)現(xiàn)抓拍。編碼器可以將紡織品的速度信號轉(zhuǎn)化為線陣相機(jī)內(nèi)觸發(fā)模式所需的速度增量脈沖信號，并通過計算轉(zhuǎn)化為線陣相機(jī)掃描所需的掃描行頻信號，隨著紡織品移動速度的改變，編碼器獲得的速度增量脈沖信號以及計算得到的掃描行頻信號也會發(fā)生變化，通過實(shí)時更新線陣相機(jī)的掃描行頻，可保證線陣相機(jī)獲得的積分圖像的誤差不超過5%，所述編碼器優(yōu)選為增量編碼器。

s206，利用相機(jī)支架固定并調(diào)節(jié)相機(jī)相對卷布機(jī)的水平距離、角度和高度。

s207，利用光源支架固定并調(diào)節(jié)線性光源相對線陣相機(jī)的水平位置、角度和高度。

s3，調(diào)節(jié)抓拍運(yùn)動中的亮度和曝光時間，內(nèi)觸發(fā)線陣相機(jī)以拍攝清晰無失真的動態(tài)視頻流。

另外，還可以通過工控機(jī)實(shí)現(xiàn)算法運(yùn)算和數(shù)據(jù)存儲，所述工控機(jī)優(yōu)選為雙pci網(wǎng)卡工控機(jī)；通過光源冷卻裝置實(shí)現(xiàn)光源散熱，由于生產(chǎn)線檢測條件比較惡劣，溫度比較高，光源（線性光源、打光燈管）晝夜不停地工作，產(chǎn)生的熱量比較大，但是過熱容易減少光源的使用壽命，采用光源冷卻裝置可保證相機(jī)和光源長期在高溫、高壓等惡劣環(huán)境下工作快速散熱，提高相機(jī)和光源的使用壽命。

因此，步驟s2中將所有硬件設(shè)備（線陣相機(jī)兩個，施耐德鏡頭兩個，鏡頭接圈兩個，線性光源規(guī)格1000mm兩個，相機(jī)支架兩個，線性光源支架兩個，編碼器一個，雙pci網(wǎng)卡工控機(jī)，普通打光燈管三個，光源冷卻裝置兩個等）連接起來，搭建拍攝環(huán)境。工作時，安裝線陣相機(jī)、施耐德鏡頭、接圈、線陣光源、打光燈管等設(shè)備，需根據(jù)實(shí)際的需求通過相機(jī)支架及線性光源支架調(diào)整安裝的高度和角度，使拍攝的幅寬為1.8m，拍攝的精度為0.2mm，且線性光源與拍攝線的距離盡可能小且不遮擋光線，減少光源的亮度，節(jié)約電能。

具體地，所述步驟s3包括：

s301，將編碼器采集的速度信號轉(zhuǎn)化為線陣相機(jī)內(nèi)觸發(fā)所需的掃描頻率信號。工作時，通過可編碼器獲得紡織品運(yùn)動的速度，采用rs-422接口直接連接線陣相機(jī)，再通過內(nèi)觸發(fā)的方式獲得脈沖信號，把編碼器讀取的紡織品速度變化的增量脈沖信號轉(zhuǎn)化為掃描行頻信號，并通過dalsa線陣相機(jī)軟件接口實(shí)時更新線陣相機(jī)的掃描行頻，從而得到正確的積分圖像，達(dá)到精確拍攝的目的，保證線掃描誤差對拍攝成像沒有影響。

s302，通過白平衡算法調(diào)節(jié)亮度。圖像的亮度會隨著布料的種類、外界光照強(qiáng)度的變化、和紡織品運(yùn)動的速度等因素的變化而發(fā)生變化，通過白平衡算法，根據(jù)變頻器獲得的掃描行頻和速度信息，自動調(diào)節(jié)圖像的亮度，使圖像隨著布料的種類、外界光照強(qiáng)度的變化和紡織品運(yùn)動速度等因素的變化而自動調(diào)節(jié)白平衡，使圖像有更好的視覺效果，保證圖像的清晰度能滿足圖像分析的需求，更方便系統(tǒng)分析。

s303，調(diào)整曝光時間。拍攝的最小像元在曝光時間內(nèi)的平均速度要遠(yuǎn)遠(yuǎn)大于紡織品運(yùn)動的速度才能清晰地對圖像實(shí)現(xiàn)抓拍，而隨著紡織品速度的加快，對光照的強(qiáng)度要求也隨之增大，通過曝光時間自動調(diào)整，可使拍攝的最小像元在曝光時間內(nèi)的平均速度遠(yuǎn)遠(yuǎn)大于紡織品運(yùn)動的速度，能同時獲得滿意的圖像清晰度和合適的光強(qiáng)。

