基于机器视觉的白色衣物脏污程度分析方法研究

doi:10.19784/j.cnki.issn1672-0172.2021.99.034

摘要/Abstract

摘要： 随着生活水平的提高,衣服的干净整洁已经是基本要求,智能衣物洗护已经渗透到我们生活中,了解污渍的脏污程度对于洗衣机和洗涤剂行业显得尤为重要。计算机机器视觉分析快速,结果客观、准确,可重复性强,目前应用广泛。影响污渍脏污程度评价的因素有面积、颜色、纹理等,为了简化研究,本文提出一种基于计算机机器视觉的图像分析技术对白色衣物脏污程度分析的方法,通过图像采集系统得到污渍的图像,对其进行灰度化处理,得到图像的灰度值,进而对污渍脏污程度进行分析判断。结果表明,图像的灰度值可以用来表征白色衣物污渍的脏污程度,且判断结果与主观目视结果具有较高的一致性。

关键词: 计算机机器视觉, 白色衣物, 污渍, 灰度值, 脏污程度

Abstract: With the improvement of living standards, the cleanliness of clothes has become a basic requirement, and intelligent washing has penetrated into our life, so it is particularly important for washing machines and detergent industry to analyze the smudge degree. Computer machine vision analysis is fast, objective, accurate and repeatable. Area, color, texture and so on can affect the result of the stain smudgy degree evaluation. In order to simplify the research, we putforward a kind of machine vision based on computer image analysis technology of white clothes smudgy degree analysis method, the images of the stain were got through the system. After being grayed, the smudgy degree were analyzed through the value of image grey. The results show that the gray values calculated by image method have a high consistency with the visual results, and the image analysis method can be used to analyze the degree of smudge of white clothes.

Key words: Machine vision, White clothes, Stains, Gray, Degree

中图分类号:

TS941.16

邵芬娟, 侯真威, 丁雪梅. 基于机器视觉的白色衣物脏污程度分析方法研究[J]. 家电科技, 2021, 0(zk): 142-145.

SHAO Fenjuan, HOU Zhenwei, DING Xuemei. Study on the method of analyzing the smudging degree of white clothes based on machine vision[J]. Journal of Appliance Science & Technology, 2021, 0(zk): 142-145.

