CN104346818B - 一种机织物密度自动测量方法 - Google Patents
一种机织物密度自动测量方法 Download PDFInfo
- Publication number
- CN104346818B CN104346818B CN201410584359.8A CN201410584359A CN104346818B CN 104346818 B CN104346818 B CN 104346818B CN 201410584359 A CN201410584359 A CN 201410584359A CN 104346818 B CN104346818 B CN 104346818B
- Authority
- CN
- China
- Prior art keywords
- object image
- curve
- designated
- per unit
- former
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Abstract
本发明公开了一种机织物密度自动测量方法,它包括粗略测量和精确测量两个步骤:粗略测量主要通过亮度投影曲线来获取粗略的经纬纱根数;精确测量则是在粗略测量的基础上,通过对原机织物图像中的子图像单独进行投影来获取亮度投影曲线,再通过计算这些曲线在水平方向的累计波峰个数来获取精确的经纬纱根数,以此计算经纬纱密度。该方法不仅能快速实现单色机织物、单系统多色机织物和双系统多色机织物密度的自动测量,且测量误差较小,能够满足实际生产的需要。
Description
技术领域
本发明属图像分析处理领域,应用于纺织品织造参数自动分析与识别领域,涉及一种机织物密度自动测量方法。
背景技术
机织物密度包括经纱密度和纬纱密度,是机织物最基本的结构参数,分别是指10cm长度内经、纬纱的总根数。传统的机织物密度测量主要依靠人工,使用照布镜或织物密度分析镜来统计纱线根数,这种方法效率较低,且容易出错。随着数字图像处理与模式识别技术的发展,基于图像分析的机织物参数的自动测量成为了可能。目前,机织物密度的自动测量方法可以按机织物的类型分成三类:单色机织物、单系统多色机织物和双系统多色机织物密度的自动测量。
单色机织物密度的自动测量方法主要有:中值滤波法、基于亮度投影曲线的方法、基于灰度共生矩阵的方法、傅立叶变换法、小波变换法等。然而这些方法并不适用于多色机织物的密度测量。
在单系统多色机织物密度自动测量中,常用的方法是在RGB或Lab颜色空间上使用模糊C均值聚类算法,首先将机织物图像划分成单色和混色区域,再分别应用投影法和相关系数法来获取机织物密度。当存在颜色相近的纱线时,模糊C均值聚类算法并不准确,且该方法不能适用于双系统多色织物的密度测量。
对于双系统多色机织物,常用方法是基于梯度图像和彩色梯度图像的概念,利用彩色梯度图像,通过相关性和灰度投影理论,对双系统多色织物的进行密度识别。该算法对于多色机织物的密度测量精度较高,但需要繁琐的预处理操作。
发明内容
本发明的目的就是为了克服现有检测方法不足,提出了一种机织物密度自动测量方法。本发明包括粗略测量和精确测量两个步骤:粗略测量主要通过亮度投影曲线来获取粗略的经纬纱根数;精确测量则是在粗略测量的基础上,通过对原机织物图像中的子图像单独进行投影来获取亮度投影曲线,再通过计算这些曲线在水平方向的累计波峰个数来获取精确的经纬纱根数,以此计算经纬纱密度。该方法不仅能快速实现单色机织物、单系统多色机织物和双系统多色机织物密度的自动测量,且测量误差较小,能够满足实际生产的需要。
本发明的一种机织物密度自动测量方法,其特征包括粗略测量和精确测量两个步骤:
粗略测量:
(1)将尺寸为M×N(像素)的原机织物图像A转换至HSV颜色空间,并提取其中的亮度分量,记为V(i,j),其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N);
(2)对V(i,j)沿竖直方向进行投影,获得亮度投影曲线,记为P(j)
(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d1,并记平滑后的曲线为P'(j);
