CN104346807A - 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法 - Google Patents
基于机器视觉的在线织物瑕疵检测与报警系统的检测方法 Download PDFInfo
- Publication number
- CN104346807A CN104346807A CN201410245677.1A CN201410245677A CN104346807A CN 104346807 A CN104346807 A CN 104346807A CN 201410245677 A CN201410245677 A CN 201410245677A CN 104346807 A CN104346807 A CN 104346807A
- Authority
- CN
- China
- Prior art keywords
- flaw
- user
- configuration information
- fabric
- stamp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 230000007547 defect Effects 0.000 claims abstract description 57
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000004753 textile Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，当启动系统后，系统自动载入存储的配置信息，并实时更新用户通过人机交互界面输入的配置信息；当用户启动系统运行时，系统根据用户是否进行花布印花瑕疵检测的配置信息进行功能选择，不论是否进行印花瑕疵检测，系统必须进行常见的织物瑕疵检测；如果检测发现存在常见瑕疵或印花瑕疵这些瑕疵，系统将通过控制接口通知织物生产设备暂停织物生产，并同时通过报警模块进行报警。本发明的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，引入在线视频检测的方法，并采用多模式自适应瑕疵检测方式，提高瑕疵识别效率，降低次品率。
Description
技术领域
本发明属于纺织品检测领域，具体涉及一种基于机器视觉的在线织物瑕疵检测与报警系统的检测方法。
背景技术
在纺织行业中，织物产品的瑕疵检测占有重要地位。提高织物瑕疵检测检测的准确率和效率，将有助于整个产品的顾客满意度和产品的整体效益。一般来说，有织物瑕疵造成织物成为残次品后，其价值将降低40％～50%，甚至更低。目前，织物瑕疵检测主要有一下两种方式：
人工检测，主要靠人的视觉来进行瑕疵检测，该方法主要是人力消耗大，瑕疵检测效率低，而且由于人的视觉疲劳等原因存在一定的漏检率。
自动检测方法，主要采用现代检测技术和图像处理技术结合，高速进行织物瑕疵检测，效率高。
但目前上述两种方法主要用于生产出的织物进行检测，定性，即仅能给出织物是否存在瑕疵，不能干预织物生产。
发明内容
为了解决现有技术中上述不足的问题，本发明旨在提供一种基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，降低织物瑕疵率，降低生产成本。
为实现上述发明目的，本发明所采用的技术方案是：
本发明的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，当启动系统后，系统自动载入存储的配置信息，并实时更新用户通过人机交互界面输入的配置信息；
当用户启动系统运行时，系统根据用户是否进行花布印花瑕疵检测的配置信息进行功能选择，不论是否选择进行印花瑕疵检测，系统必须进行常见的织物瑕疵检测；如果检测发现存在常见瑕疵或印花瑕疵这些瑕疵，系统将通过控制接口通知织物生产设备暂停织物生产，并同时通过报警模块进行报警。
优选的，所述配置信息包括进行花布印花训练的配置信息，用户可根据视频进行花布印花检测和印花特征提取，存储于用户自定义的印花特征库中。
优选的，所述配置信息包括进行常见瑕疵的辅助学习的配置信息，系统可根据用户输入信息进行常见瑕疵的特征提取，并存储于用户的自定义常见瑕疵特征库中。
优选的，系统具有自主学习功能,系统如果发现误检，则用户可以通过用户配置接口或者按键通知继续检测功能接口，通知系统继续进行进行检测；此时，系统将进行自主学习，将误检的特征提取，以备下次遇到同类情况可以排除瑕疵可能性；如果确实存在瑕疵，停止产线生产有助于减少损失, 同时系统会进一步进行训练学习，从而增强瑕疵知识库，提高瑕疵识别效率。
相对于现有技术，本发明的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，具有以下有益的技术效果：
本发明的一种基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，主要采用智能视频处理方法在织物生产线上进行在线的实时织物瑕疵检测。当发现有织物存在瑕疵时，立刻停止织物生产并报警等待处理，从而将损失降到最小。注意，系统应具有一定的容错性，即当出现误检时，可以恢复生产，误检率要控制在1%以下。
