On-loom fabric defect detection : state-of-the-art and beyond

Schneider, Dorian; Vary, Peter; Merhof, Dorit

doi:urn:nbn:de:hbz:82-rwth-2015-047397

On-loom fabric defect detection : state-of-the-art and beyond = Prozessintegrierte Qualitätssicherung gewebter Textilien : Stand der Technik und neue Entwicklungen

Schneider, Dorian

2015

Verantwortlichkeitsangabevorgelegt von Dorian Schneider

ImpressumAachen : Publikationsserver der RWTH Aachen University 2015

UmfangXI, 213 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2015

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Merhof, Dorit (Thesis advisor) ; Vary, Peter (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2015-07-16

Online
URN: urn:nbn:de:hbz:82-rwth-2015-047397
DOI: 10.18154/RWTH-2015-04739
URL: https://publications.rwth-aachen.de/record/483740/files/483740.pdf

Einrichtungen

Lehrstuhl für Bildverarbeitung (611710)

Inhaltliche Beschreibung (Schlagwörter)
Elektrotechnik, Elektronik (frei) ; on-line fabric defect detection (frei) ; yarn tracking (frei) ; woven fabric weave detection (frei) ; fabric density measurement (frei) ; loom integrated inspection (frei) ; image processing (frei) ; real-time (frei) ; automatic visual inspection (frei) ; fabric flaw detection (frei) ; vibration damping (frei)

Thematische Einordnung (Klassifikation)
DDC: 621.3

Kurzfassung
Die Weberei ist eines der ältesten Handwerke der Menschheit. Die Webtechnik verknüpft vertikal und horizontal verlaufende Fäden gemäß eines vorgegebenen Musters. Über die Jahrhunderte hinweg hat sich die Textilindustrie zu einer Hightechindustrie entwickelt, mit vollautomatisierten Webmaschinen, die Gewebe in enormen Durchsatzraten produzieren. Folglich ist eine robuste und schnelle Qualitätskontrolle von großer Bedeutung. Der heutige Standardansatz zur Qualitätssicherung von Textilien basiert jedoch immer noch auf menschlicher Sichtkontrolle, was langsame Bearbeitungszeiten und geringe Fehlererkennungsraten bedingt. Die Entwicklung automatischer Verfahren für die Qualitätskontrolle von Textilien ist demnach ein sehr relevantes Forschungsgebiet. Die vorliegende Arbeit stellt ein neu entwickeltes, hochauflösendes Machine Vision System vor, das in die Webmaschine integriertist. Das System wertet Kamerabilder aus, um Fehler in gewobenen Textilien automatisch zu erkennen. Um eine Aussage über den aktuellen Stand der Technik treffen zu können, führt Teil I eine umfassende Leistungsanalyse bereits publizierter Verfahren zur Fehlerkontrolle (bildbasiert) von Textilien durch. Eine Auswahl von 14 Algorithmen wird erstmalig mit einheitlichen Datenbanken und einheitlichen Bewertungsmaßen auf ihre Leistungsfähigkeit hin untersucht. Teil II beschreibt das Design eines hochauflösenden Kamerasystems, das beweglich in die Webmaschine integriert ist und so Fehler im Material frühzeitig erkennt und klassifiziert. Der entwickelte Prototyp ist in der Lage, einzelne Fäden im Gewebe in Echtzeit zu lokalisieren und erstmaligmit Bezug auf die Fadenform, -lage und -erscheinung zu vermessen. Dies is tein wesentlicher Fortschritt im Vergleich zu bisherigen Methoden, die Gewebe als reine Texturen interpretieren und Musteranalyseverfahren einsetzen, um Fehler zu erkennen. Neben der detaillierten Beschreibung der Algorithmen beinhaltet Teil II auch eine umfassende Leistungsanalyse des entwickelten Systems. Zudem werden die mechanischen Komponenten, einschließlich der Schwingungsdämpfung und der Bildaufnahme, ausgiebig beschrieben. Der dritte Teil führt zwei zusätzliche Erweiterungen ein. Zuerst wird ein Verfahren vorgestellt, das die Bindung eines unbekannten Gewebes ohne Vorwissen automatisch bestimmt. Zudem wird ein Algorithmus präsentiert, der es ermöglicht die Dichte eines Gewebes kontinuierlichzu vermessen, auch wenn sie diese im zeitlichen Verlauf ändert. Beide Methoden werden, wie in den vorhergehenden Abschnitten auch, umfangreich evaluiert und mit dem Stand der Technik verglichen.

Weaving is one of mankind’s oldest crafts. The process of interlacing two sets of yarns in an orthogonal way according a predefined pattern is a technology which is as old as human civilization. Over the centuries, the textile industry evolved into a high-tech industry, characterized by highly sophisticated production machines which operate mostly autonomously and are uncoupled from any human interaction. Built into safety relevant products like airbags, safety belts, fire resistant clothing, bullet-proof cloth or artificial vascular grafts, technical woven fabrics impose highest production quality standards. Reliable and fast quality assurance is thus crucial. The industrial standard approach for quality assurance is still based on human, manual inspection. In order to augment the production throughput, to achieve lower labor costs and to guarantee stable product quality, the development of reliable methods for fully automatic fabric quality control has become a vital topic for research around the world. Within this thesis, the development of a novel, loom-integrated automated visual inspection system for high resolution woven fabric defect detection is described. Accordingly, this work is divided into three major parts. Part I investigates a set of 14 selected state-of-the-art fabric defect detection algorithms to assess the current detection performance of existing methods. The study is conducted with unified fabric image databases and assessment metrics and therefore represents the first fabric defect detection benchmark of this kind published in literature. Motivated by the benchmark results, Part II discusses the design of a novel, high-resolution traversing camera inspection system for locating and classifying potential defects in woven fabrics. The implemented prototype can track single yarns in real-time during production and measures fabrics with regards to geometry, extent, orientation and shape for the first time. This is a major improvement compared to hither to approaches that treat fabrics as near regular texture and apply pattern analysis algorithms to detect defects. The detailed description of the image processing pipeline is complemented by a comprehensive on-line evaluation and in-depth discussions about mechanical system integration, vibration damping, imaging strategies and product costs. The proposed image processing framework is finally extended in Part III by two additional algorithmic features. First, a method is discussed that allows an automatic classification of fabric weave patterns without any prior knowledge about the investigated material. Furthermore, an algorithm for adaptive measurement of changing yarn densities is presented. Again, both extensions were extensively evaluated and the results are directly compared to state-of-the-art performance measures.

OpenAccess:
PDF
(additional files)