(4)统计曲线P'(j)中的波峰个数,即为原机织物图像A中的经纱粗略根数,记为nr;
精确测量:
(5)将V(i,j)沿水平方向均匀地分割为s个子图像,记为Tk(i,j),其中k=1,2…s,代表各子图像的序号
Tk(i,j)=V(s×(k-1)+i,j) (k=1…s i=1…M j=1…N) (3)
其中,α为子图像分割控制参数,根据操作经验在区间[0.5,2]内选定效果较好,为向上取整运算符;
(6)将每个子图像Tk(i,j)沿竖直方向进行投影,获得各自的亮度投影曲线,记为Qk(j)
(7)对所得投影曲线Qk(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d2,并记平滑后的曲线为Q'k(j);
(8)统计所有曲线Q'k(j)沿水平方向上的累计波峰个数,记为N(j);
(9)对N(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d3,记平滑后的曲线为N'(j);
(10)统计曲线N'(j)中的波峰个数,即为原机织物图像中经纱的精确根数,记为nJ;
(11)将原机织物图像A沿中轴线旋转90°,并记旋转后的图像为AT,然后以AT代替原机织物图像执行步骤(1)~步骤(10)以获得原机织物图像A的纬纱精确根数,记为nW;
(12)求解机织物图像经纱密度DJ(根/10cm),
DJ=10×nJ/W (5)
DW=10×nW/H (6)
其中,W(cm)为原机织物图像实际水平宽度,H(cm)为原机织物图像实际竖直高度。
如上所述的一种机织物密度自动测量方法,所述的原机织物可为所有品种的单色织物和多色织物。
如上所述的一种机织物密度自动测量方法,所述的原机织物图像中的行方向(水平方向)为纬纱排列方向,列方向(竖直方向)为经纱排列方向。
如上所述的一种机织物密度自动测量方法,所述的原机织物图像颜色空间格式为RGB。
如上所述的一种机织物密度自动测量方法,所用的平滑处理方法为LOESS(Locally Weight Regression)回归算法,其中平滑所用窗口宽度选取依据如下:
窗口宽度d1的选取原则:
d1=γ1×M/H (7)
其中,γ1为数据光滑控制参数,根据操作经验在区间[0.01,0.03]内选定效果较好;
窗口宽度d2的选取原则:
d2=γ2×N/nr (8)
其中,γ2为数据光滑控制参数,根据操作经验在区间[1,2]内选定效果较好;
窗口宽度d3的选取原则:
d3=γ3×N/nr (9)
其中,γ3为数据光滑控制参数,根据操作经验在区间[1,2]内选定效果较好。
本发明具有以下有益效果:
1、方法计算简单,运算效率高;
2、相比传统方法,方法品种适应性强;
3、方法具有较高的测量精度,能够满足实际生产的需求。
附图说明
图1是本发明实施例1中所采用的原多色机织物图像
图2是本发明实施例1中经LOESS回归平滑处理后的亮度投影曲线
图3是本发明实施例1中的子图像分割结果
图4是本发明实施例1中Q'k(j)沿水平方向上的累计波峰个数
图5是本发明实施例1中经LOESS回归平滑处理后的累计波峰个数曲线
图6是本发明实施例2中所采用的原多色机织物图像
图7是本发明实施例2中经LOESS回归平滑处理后的亮度投影曲线
图8是本发明实施例2中的子图像分割结果
图9是本发明实施例2中Q'k(j)沿水平方向上的累计波峰个数
图10是本发明实施例2中经LOESS回归平滑处理后的累计波峰个数曲线
具体实施方式
下面结合具体实施方式,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1
本发明实施例采用一幅来自色织工厂的双系统多色机织物图像作为试验图像,其颜色空间格式为RGB,像素尺寸为408像素×350像素(M=408,N=350),实际尺寸为0.864cm×0.741cm(H=0.864,W=0.741),竖直方向为经纱方向,水平方向为纬纱方向,如图1所示。本实施例具体的实现步骤为:
粗略测量:
(1)将尺寸为M×N(408×350)(像素)的原机织物图像A转换至HSV颜色空间,并提取其中的亮度分量,记为V(i,j),其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N);