在织物瑕疵检测方法中，引入在线视频检测的方法，在生产过程中及时发现织物瑕疵，及时停止织物产线生产，从而降低织物次品率。
系统采用多模式自适应瑕疵检测方式，可以自适应的检测各种常见织物瑕疵，并可以进行印花瑕疵检测，提高瑕疵识别效率，降低次品率。
引入织物印花的训练和识别功能，可以识别织物印花的瑕疵，可以识别织物印花的瑕疵率，从而降低织物次品率。
在训练和识别功能中，具有自主学习和辅助学习两种功能，可以在系统通用功能的基础上，根据具体问题进行自主学习和辅助学习，提高系统的专用性，最终提高系统的瑕疵识别效率，降低织物次品率。
附图说明
图1为本发明的一种基于机器视觉的在线织物瑕疵检测与报警系统的检测方法的流程示意图。
具体实施方式
以下结合附图详细描述本发明的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法的体系结构，但不构成对本发明的限制。
基于机器视觉的在线织物瑕疵检测与报警系统，在织物布匹正在生产的过程中，选用高清晰度和高速的摄像头获取织物在线视频。获取的在线视频通过视频AD数字化处理后，由视频处理器进行采集和预处理，并可以通过视频处理器输出到视频终端，如液晶显示器等。采集的视频由主处理器进行智能视频处理，主要包括视频特征提取，常见瑕疵检测（采用多模式自适应瑕疵检测方法），印花瑕疵检测等功能。为提高系统识别的准确率，系统提供辅助学习能力，即可以人工将要检测的瑕疵作为输入进行训练学习，在原有的通用瑕疵知识的基础上加入特定情况的瑕疵知识，从而使系统具有专用化特征。如果发现存在瑕疵，主处理器将通知控制设备停止机器生产，并通过报警模块向生产人员进行报警。如果出现误检，可以通过系统的人机交互接口界面通知织物生产设备继续生产，否则停止生产来减少出现瑕疵物品的量，从而提高产品质量和合格率、残次品总量（长度减少）。系统具有自主学习能力，将根据用户的操作（确认瑕疵或拒绝误检）将经验知识进行训练学习，从而提高瑕疵的识别率和降低瑕疵误检率。
为实现基于视频的在线织物瑕疵检测与监控系统，采用图1所示的软件设计流程。当启动系统后，系统自动载入存储的配置信息，并可以通过人机交互界面输入信息实时更新配置信息。
如果用户配置要求进行训练，系统进入辅助学习功能模块。用户选择进行常见瑕疵训练和印花训练两种辅助学习模式。如果用户配置要求进行花布印花训练，用户会根据视频进行花布印花检测和印花特征提取，存储于用户自定义的印花特征库中。如果用户配置进行常见瑕疵的辅助学习，则系统会根据用户输入信息进行常见瑕疵的特征提取，并存储于用户的自定义常见瑕疵特征库中。
当用户启动系统运行时，系统会根据用户配置信息（是否进行花布印花瑕疵检测）进行功能选择，即如果用户要求进行花布瑕疵检测，则系统会根据最新训练的花布印花特征进行印花是否存在瑕疵的检测。同时，系统将进行常见的织物瑕疵检测。如果检测发现存在瑕疵（常见瑕疵、印花瑕疵），系统将通过控制接口通知织物生产设备暂停织物生产，并同时通过报警模块进行报警。系统等待用户输入进行相应的处理，在处理时将根据用户输入进行自主训练学习，从而提高整个系统的瑕疵识别效率。即如果发现误检，则用户可以通过用户配置接口或者按键（通知继续检测功能接口）通知系统继续进行进行检测，不影响生产。此时，系统将进行自主学习，将误检的特征提取，以备下次遇到同类情况可以排除瑕疵可能性，提高织物生产效率。如果确定存在瑕疵，停止产线生产有助于减少损失，此时系统会进一步进行训练学习，从而增强瑕疵知识库，提高系统识别效率。用户可以配置重新开始进行在线织物瑕疵检测与监控系统。
为了实现在线的织物瑕疵检测与监控系统系统，一种硬件系统方案设计方案为：系统主要采用高速摄像头进行视频获取，转换成数字视频后由视频预处理模块进行预处理，主要包括图像颜色空间转换、图像隔行/逐行扫描转换、图像增强、直方图计算、感兴趣区域提取等处理。主控模块对预处理的视频进行采集，一方面可以进行视频输出，一方面可以将数据暂存于双口DARAM中，从而实现与信号处理模块共享采集的视频。信号处理模块可以进行常见的织物瑕疵检测，主要包括破洞、跳花或跳纱、经缩、双经等等常见瑕疵的检测，同时可以进行印花瑕疵的检测。在进行印花瑕疵检测之前，必须对印花进行训练和识别，然后才能根据印花特征进行印花瑕疵检测。是否启用印花瑕疵检测、印花特征提取、印花特征识别功能需要由主控制模块进行配置生效。主控制模块也可以配置信号处理模块对输入视频进行压缩处理，然后进行存储或传输。如果发现瑕疵，信号处理模块将实时通知主控制模块，主控制模块将通过控制接口通知织物产线暂停生产工作，同时通过报警模块进行报警。如果检测人员发现系统出现误检，可以通过“继续检测功能接口”通知监控系统继续进行检测，此时主控制模块会通过控制接口通知产线继续生产并立刻结束报警。“继续检测功能接口”可以通过外接按键实现，也可以通过主控制模块的配置功能模块进行控制。主控制模块主要通过网络接口、无线接口和USB接口实现系统的配置功能。在信号处理模块中，提供训练学习功能接口，可以实现辅助学习和自主学习功能，即可以训练学习瑕疵特征，提高瑕疵识别率， 又可以训练学习瑕疵误检时的特征，降低瑕疵误检率，从而在整体上提高系统的瑕疵识别速度和运行效率。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所作出的等效的变化或修饰，都应涵盖在本发明的保护范围内。
