本文為解決玻璃纖維管紗（奶瓶紗）人工檢測質(zhì)量不穩(wěn)定的問題，提出了一種基于最大穩(wěn)定極值區(qū)域（MSER）和支持向量機（SVM）的玻璃纖維管紗毛羽檢測方法。

解決方案
    利用機器視覺技術對管紗毛羽疵點進行實時檢測,通過多路相機采集管紗毛羽原始圖像，根據(jù)其形態(tài)特征以及灰度對比信息，提出基于最大穩(wěn)定極值區(qū)域（MSER）的管紗毛羽分割方法，然后運用局部二值模式（LBP）算法獲得管紗毛羽的輪廓點特征信息，最后利用支持向量機（SVM）對毛羽進行疵點分類。

檢測流程

    1、實時采集管紗斜面毛羽與垂直面毛羽圖像；

    2、運用MSER算法分割疵點區(qū)域，根據(jù)檢測區(qū)域點生成MSERs結果，提取管紗毛羽；

    3、在空間上利用檢測窗口將MSER檢測結果圖劃分成多個小區(qū)域圖像塊，計算每個圖像塊內(nèi)像素的LBP值，得到每個圖像塊的LBP直方圖。將所有圖像塊的LBP統(tǒng)計直方圖連接成為一個特征向量；

    4、將LBP提取的特征向量輸入到SVM中，進行分類器訓練，利用訓練好的分類器進行毛羽分類。

管紗毛羽區(qū)域分割

    原始管紗圖像存在少量噪聲和深淺不一的管紗紋理，毛羽疵點區(qū)域與背景對比不明顯，因此準確定位分割疵點有很大難度。

    采用MSER算法對管紗不同類型毛羽的分割結果，分割后的毛羽形態(tài)完整。端毛羽形態(tài)一般表現(xiàn)為近直線且毛羽細長，采用MSER算法可增強端毛羽在原始圖像中的顯著性。進而在濾除管紗表面紋理和噪聲的情況下，使端毛羽表現(xiàn)的更為突出。

    毛圈作為另一種毛羽疵點，一般表現(xiàn)為半圓弧形，不論弧形的長短大小還是亮度不同的同一毛圈，都能夠精準分割出毛圈。

    毛夾作為不規(guī)則形態(tài)的毛羽疵點，是毛圈與端毛羽交織聚集而成。MSER算法在保證能夠提取出聚集分布的端毛羽和毛圈區(qū)域的同時，又能提取出離散分布的小段端毛羽和毛圈，不會丟失細節(jié)信息。

管紗毛羽特征提取

    選取900張?zhí)幚砗蟮膱D像作為訓練樣本，使用LBP算法對試驗樣本圖像提取特征，將特征向量送入SVM 進行分類訓練。訓練完成后，對管紗毛羽圖像進行分類測試。

    管紗毛羽不僅影響機織、針織后加工的效率和質(zhì)量，且直接影響最終產(chǎn)品的外觀和價格，基于LBP-SVM算法檢測管紗表面整體的疵點，能夠有效地對管紗毛羽疵點進行檢測，準確率高。目前，端毛羽、毛圈、毛夾的分類準確率分別為94.7%、97.7%、98.6%。