(2)对V(i,j)沿竖直方向进行投影,获得亮度投影曲线,记为P(j)
(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d1,并记平滑后的曲线为P'(j),如图2所示,图2用于展示平滑后的曲线P'(j),用于在步骤(4)中统计波峰个数
d1=γ1×M/H
其中γ1的值根据经验选取0.02,求解d1的值为9.45;
(4)统计曲线P'(j)中的波峰个数,即为原机织物图像A中的经纱粗略根数,记为nr,nr的值为30。
精确测量:
(5)将V(i,j)沿水平方向均匀地分割为s个子图像,记为Tk(i,j),其中k=1,2…s,代表各子图像的序号,分割结果如图3所示,图3用于描述子图像分割的结果,每个子图像将在步骤(6)中被分别处理
Tk(i,j)=V(s×(k-1)+i,j) (k=1…s i=1…M j=1…N) (3)
其中,α为子图像分割控制参数,根据经验取1.8,为向上取整运算符,求解s的值为17;
(6)将每个子图像Tk(i,j)沿竖直方向进行投影,获得各自的亮度投影曲线,记为Qk(j)
(7)对所得投影曲线Qk(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d2,并记平滑后的曲线为Q'k(j);
d2=γ2×N/nr
其中γ2的值根据经验选取1,求解d2的值为11.67;
(8)统计所有曲线Q'k(j)沿水平方向上的累计波峰个数,记为N(j),N(j)的分布如图4所示,图4用于展示N(j)的分布,便于观察其规律;
(9)对N(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d3,记平滑后的曲线为N'(j),如图5所示,图5用于展示平滑后的曲线N'(j),用于在步骤(10)中统计波峰个数
d3=γ3×N/nr
其中γ2的值根据经验选取1.5,求解d2的值为17.5;
(10)统计曲线N'(j)中的波峰个数,即为原机织物图像中经纱的精确根数,记为nJ,nJ的值为33。
(11)将原机织物图像A沿中轴线旋转90°,并记旋转后的图像为AT,然后以AT代替原机织物图像执行步骤(1)~步骤(10)以获得原机织物图像A的纬纱精确根数,记为nW,nW的值为27;
(12)求解机织物图像经纱密度DJ(根/10cm),
DJ=10×nJ/W (5)
DW=10×nW/H (6)
经求解,DJ的值为381.94,DW的值为364.37。
人工测量结果为经纱密度DJ:382;纬纱密度Dw:364。经校对可知偏差率分别为0.016%以及0.102%。
人工测量本样品的经、纬纱密度所需时间为6分钟,采用本发明测量所需时间为3秒。本发明测量耗时量为人工测量的0.833%。
本实施例所采用的PC机配置为:
CPU:Intel Core i5 2.40GHz
RAM:4.00GB
操作系统:Windows 7家庭普通版
实施例2
本发明实施例采用一幅来自色织工厂的单系统多色机织物图像作为试验图像,其颜色空间格式为RGB,像素尺寸为593像素×593像素(M=593,N=593),实际尺寸为1.256cm×1.256cm(H=1.256,W=1.256),竖直方向为经纱方向,水平方向为纬纱方向,如图6所示。本实施例具体的实现步骤为:
粗略测量:
(1)将尺寸为M×N(593×593)(像素)的原机织物图像A转换至HSV颜色空间,并提取其中的亮度分量,记为V(i,j),其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N);
(2)对V(i,j)沿竖直方向进行投影,获得亮度投影曲线,记为P(j)
(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d1,并记平滑后的曲线为P'(j),如图7所示,图7用于展示平滑后的曲线P'(j),用于在步骤(4)中统计波峰个数
d1=γ1×M/H
其中γ1的值根据经验选取0.02,求解d1的值为9.45;
(4)统计曲线P'(j)中的波峰个数,即为原机织物图像A中的经纱粗略根数,记为nr,nr的值为37。