Claims (4)
1.基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，其特征在于，当启动系统后，系统自动载入存储的配置信息，并可以用户通过人机交互界面输入实时更新配置信息；
当用户启动系统运行时，系统根据用户是否进行花布印花瑕疵检测的配置信息进行功能选择，不论是否选择进行印花瑕疵检测，系统必须进行常见的织物瑕疵检测；如果检测发现存在常见瑕疵或印花瑕疵这些瑕疵，系统将通过控制接口通知织物生产设备暂停织物生产，并同时通过报警模块进行报警。
2.根据权利要求1所述的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，其特征在于，所述配置信息包括进行花布印花训练的配置信息，用户可根据视频进行花布印花检测和印花特征提取，存储于用户自定义的印花特征库中。
3.根据权利要求1所述的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，其特征在于，所述配置信息包括进行常见瑕疵的辅助学习的配置信息，系统可根据用户输入信息进行常见瑕疵的特征提取，并存储于用户的自定义常见瑕疵特征库中。
4.根据权利要求1所述的基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，其特征在于，具有自主学习功能，系统如果发现误检，则用户可以通过用户配置接口或者按键通知继续检测功能接口，通知系统继续进行进行检测；此时，系统将进行自主学习，将误检的特征提取，以备下次遇到同类情况可以排除瑕疵可能性；如果确定存在瑕疵，停止产线生产有助于减少损失，同时系统会进一步进行训练学习，从而增强瑕疵知识库，提高瑕疵识别效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410245677.1A CN104346807A (zh) | 2014-06-05 | 2014-06-05 | 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410245677.1A CN104346807A (zh) | 2014-06-05 | 2014-06-05 | 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104346807A true CN104346807A (zh) | 2015-02-11 |
Family
ID=52502348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410245677.1A Pending CN104346807A (zh) | 2014-06-05 | 2014-06-05 | 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104346807A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108760750A (zh) * | 2018-05-24 | 2018-11-06 | 安徽富煌科技股份有限公司 | 一种多模式布匹瑕疵实时检测设备 |
| CN111784644A (zh) * | 2020-06-11 | 2020-10-16 | 上海布眼人工智能科技有限公司 | 基于深度学习的印花瑕疵检测方法及系统 |
| CN113567443A (zh) * | 2021-06-22 | 2021-10-29 | 浙江大豪科技有限公司 | 织物瑕疵检测系统的控制方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5671061A (en) * | 1992-06-18 | 1997-09-23 | Zellweger Luwa Ag | Method and apparatus for assessing the effect of yarn faults on woven or knitted fabrics |
| CN101158650A (zh) * | 2007-11-09 | 2008-04-09 | 无锡东望科技有限公司 | 机器视觉系统对印花布瑕疵的在线检测方法 |
| CN102262093A (zh) * | 2010-05-24 | 2011-11-30 | 张爱明 | 基于机器视觉的印花机在线检测方法 |