因此，通過步驟s3可拍攝到視覺效果較好的積分圖像，保證積分圖像的掃描線誤差不超過5%。

s4，去除紡織品表面圖像的失真部分和噪聲。

具體地，所述步驟s4包括：

s401，對紡織品表面圖像進(jìn)行平場校正處理。由于系統(tǒng)拍攝的幅度非常寬，圖像采集過程不可避免產(chǎn)生噪聲信號，線性光源無法保證絕對打光均勻，圖像采集過程存在延時等因素導(dǎo)致圖像性能不好，因此圖像需要進(jìn)行平場校正。具體地，步驟s401中通過saperalt++提供的平場校正算法，可以選擇basic和lowpass兩種算法對圖像采集過程中產(chǎn)生的圖像不一致性、固定圖像噪聲、圖像響應(yīng)不一致性、鏡頭和光源不一致性等進(jìn)行校正。

s402，對紡織品表面圖像進(jìn)行平滑處理。步驟s402中通過高斯濾波算法，對圖像采集過程由于隨機(jī)信號污染產(chǎn)生的常見噪聲（如椒鹽噪聲，脈沖噪聲和高斯噪聲等）進(jìn)行濾波處理，減少噪聲信號對圖像分析的干擾。

因此，通過步驟s4可對圖像做基本的前期預(yù)處理工作，去除原始積分圖像表面的不一致性和常見的噪聲信號。

s5，對紡織品表面圖像進(jìn)行疵點(diǎn)檢測以生成檢測結(jié)果。

具體地，所述步驟s5包括：

s501，將線陣相機(jī)采集到的紡織品表面圖像劃分為多個區(qū)域子圖像，即通過對紡織品表面圖像區(qū)域進(jìn)行分塊編號，分別分析各塊的表面瑕疵。

s502，調(diào)整區(qū)域子圖像的圖像大小。采用線性差值法對圖像進(jìn)行下采樣處理，將圖像調(diào)整為最合適的大小，使圖像的寬調(diào)整為一致，保證不但可以最大程度加快圖像分析的速度、減少運(yùn)算量，而且對檢測結(jié)果精度沒有影響。具體地，可通過對圖像進(jìn)行s倍下采樣，把原始圖像s*s窗口內(nèi)的圖像變成一個像素。

s503，通過動態(tài)滑塊掃描區(qū)域子圖像，將區(qū)域子圖像劃分為多個分塊圖像，并對分塊圖像進(jìn)行紋理分析。具體地，通過設(shè)定一定大小的滑塊（特定尺度的滑塊），以某一速度（步長）從左到右掃描，然后以相同的速度（步長）從上到下滑動該速度值的像素數(shù)，再以這個速度從右到左滑動，依此規(guī)律掃描整幅圖像，記錄所有滑塊內(nèi)的像素相對整幅圖像的id，即可得到所有滑塊包含像素位置的集合。

s504，提取分塊圖像的textons基元紋理特征。相應(yīng)地，為了減少運(yùn)算量，可減少textons特征的維數(shù)（由原來的八維降為四維），實(shí)驗(yàn)證明，盡管降低了維數(shù)，但是檢測結(jié)果并未發(fā)生太大的變化。

s505，獲取每個滑塊的特征值數(shù)組，計算每個滑塊的特征均值。步驟s505中計算模塊對每個塊中的隨機(jī)多個位置提取基元特征數(shù)組并計算平均值，通過隨機(jī)取值，降低某些主觀因素對結(jié)果的影響。具體地，計算方式如下：根據(jù)每一個滑塊內(nèi)像素的id得到滑塊的特征數(shù)組，分別根據(jù)每個滑塊的特征值數(shù)組計算滑塊的特征均值，并將所有滑塊的特征值均值合并為包含所有塊特征均值的序列，分別對序列中每個特征求解均值，再對序列中的每一個特征元素減去該均值，得到新的去均值后的序列。