参考文献

[1] 张亚雯. 基于Digieye数码测试系统的纺织品色牢度快速评级方法[D]. 上海:东华大学纺织工程, 2016: 6.
[2] 朱安民, 张艺, 李观强. 基于计算机视觉的纺织品色牢度检测[J]. 深圳大学学报(理工版), 2018, 35(04): 420-425.
[3] 郑成辉. 图像法评价织物变色牢度等级探讨[J]. 轻纺工业与技术, 2010, 39(06): 26.
[4] 李启正, 金肖克, 张声诚, 等. 数码测色法在织物颜色评价中的应用[J]. 印染, 2014(17): 17.
[5] 张庆红, 刘建立, 高卫东. 基于傅里叶变换的沾色色牢度的等级评定[J]. 上海纺织科技, 2014, 43(9): 30-33.
[6] 张庆红, 刘建立, 高卫东. 基于图像处理的织物耐洗涤色牢度等级评定[J]. 纺织学报, 2013, 34(11): 100-105.
[7] 徐平华, 刘红, 丁雪梅, 吴雄英. 基于视觉感知的洗涤污渍客观评级方法研究[A]//中国家用电器协会. 2016年中国家用电器技术大会论文集[C]. 中国家用电器协会: 《电器》杂志社, 2016:7.
[8] AATCC 130:2000 Soil Release:Oily Stain Release Method[S].
[9] B.G. Xu, J.A.Reed.Instrumental evaluations of stain release in fabrics[J]. Textile Institute, 1996, 87(01): 203-211.
[10] 刘红, 包伟, 丁雪梅, 吴雄英. 洗涤去污力测评方法评述[A]//中国洗涤用品工业协会.第36届(2016)中国洗涤用品行业年会论文集[C]. 中国洗涤用品工业协会: 中国洗涤用品工业协会, 2016:6.
[11] 沈菁, 刘建立, 高卫东. 基于图像分析的洗涤去污等级评定[J]. 纺织学报, 2013, 34(03): 50-54.
[12] 徐平华, 邵芬娟, 刘红, 丁雪梅, 沈岳. 基于视觉注意模型的洗净率客观评价方法研究[J]. 纺织导报, 2018(06): 88-90.
[13] 无锡小天鹅股份有限公司. 识别衣物污渍种类的方法: 中国, CN201210211317.0[P].2012-10-12.
[14] 袁亮, 涂雪滢, 巨刚, 等. 基于机器视觉的番茄实时分集系统设计[J]. 新疆大学学报(自然科学版), 2017, 34(01): 11-16.
[15] 周鸿达, 张玉荣, 王伟宇, 等. 基于机器视觉技术预测玉米质量等级的方法研究[J]. 粮油食品科技, 2016, 24(06): 50-56.
[16] 冯斌, 汪懋华. 基于颜色分形的水果计算机视觉分级技术[J]. 农业工程学报, 2002, 18(02): 142-144.
[17] 孙荣荣, 宋健宇, 张明, 等.中国柑橘外部品质机器视觉检测分级技术研究现状与展望[J]. 农业工程, 2019, 9(01): 47-50.
[18] 韩洋. 基于机器视觉的典型产品特征提取与分级算法研究[D]. 扬州: 扬州大学, 2018.
[19] 凌强, 孙结冰, 祁晓波, 等. 基于机器视觉的苹果分级检测方法[J]. 电子世界, 2019 (06): 7-8.
[20] 苗艳华, 杜青,沈花玉. 基于机器视觉的红富士苹果自动分级算法设计[J]. 电子测试, 2019(01): 54-55+58.
[21] 赵世民, 宋正雄, 贺智涛, 等.基于图像特征的烟叶分级方法研究[J]. 安徽农业科学, 2018, 46(28): 191-193, 198.
[22] 王慧. 基于图像边缘检测的红枣分级方法[J]. 农机化研究, 2018 (10): 231-234.
[23] 陈炳权, 刘宏立, 孟凡斌. 数字图像处理技术的现状及其发展方向[J]. 吉首大学学报(自然科学版), 2009(01): 63-65.
[24] 周晓宁, 郝建敏, 陈悦. 一种基于灰度直方图的闯值分割算法的研究[J]. 数字技术与应用, 2016(10): 131.
[25] 万玲, 马兴. 数字图像处理的方法与应用[J]. 科技信息, 2010(23): 590+635.
[26] 晁德起. 毛叶枣的计算机视觉无损检测分级技术研究[D]. 海南: 海南大学, 2011: 5.
[27] 曾雪刚. 基于DM642的红外成像系统在脸部疲劳状态识别中的应用[D]. 天津: 河北工业大学, 2010: 12 .
[28] 韩耀东, 狄红卫. 基于色彩空间非线性变换的彩色图像边缘检测[J]. 光学技术, 2004(06): 685-687.
[29] 温祥青. 换流阀厅壁面清洁机器人的控制系统设计与研究[D].杭州: 浙江工业大学, 2017: 12.
[30] 李书杰. 基于机器视觉的电梯节能关键技术[D]. 天津: 天津科技大学, 2015: 12.
[31] 黄兆良. 基于嵌入式平台的苹果果形迹颜色的实时识别与分级[J]. 信号与信息处理, 2017(01): 31.
[32] 左飞, 万晋森. VISUAL C++数字图像处理开发入门与编程实践[M]. 北京:电子工业出版社, 2008.
[33] 金耀, 何秀文, 刘仁鑫. 基于图像处理的橘子计数方法研究[J]. 生物灾害科学, 2019, 42(02): 156-159.