| CN103234980A (zh) * | 2012-08-20 | 2013-08-07 | 苏州大学 | 一种基于机器视觉的在线织物瑕疵检测与报警系统 |
-
2014
- 2014-06-05 CN CN201410245677.1A patent/CN104346807A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5671061A (en) * | 1992-06-18 | 1997-09-23 | Zellweger Luwa Ag | Method and apparatus for assessing the effect of yarn faults on woven or knitted fabrics |
| CN101158650A (zh) * | 2007-11-09 | 2008-04-09 | 无锡东望科技有限公司 | 机器视觉系统对印花布瑕疵的在线检测方法 |
| CN102262093A (zh) * | 2010-05-24 | 2011-11-30 | 张爱明 | 基于机器视觉的印花机在线检测方法 |
| CN103234980A (zh) * | 2012-08-20 | 2013-08-07 | 苏州大学 | 一种基于机器视觉的在线织物瑕疵检测与报警系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108760750A (zh) * | 2018-05-24 | 2018-11-06 | 安徽富煌科技股份有限公司 | 一种多模式布匹瑕疵实时检测设备 |
| CN111784644A (zh) * | 2020-06-11 | 2020-10-16 | 上海布眼人工智能科技有限公司 | 基于深度学习的印花瑕疵检测方法及系统 |
| CN113567443A (zh) * | 2021-06-22 | 2021-10-29 | 浙江大豪科技有限公司 | 织物瑕疵检测系统的控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103234980B (zh) | 一种基于机器视觉的在线织物瑕疵检测与报警系统 | |
| CN103605350A (zh) | 一种智能冰箱远程故障提醒系统及提醒方法 | |
| CN105444891A (zh) | 一种基于机器视觉的纱线印染色差检测系统 | |
| CN111552243B (zh) | 一种智能纺纱打包生产线故障检测系统 | |
| CN104346807A (zh) | 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法 | |
| CN102692216A (zh) | 基于机器视觉技术的实时光纤绕制缺陷检测方法 | |
| CN108288272A (zh) | 纱线识别方法及装置 | |
| CN104820985A (zh) | 一种线缆表观缺陷检测和字符识别装置 | |
| CN105241679A (zh) | 一种动车组隐蔽故障检测方法 | |
| CN112485263A (zh) | 一种基于机器视觉的pe纤维纱线质量在线检测设备及方法 | |
| CN104569143A (zh) | 一种矿用钢丝绳探伤用在线监测系统 | |
| CN104375491A (zh) | 纺织车间环境监控报警系统 | |
| CN109881356B (zh) | 基于svm图像分类的袜机织针在线检测装置及方法 | |
| CN105619741B (zh) | 一种基于Tegra K1的模具智能检测方法 | |
| CN202700832U (zh) | 一种生产过程中的残次品的动态识别装置 | |
| CN110632084A (zh) | 一种基于传感器的产品质量检测系统 | |
| CN113989743A (zh) | 垃圾满溢检测方法、检测设备及系统 | |
| CN106093052A (zh) | 一种断纱检测方法 | |
| CN201897572U (zh) | 一种玻璃破边检测系统 | |
| CN111474870A (zh) | 一种基于机器学习的故障诊断、检测系统 | |
| CN103018254A (zh) | 一种基于图像识别技术的自动检测装置 | |
| CN117478830A (zh) | 基于视频监控的设备状态管理系统及设备状态管理方法 | |
| CN113916899B (zh) | 基于视觉识别的大输液软袋产品的检测方法、系统及装置 | |
| CN113443427A (zh) | 一种火锅底料加工辅助用夹持装置 | |
| CN212316325U (zh) | 一种智能纺纱粗纱故障检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150211 |
|
| RJ01 | Rejection of invention patent application after publication |