s506，獲取區(qū)域子圖像的f范數(shù)。步驟s506將所有塊提取出的降維后的四維特征去均值后計算f范數(shù)作為基于先驗(yàn)知識的低秩分解算法的先驗(yàn)知識，具體地，通過對去均值后的序列求f范數(shù)，即可得到包含所有滑塊的f范數(shù)數(shù)組。

s507，以求得的f范數(shù)作為子空間分割的先驗(yàn)知識，采用基于先驗(yàn)知識的子空間分割算法對紡織品表面圖像進(jìn)行分割，并采用拉格朗日迭代算法，求出分割后所有區(qū)域子圖像用于衡量瑕疵信息強(qiáng)弱的特征向量。相應(yīng)地，步驟s507主要是采用增廣拉格朗日數(shù)乘法計算得到公式（）中的最優(yōu)化問題的解，將圖像中包含瑕疵的成分和不包含瑕疵的成分分割出來；同時，低秩表示子空間分割模塊的實(shí)現(xiàn)部分主要采用迭代的方式，得到各分塊包含瑕疵顯著性的權(quán)重。

s508，獲取紡織品表面圖像中的瑕疵映射圖像。步驟s508中根據(jù)所求特征向量和滑塊索引信息，獲取紡織品表面圖像中的瑕疵映射圖像，相應(yīng)地，根據(jù)各分塊中包含瑕疵顯著性的權(quán)重得到瑕疵映射分布圖，通過瑕疵映射分布圖可以得到瑕疵的位置和大小。

s509，對瑕疵映射圖像進(jìn)行濾波處理。相應(yīng)地，步驟s509中通過高斯濾波算法對瑕疵映射分布圖濾波，濾除一些由于噪聲產(chǎn)生的顯著性差異，排除非瑕疵噪聲區(qū)域帶來的干擾，提高檢測的準(zhǔn)確性。

s510，通過最大類方差法尋找閾值，并采用閾值法將瑕疵映射圖像轉(zhuǎn)化為二值圖像。

s511，采用八連通區(qū)域檢測算法獲取二值圖像的輪廓，所述輪廓包括外部輪廓及內(nèi)部邊緣。相應(yīng)地，步驟s511采用八鄰域連通區(qū)域檢測算法，檢測出瑕疵映射分布圖中的所有瑕疵區(qū)域的邊界坐標(biāo)數(shù)組，并在圖像中標(biāo)記瑕疵的位置及形狀。

s512，存儲瑕疵位置及瑕疵大小。需要說明是，步驟s512將檢測出的相對于整個紡織品的瑕疵位置、大小和連通區(qū)域坐標(biāo)數(shù)組存儲到數(shù)據(jù)庫，便于生成產(chǎn)品質(zhì)量報表。具體地，步驟s512通過獲取的輪廓標(biāo)記瑕疵塊的位置（位置采用連通坐標(biāo)序列表示瑕疵塊對應(yīng)的連通區(qū)域）、大小（大小用連通區(qū)域包含的像素數(shù)衡量），并根據(jù)圖像比例，將測出的相對塊本身的瑕疵大小和位置轉(zhuǎn)化為相對整幅圖像的大小和位置，對所有檢測結(jié)果進(jìn)行匯總，并將連通區(qū)域坐標(biāo)序列和瑕疵大小等數(shù)據(jù)進(jìn)行數(shù)據(jù)庫存儲。

s513，顯示檢測結(jié)果。相應(yīng)地，步驟s513通過采用圖像處理、模式識別等技術(shù)，能對圖像表面瑕疵的位置的大小進(jìn)行檢測并標(biāo)記，其主要是軟件的gui設(shè)計，用于顯示運(yùn)動的紡織品圖像、紡織品當(dāng)前檢測狀況、檢測到的瑕疵的位置、大小及瑕疵圖像截圖等信息。

因此，步驟s5通過對紡織品表面圖像區(qū)域進(jìn)行分塊編號，分別分析各塊的表面瑕疵，并結(jié)合多尺度下采樣分析算法，通過變換為合適的大小，對圖像表面瑕疵進(jìn)行分析，對各塊的檢測結(jié)果進(jìn)行合并，計算并輸出瑕疵的大小和位置信息。

s6，根據(jù)圖像表面瑕疵分析模塊的檢測結(jié)果生成并打印質(zhì)量報表。

具體地，步驟s6包括：

s601，根據(jù)圖像表面瑕疵分析模塊的檢測結(jié)果生成質(zhì)量報表，反映紡織品質(zhì)量。

s602，打印質(zhì)量報表。

因此，步驟s6通過利用瑕疵數(shù)據(jù)庫中存儲的瑕疵的大小和位置信息，即可得到紡織品表面瑕疵分布圖，并生成檢測報表反映紡織品的質(zhì)量，檢測完成后自動打印報表。

