3.1 硬件设计：
图像采集是一个重要的环节，它将对象的可视化图像和特征转化为能被计算机处理的一系列数据，由于机器视觉系统强调精度和速度，所以要及时、准确地提供清晰的图像。
视觉传感器智能相机的选择：
（1）NI1394 智能相机:由 533 MHz PowerPC 处理器和 720 MHz Texas Instruments DSP协处理器供电，是机器视觉的实时目标。优质的 Sony CCD 图象传感器可以采集单色列高精度智能相机测微计，测量精度可以达到12pm，在测量零件的外径，薄膜厚度等方面有广泛应用，单个智能相机传感器的测量范围0．3—30mm，采用两路智能相机传感器可以测量大尺寸，如活塞的外径等等。
SXGA(1280 x 1024)高分辨率图像。
（2）NI PS-15 电源：NI 系列智能相机的专用电源。为相机提供稳定电源。 （3）上位机：由 NI PMA-1115 便携式 PXI LCD 显示器和键盘附件和 NI PXIe-1082 配
有交流的 8 槽 3U PXI Express 机箱和 NI PXIe-8133 PXI 平台嵌入式控制器组成。该上位机性
能稳定，抗干扰能力强，适合用于煤矿复杂恶劣环境。
（4）输出控制继电器：用于控制胶带运输机的电机以进行停车。 （5）防爆声光报警器：用于报警来提示工作人员。 光源的选择：
光源是图像信息获取模块的另一个重要的组成部分，使用光源是为了突出拍摄目标的特征，使其不同部分之间具有足够的对比。
选择合适的光源系统需要考虑以下几个方面：
1．摄像机的视野要求：尽量使光线集中在视野之内，提高照明效率；光源系统与被测物体间的距离：调解高度，使被摄物体的特征与背景之间的对比度尽量大；
2．被测物体的形状、表面状态及颜色：根据被摄物体的形状和表面状态来选择照明的方式，根据被摄物体的特征部分的颜色来选择合适的光源颜色；
3．突出被测物体的测量细节部分：要以突出被测物体的测量细节部分作为图像采集的首要目的，以此选取合适的光源。
图3-3 几种常见光源的主要性能
3.2检测和分类算法设计
软件开发环境
（1）LabVIEW 用于辅助编程
（2）NI 用于自动检测的视觉生成器（NI Vision Builder for Automated Inspection，简称NI VBAI)，该软件用来配置 NI 1394 智能相机,其是针对完整视觉检测应用且易于使用的独立开发环境。
(3) NI 视觉助手（NI Vision Assistant，简称 NI VA），其用来进行具体图像处理和分析。
图像差影是一种图像的代数运算，简单说就是图像的对应像素进行相减的运算，所以又称为减影运算。在坯布质量检测中,采集的图像和标准图像进行差影，坯布疵点是两者之间的主要差异。由于坯布图像采集时数据量大，处理精度要求高，同时考虑坯布具有单元化、周期性、规则性等特点，所以提出局部差影算法，这样可以大大减少检测运算量，提高采集速度，同时方便定位疵点。运用这种处理算法简单，运算高效，基本可以满足坯布生产中的实时要求。
机器视觉系统要实现预定的功能离不开相应的计算机软件，图像处理软件要实现图像数据的采集，并且进一步通过特定的算法对采集的数字图像进行分析、处理、最终将结果显示或根据需要传送给执行机构的控制部分。VC++6.0作为程序的开发平台。选用这一开发工具的主要原因在于：C++语言具有灵活性强，可以方便的实现自己的算法，便于软件功能的扩展。
在标准图像选取时，则采用统计的方法，即对无疵点的图像求列行直方图、滤波，找出坯布一个单元的周期，并求出该单元中的各个像素灰度的均值，扩展至多个单元，最终得到一个M×N大小的标准模块图像g(x,y)。
对采集的图像，首先对其预处理，该系统采用中值滤波去除噪声，得到滤波后的图像fi?(xi,yi)，再与标准模块图像进行绝对差影处理可以表示为：
si(xi,yi)??ifi?(xi,yi)?g(x,y) （1）
其中， fi(xi,yi)表示f（x，y）图像分割第i块图像在点（xi，yi）处的灰度值，
g(x,y)为M×N的标准模块图像在点（x，y）处的灰度值，si(xi,yi)是差影后的图像
在点（xi，yi）处的灰度值。
然后，对图像si(xi,yi)进行参数计算,为了反映图像灰度分布均匀程度和灰度值的强弱，选用灰度均值；反映图像灰度分布的离散情况，选用方差；能反映图像内容随机性和纹理复杂程度，选用局部熵[6]；极差则能反映灰度值跨度。
灰度均值 F(x,y) = x?1y?1??s(x,y)iiiMN(M?N) (2)
MN方差 Det????si(xi,yi)?F(x,y)?2 (3)
x?1y?1局部熵 p?si(xi,yi)ijM??s(x,y)iiii?1j?1MN (4)
Hf????pijlog(pij)
i?1j?1NMMNN
2
????pij(pij?1)?1???pij (5)
i?1j?1i?1j?1极差 JC?Max(si(xi,yi))?Min(si(xi,yi)) (6) 把这些参数输入到已经训练好的多层BP神经网络里进行判别，看是否有疵点。如果是，立即在原始图像上标记出来，存入数据库，同时指示灯变红，发出报警信号；否则，计算下一个区域块。
在进行多层BP神经网络计算时，神经元的激活函数选择S形函数[7] ：
1 (5-3) ?(x)??x1?e训练时采用最速下降算法使误差逐步减小，在梯度的负方向速度最快；在学习
121M2d?y(W)??(dk?yk(W))22k?1速率和惯性因子选择时，采用自适应训练方法；在误差修正时,选用
e(W)?