由上可知，本發(fā)明基于顯著性檢測的紡織品表面瑕疵檢測方法自動化程度高，檢測速度快，能最大程度減少人的參與，減輕驗(yàn)布工的負(fù)擔(dān)，應(yīng)用范圍廣泛。具體地，本發(fā)明能對多種寬幅紡織品進(jìn)行圖像采集和數(shù)據(jù)分析，精確地分析出紡織品表面瑕疵的位置，并進(jìn)行數(shù)據(jù)庫存儲，檢測完成后自動打印報表和瑕疵分布圖反映紡織品的質(zhì)量。

參見圖2，圖2顯示了本發(fā)明基于顯著性檢測的紡織品表面瑕疵檢測系統(tǒng)100的具體結(jié)構(gòu)，包括機(jī)械驗(yàn)布模塊1、圖像采集模塊2、圖像獲取模塊3、圖像預(yù)處理模塊4、圖像表面瑕疵分析模塊5及圖像表面瑕疵分布打印模塊6，其中：

機(jī)械驗(yàn)布模塊1，用于對紡織品進(jìn)行上布及卷布處理，去除紡織品表面異物及展開紡織品。

圖像采集模塊2，用于抓拍運(yùn)動過程中紡織品表面圖像。

圖像獲取模塊3，用于調(diào)節(jié)抓拍運(yùn)動中的亮度和曝光時間，內(nèi)觸發(fā)線陣相機(jī)以拍攝清晰無失真的動態(tài)視頻流。

圖像預(yù)處理模塊4，用于去除紡織品表面圖像的失真部分和噪聲。

圖像表面瑕疵分析模塊5，用于對紡織品表面圖像進(jìn)行疵點(diǎn)檢測以生成檢測結(jié)果。

圖像表面瑕疵分布打印模塊6，用于根據(jù)圖像表面瑕疵分析模塊的檢測結(jié)果生成并打印質(zhì)量報表。

如圖3所示，所述機(jī)械驗(yàn)布模塊1包括卷布機(jī)11、布面刷毛吸塵裝置12及紅外對中裝置13，其中：

卷布機(jī)11，用于紡織品進(jìn)行上布及卷布處理。

布面刷毛吸塵裝置12，用于將紡織品表面影響檢測的可去除異物（如，絨毛，灰塵，蚊蟲，微小的碎布，頭發(fā)，線頭等）采用吹-刷毛-吸-過濾-吹、拍打、靜電消除等方式去除，使異物及與紡織品表面快速分離，以減少該類輕度瑕疵對檢測結(jié)果的影響，更好的反映紡織品的質(zhì)量。

紅外對中裝置13，用于將紡織品完全展開，并能快速糾正紡織品的偏移，保證運(yùn)行穩(wěn)定。通過紅外對中裝置13，可將紡織品完全展開，使得卷布機(jī)11的上布及卷布過程盡可能減少人工的干預(yù)，保證無人操作的時候，卷布機(jī)11不會因?yàn)榕芷霈F(xiàn)前后重錘限位的狀況。

因此，機(jī)械驗(yàn)布模塊1將卷布機(jī)11、布面刷毛吸塵裝置12及紅外對中裝置13相結(jié)合，工作時，將待檢測的紡織品送上卷布機(jī)11，使紡織品能夠完全展開，并提供運(yùn)動的紡織品以供拍攝，同時上布和卷布過程中，布面刷毛吸塵裝置12及時清理布面，紅外對中裝置13實(shí)時糾正紡織品在移動過程中的左右偏移，為圖像采集提供最佳的拍攝環(huán)境。

如圖4所示，所述圖像采集模塊2包括線陣相機(jī)21、鏡頭22、接圈23、線性光源24、打光燈管25、編碼器26、工控機(jī)27、相機(jī)支架28、光源支架29及光源冷卻裝置210，其中：

線陣相機(jī)21，用于抓拍運(yùn)動過程中紡織品表面圖像。線陣相機(jī)21主要用于對運(yùn)動的紡織品進(jìn)行掃描，當(dāng)需對幅寬為1.8m的紡織品完成抓拍時，至需要配置至少兩臺線陣相機(jī)。

鏡頭22，用于配合線陣相機(jī)21抓拍。所述鏡頭22優(yōu)選為斯耐德鏡頭，且至少為兩個。

接圈23，用于調(diào)節(jié)拍攝模塊的工作距離，實(shí)現(xiàn)更清晰的抓拍。所述接圈23優(yōu)選為m72-v接圈，且至少為兩個。

線性光源24，用于對紡織品表面打光。線性光源24可以照亮紡織品表面，為線陣相機(jī)21拍攝打光，保證線陣相機(jī)21在光線差、紡織品高速運(yùn)動的情況下能補(bǔ)充足夠的光照，抓拍到清晰的圖像，同時，由于拍攝幅寬為1.8m，因此需要配置至少兩個1米的線性光源24。

打光燈管25，用于對紡織品打透射光，增強(qiáng)對表面瑕疵的拍攝效果。所述打光燈管25可以為多個。

編碼器26，用于獲得紡織品縱向前進(jìn)的速度，并轉(zhuǎn)化為掃描行頻，通過內(nèi)觸發(fā)的方式改變線陣相機(jī)21的掃描頻率，從而正確地對運(yùn)動的紡織品實(shí)現(xiàn)抓拍。編碼器26可以將獲得的紡織品的速度信號轉(zhuǎn)化為線陣相機(jī)21內(nèi)觸發(fā)模式所需的速度增量脈沖信號，并通過計算轉(zhuǎn)化為線陣相機(jī)21掃描所需的掃描行頻信號，隨著紡織品移動速度的改變，編碼器26獲得速度增量脈沖信號以及算出的掃描行頻信號也會發(fā)生變化，通過實(shí)時更新線陣相機(jī)21的掃描行頻，可保證線陣相機(jī)21獲得的積分圖像的誤差不超過5%，所述編碼器26優(yōu)選為增量編碼器。

工控機(jī)27，用于算法運(yùn)算和數(shù)據(jù)存儲，所述工控機(jī)27優(yōu)選為雙pci網(wǎng)卡工控機(jī)。

相機(jī)支架28，用于固定相機(jī)并調(diào)節(jié)線陣相機(jī)21相對卷布機(jī)的水平距離、角度和高度，以適應(yīng)多種拍攝方案。

光源支架29，用于固定線性光源24并調(diào)節(jié)線性光源24相對線陣相機(jī)21的水平位置、角度和高度，以配合對多種拍攝方案打光。

光源冷卻裝置210，用于光源散熱。由于生產(chǎn)線檢測條件比較惡劣，溫度比較高，光源（線性光源24、打光燈管25）晝夜不停地工作，產(chǎn)生的熱量比較大，但是過熱容易減少光源的使用壽命，采用光源冷卻裝置210可保證線陣相機(jī)21和光源長期在高溫、高壓等惡劣環(huán)境下工作快速散熱，提高線陣相機(jī)21和光源的使用壽命。

工作時，將所有硬件設(shè)備（線陣相機(jī)21兩個，施耐德鏡頭22兩個，鏡頭接圈23兩個，線性光源24規(guī)格1000mm兩個，相機(jī)支架28兩個，光源支架29兩個，編碼器26一個，雙pci網(wǎng)卡工控機(jī)27，普通打光燈管25三個，光源冷卻裝置210兩個等）連接起來，搭建拍攝環(huán)境。需要說明的是，安裝線陣相機(jī)21、施耐德鏡頭22、接圈23、線陣光源24、打光燈管25等設(shè)備，需根據(jù)實(shí)際的需求通過相機(jī)支架28及光源支架29調(diào)整安裝的高度和角度，使拍攝的幅寬為1.8m，拍攝的精度為0.2mm，且線性光源24與拍攝線的距離盡可能小且不遮擋光線，減少光源的亮度，節(jié)約電能。