界面模块：
本文的软件的界面是基于VisualC++的MFC．AppWizard(exe)的程序。程序的各种函数和功能通过菜单操作来实现，采集或者打开的图像和处理的结果分区在同一界面上显示，有利于比较，结构简单清晰。
图3-5 界面设计
3.3.NI VBAI 图像检测过程
NI 1394 智能相机首先用 VBAI 进行配置而后在其中进行编程。相机采集的每一帧图片经 VA 分析处理后进行图像过滤，分别为平均平滑、边缘检测、卷积处理。而后根据经验创建感兴趣区域，即输送带易裂区域。最后计算裂缝像素占整个感兴趣区域像素的比例。设置两个阈值 1 和 2，分别用于报警和停车。当比例值超过阈值 1 时，上位机控制防爆声光报警器报警；当比例值超过阈值 2 时，上位机通过串口通信控制继电器常闭触点断开进而使输送机停车。NI VBAI 图像检测流程图如图 2 所示。
图 2 NI VBAI 图像检测流程图
3.4 NI VA 图像处理分析
（1）提取颜色平面：从一副图像中提取三种颜色平面（RGB、HSV、HSL）。本文选择提取 HSL 亮度平面。该方法把采集到的图像转化为 8 位的灰度图像。
（2）查找表：用于提高图像的对比度和亮度。一个查找表包含值用于转换图像的灰度值。对于图像中每个灰度值,相应的新值是查找表中获得并分配给每个像素的灰度值。本文用到了对数化和均衡化。
（3）图像阈值分割：这是一种基本的图像分割方法。阈值分割的基本思想是确定一个阈值，然后把每个像素点的灰度值和阈值相比较，根据比较的结果把该像素划分为两类—前景或者背景。一般来说，阈值分割可以分成以下三步：确定阈值、将阈值和像素比较、把像素归类。其中第一步阈值最重要。阈值的选择将直接影响分割的准确性以及由此产生的图像描述、分析的正确性。本文选择的阈值分割方法为实验法，阈值确定为 140。
（4）二值图像中的基本形态学运算 本文选择的是基本形态学中的开运算，开运算是先腐蚀后膨胀[4]。使用结构元素 S 对原图像 A 进行开运算，记作 Ao S ，可表示为
Ao S?? ( A?S )?? S?
开运算可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除毛刺。开运算断开了原图像 A 中小区域间像素宽的连接（断开了狭窄连接），并且去除了原图像 A 中部分突出的一个小于结构元素 S 的区域（去除细小毛刺）；与腐蚀不同的是，图像大的轮廓并没有发生整体的收缩，物体位置也没有发生任何变化。
记结构元素 S 为小圆形，原始图像 A 为大三角形，让结构元素 S 紧贴 A 的内边界滚动，滚动过程中始终保持 S 完全包含于 A，此时 S 中的点所能达到的最靠近 A 的内边界的位置就构成了开运算的外边界。从这个意义上开运算可以表示为：
Ao S?????(S ) z | (S ) z?? A??
图像处理与分析模块：
图像处理和分析模块是整个软件的核心，其中的函数包括：图像预处理、图像二值化、边缘检测、匹配、相机标定。
图3-7 图像分析流程