如圖5所示，所述圖像獲取模塊3包括紡織品縱向掃描觸發(fā)頻率獲取模塊31、白平衡模塊32及曝光時間自動調(diào)整模塊33，其中：

紡織品縱向掃描觸發(fā)頻率獲取模塊31，用于將編碼器26采集的速度信號轉(zhuǎn)化為線陣相機(jī)21內(nèi)觸發(fā)所需的掃描頻率信號。紡織品縱向掃描觸發(fā)頻率獲取模塊31通過編碼器26獲得紡織品運(yùn)動的速度，采用rs-422接口直接連接線陣相機(jī)21，再通過內(nèi)觸發(fā)的方式獲得脈沖信號，把編碼器26讀取的紡織品速度變化的增量脈沖信號轉(zhuǎn)化為掃描行頻信號，并通過dalsa線陣相機(jī)21軟件接口實(shí)時更新線陣相機(jī)21的掃描行頻，從而得到正確的積分圖像，達(dá)到精確拍攝的目的，保證線掃描誤差對拍攝成像沒有影響。

白平衡模塊32，用于通過白平衡算法調(diào)節(jié)亮度。圖像的亮度會隨著布料的種類、外界光照強(qiáng)度的變化、和紡織品運(yùn)動的速度等因素的變化而發(fā)生變化，通過白平衡算法，根據(jù)變頻器獲得的掃描行頻和速度信息，自動調(diào)節(jié)圖像的亮度，使圖像隨著布料的種類、外界光照強(qiáng)度的變化和紡織品運(yùn)動速度等因素的變化而自動調(diào)節(jié)白平衡，使圖像有更好的視覺效果，使圖像的清晰度能滿足圖像分析的需求，更方便系統(tǒng)分析。

曝光時間自動調(diào)整模塊33，用于調(diào)整曝光時間。拍攝的最小像元在曝光時間內(nèi)的平均速度要遠(yuǎn)遠(yuǎn)大于紡織品運(yùn)動的速度才能清晰地對圖像實(shí)現(xiàn)抓拍，而隨著紡織品運(yùn)動速度的加快，對光照的強(qiáng)度要求也隨之增大，通過曝光時間自動調(diào)整，可使拍攝的最小像元在曝光時間內(nèi)的平均速度遠(yuǎn)遠(yuǎn)大于紡織品運(yùn)動的速度，能同時獲得滿意的圖像清晰度和合適的光強(qiáng)。

因此，通過圖像獲取模塊3可拍攝到視覺效果較好的積分圖像，保證積分圖像的掃描線誤差不超過5%。

如圖6所示，所述圖像預(yù)處理模塊4包括平場校正模塊41及第一高斯濾波模塊42，其中：

平場校正模塊41，用于對紡織品表面圖像進(jìn)行平場校正處理。由于系統(tǒng)拍攝的幅度非常寬，圖像采集過程不可避免產(chǎn)生噪聲信號，線性光源無法保證絕對打光均勻，圖像采集過程存在延時等因素導(dǎo)致圖像性能不好，因此圖像需要進(jìn)行平場校正。具體地，平場校正模塊41通過saperalt++提供的平場校正算法，可以選擇basic和lowpass兩種算法對圖像采集過程中產(chǎn)生的圖像不一致性、固定圖像噪聲、圖像響應(yīng)不一致性、鏡頭和光源不一致性等進(jìn)行校正。

第一高斯濾波模塊42，用于對紡織品表面圖像進(jìn)行平滑處理，對圖像表面像素進(jìn)行去噪，減少噪聲對圖像分析的干擾。具體地，第一高斯濾波模塊42通過高斯濾波算法，對圖像采集過程由于隨機(jī)信號污染產(chǎn)生的常見噪聲（如椒鹽噪聲，脈沖噪聲和高斯噪聲等）進(jìn)行濾波處理，減少噪聲信號對圖像分析的干擾。

因此，通過圖像預(yù)處理模塊4可對圖像做基本的前期預(yù)處理工作，去除原始積分圖像表面的不一致性和常見的噪聲信號。

如圖7所示，所述圖像瑕疵分析模塊5包括圖像區(qū)域劃分模塊51、圖像下采樣模塊52、子圖像各區(qū)域分塊模塊53、圖像紋理特征提取模塊54、圖像塊特征計算模塊55、f范數(shù)先驗(yàn)知識獲取模塊56、低秩表示子空間分割模塊57、顯著區(qū)域恢復(fù)模塊58、高斯濾波模塊59、自動閾值獲取模塊510、連通區(qū)域檢測模塊511、瑕疵數(shù)據(jù)存儲模塊512及瑕疵信息顯示模塊513，其中：

圖像區(qū)域劃分模塊51，用于將線陣相機(jī)21采集到的紡織品表面圖像劃分為多個區(qū)域子圖像及其索引，便于分析和減少運(yùn)算量。具體地，圖像區(qū)域劃分模塊51通過對紡織品表面圖像區(qū)域進(jìn)行分塊編號，分別分析各塊的表面瑕疵。

圖像下采樣模塊52，用于調(diào)整區(qū)域子圖像的圖像大小。采用線性差值法對圖像進(jìn)行下采樣處理，將圖像調(diào)整為最合適的大小，使圖像的寬調(diào)整為一致，保證不但可以最大程度加快圖像分析的速度、減少運(yùn)算量，而且對檢測結(jié)果精度沒有影響。具體地，圖像下采樣模塊52主要通過對圖像進(jìn)行s倍下采樣，把原始圖像s*s窗口內(nèi)的圖像變成一個像素。

子圖像各區(qū)域分塊模塊53，用于通過動態(tài)滑塊掃描區(qū)域子圖像，將區(qū)域子圖像劃分為多個分塊圖像，并對分塊圖像進(jìn)行紋理分析。具體地，通過設(shè)定一定大小的滑塊（特定尺度的滑塊），以某一速度（步長）從左到右掃描，然后以相同的速度（步長）從上到下滑動該速度值的像素數(shù)，再以這個速度從右到左滑動，依此規(guī)律掃描整幅圖像，記錄所有滑塊內(nèi)的像素相對整幅圖像的id，即可得到所有滑塊包含像素位置的集合。

圖像紋理特征提取模塊54，用于提取分塊圖像的textons基元紋理特征。相應(yīng)地，為了減少運(yùn)算量，可減少textons特征的維數(shù)（由原來的八維降為四維），實(shí)驗(yàn)證明，盡管降低了維數(shù)，但是檢測結(jié)果并未發(fā)生太大的變化。

圖像塊特征計算模塊55，用于獲取每個滑塊的特征值數(shù)組，計算每個滑塊的特征均值。圖像塊特征計算模塊55對每個塊中的隨機(jī)多個位置提取基元特征數(shù)組并計算平均值，通過隨機(jī)取值，降低某些主觀因素對結(jié)果的影響。具體地，計算方式如下：根據(jù)每一個滑塊內(nèi)像素的id得到滑塊的特征數(shù)組，分別根據(jù)每個滑塊的特征值數(shù)組計算滑塊的特征均值，并將所有滑塊的特征值均值合并為包含所有塊特征均值的序列，分別對序列中每個特征求解均值，再對序列中的每一個特征元素減去該均值，得到新的去均值后的序列。

f范數(shù)先驗(yàn)知識獲取模塊56，用于獲取區(qū)域子圖像的f范數(shù)。f范數(shù)先驗(yàn)知識獲取模塊56是將所有塊提取出的降維后的四維特征去均值后計算f范數(shù)作為基于先驗(yàn)知識的低秩分解算法的先驗(yàn)知識，具體地，通過對去均值后的序列求f范數(shù)，即可得到包含所有滑塊的f范數(shù)數(shù)組。

低秩表示子空間分割模塊57，用于以求得的f范數(shù)作為子空間分割的先驗(yàn)知識，采用基于先驗(yàn)知識的子空間分割算法對紡織品表面圖像進(jìn)行分割，并采用拉格朗日迭代算法，求出分割后所有區(qū)域子圖像用于衡量瑕疵信息強(qiáng)弱的特征向量。相應(yīng)地，低秩表示子空間分割模塊主要是采用增廣拉格朗日數(shù)乘法計算得到公式（）中的最優(yōu)化問題，將圖像中包含瑕疵的成分和不包含瑕疵的成分分割出來；同時，低秩表示子空間分割模塊的實(shí)現(xiàn)部分主要采用迭代的方式，得到各分塊包含瑕疵顯著性的權(quán)重。

顯著區(qū)域恢復(fù)模塊58，用于獲取紡織品表面圖像中的瑕疵映射圖像。根據(jù)所求特征向量和滑塊索引信息，獲取紡織品表面圖像中的瑕疵映射圖像。相應(yīng)地，顯著區(qū)域恢復(fù)模塊58根據(jù)各分塊中包含瑕疵顯著性的權(quán)重得到瑕疵映射分布圖，通過瑕疵映射分布圖可以得到瑕疵的位置和大小。

第二高斯濾波模塊59，用于對瑕疵映射圖像進(jìn)行濾波處理，濾除部分噪聲信號和一些可忽略的瑕疵，并讓信號更加平滑。相應(yīng)地，第二高斯濾波模塊59通過高斯濾波算法對瑕疵映射分布圖濾波，濾除一些由于噪聲產(chǎn)生的顯著性差異，排除非瑕疵噪聲區(qū)域帶來的干擾，提高檢測的準(zhǔn)確性。

自動閾值獲取模塊510，用于通過最大類方差法尋找閾值，并采用閾值法將瑕疵映射圖像轉(zhuǎn)化為二值圖像。

連通區(qū)域檢測模塊511，用于采用八連通區(qū)域檢測算法獲取二值圖像的輪廓，所述輪廓包括外部輪廓及內(nèi)部邊緣。相應(yīng)地，連通區(qū)域檢測模塊511主要采用八鄰域連通區(qū)域檢測算法，檢測出瑕疵映射分布圖中的所有瑕疵區(qū)域的邊界坐標(biāo)數(shù)組，并在圖像中標(biāo)記瑕疵的位置及形狀。

瑕疵數(shù)據(jù)存儲模塊512，用于存儲瑕疵位置及瑕疵大小。需要說明是，瑕疵數(shù)據(jù)存儲模塊用于將檢測出的相對于整個紡織品的瑕疵位置、大小和連通區(qū)域坐標(biāo)數(shù)組存儲到數(shù)據(jù)庫，便于生成產(chǎn)品質(zhì)量報表。具體地，瑕疵數(shù)據(jù)存儲模塊512獲取的輪廓標(biāo)記瑕疵塊的位置（位置采用連通坐標(biāo)序列表示瑕疵塊對應(yīng)的連通區(qū)域）、大?。ù笮∮眠B通區(qū)域包含的像素數(shù)衡量），并根據(jù)圖像比例，將測出的相對塊本身的瑕疵大小和位置轉(zhuǎn)化為相對整幅圖像的大小和位置，對所有檢測結(jié)果進(jìn)行匯總，并將連通區(qū)域坐標(biāo)序列和瑕疵大小等數(shù)據(jù)進(jìn)行數(shù)據(jù)庫存儲。

瑕疵信息顯示模塊513，用于顯示檢測結(jié)果。相應(yīng)地，瑕疵信息顯示模塊513通過采用圖像處理、模式識別等技術(shù)，能對圖像表面瑕疵的位置的大小進(jìn)行檢測并標(biāo)記，其主要是軟件的gui設(shè)計，用于顯示運(yùn)動的紡織品圖像、紡織品當(dāng)前檢測狀況、檢測到的瑕疵的位置、大小及瑕疵圖像截圖等信息。

因此，圖像區(qū)域劃分模塊5通過對紡織品表面圖像區(qū)域進(jìn)行分塊編號，分別分析各塊的表面瑕疵，并結(jié)合多尺度下采樣分析算法，通過變換為合適的大小，對圖像表面瑕疵進(jìn)行分析，對各塊的檢測結(jié)果進(jìn)行合并，計算并輸出瑕疵的大小和位置信息。

如圖8所示，所述圖像表面瑕疵分布打印模塊6包括瑕疵報表生成模塊61及自動打印模塊62，其中：

瑕疵報表生成模塊61，用于根據(jù)圖像表面瑕疵分析模塊的檢測結(jié)果生成質(zhì)量報表，反映紡織品質(zhì)量。

自動打印模塊62，用于打印質(zhì)量報表。

因此，圖像表面瑕疵分布打印模塊6通過利用瑕疵數(shù)據(jù)庫中存儲的瑕疵的大小和位置信息，即可得到紡織品表面瑕疵分布圖，并生成檢測報表反映紡織品的質(zhì)量，檢測完成后自動打印報表。

由上可知，本發(fā)明基于顯著性檢測的紡織品表面瑕疵檢測系統(tǒng)100的自動化程度高，檢測速度快，能最大程度減少人的參與，減輕驗(yàn)布工的負(fù)擔(dān)，應(yīng)用范圍廣泛。具體地，本發(fā)明能對多種寬幅紡織品進(jìn)行圖像采集和數(shù)據(jù)分析，精確地分析出紡織品表面瑕疵的位置，并進(jìn)行數(shù)據(jù)庫存儲，檢測完成后自動打印報表和瑕疵分布圖反映紡織品的質(zhì)量。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也視為本發(fā)明的保護(hù)范圍。