精确测量:
(5)将V(i,j)沿水平方向均匀地分割为s个子图像,记为Tk(i,j),其中k=1,2…s,代表各子图像的序号,分割结果如图8所示,图8用于描述子图像分割的结果,每个子图像将在步骤(6)中被分别处理
Tk(i,j)=V(s×(k-1)+i,j) (k=1…s i=1…M j=1…N) (3)
其中,α为子图像分割控制参数,根据经验取1.8,为向上取整运算符,求解s的值为21;
(6)将每个子图像Tk(i,j)沿竖直方向进行投影,获得各自的亮度投影曲线,记为Qk(j)
(7)对所得投影曲线Qk(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d2,并记平滑后的曲线为Q'k(j);
d2=γ2×N/nr
其中γ2的值根据经验选取1,求解d2的值为16.03;
(8)统计所有曲线Q'k(j)沿水平方向上的累计波峰个数,记为N(j),N(j)的分布如图9所示,图8用于展示N(j)的分布,便于观察其规律;
(9)对N(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d3,记平滑后的曲线为N'(j),如图10所示,图9用于展示平滑后的曲线N'(j),用于在步骤(10)中统计波峰个数
d3=γ3×N/nr
其中γ2的值根据经验选取1.5,求解d2的值为24.04;
(10)统计曲线N'(j)中的波峰个数,即为原机织物图像中经纱的精确根数,记为nJ,nJ的值为37。
(11)将原机织物图像A沿中轴线旋转90°,并记旋转后的图像为AT,然后以AT代替原机织物图像执行步骤(1)~步骤(10)以获得原机织物图像A的纬纱精确根数,记为nW,nW的值为54;
(12)求解机织物图像经纱密度DJ(根/10cm),
DJ=10×nJ/W (5)
DW=10×nW/H (6)
经求解,DJ的值为294.59,DW的值为429.94。
人工测量结果为经纱密度DJ:294.5;纬纱密度Dw:430。经校对可知偏差率分别为0.031%以及0.014%。
人工测量本样品的经、纬纱密度所需时间为8分钟,采用本发明测量所需时间为4秒。本发明测量耗时量为人工测量的0.833%。
本实施例所采用的PC机配置为:
CPU:Intel Core i5 2.40GHz
RAM:4.00GB
操作系统:Windows 7家庭普通版
Claims (5)
1.一种机织物密度自动测量方法,其特征包括粗略测量和精确测量两个步骤:
粗略测量:
(1)将尺寸为M×N(像素)的原机织物图像A转换至HSV颜色空间,并提取其中的亮度分量,记为V(i,j),其中i,j分别为V的行和列坐标取值,其中1≤i≤M,1≤i≤N;
(2)对V(i,j)沿竖直方向进行投影,获得亮度投影曲线,记为P(j)
(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d1,并记平滑后的曲线为P'(j);
(4)统计曲线P'(j)中的波峰个数,即为原机织物图像A中的经纱粗略根数,记为nr;
精确测量:
(5)将V(i,j)沿水平方向均匀地分割为s个子图像,记为Tk(i,j),其中k=1,2…s,代表各子图像的序号
Tk(i,j)=V(s×(k-1)+i,j)其中,k=1…s i=1…M j=1…N (3)
其中,α为子图像分割控制参数,根据操作经验在区间[0.5,2]内选定效果较好,为向上取整运算符;
(6)将每个子图像Tk(i,j)沿竖直方向进行投影,获得各自的亮度投影曲线,记为Qk(j)
(7)对所得投影曲线Qk(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d2,并记平滑后的曲线为Q'k(j);
(8)统计所有曲线Q'k(j)沿水平方向上的累计波峰个数,记为N(j);
(9)对N(j)采用LOESS回归进行平滑处理,平滑所用窗口宽度为d3,记平滑后的曲线为N'(j);
(10)统计曲线N'(j)中的波峰个数,即为原机织物图像中经纱的精确根数,记为nJ;
(11)将原机织物图像A沿中轴线旋转90°,并记旋转后的图像为AT,然后以AT代替原机织物图像执行步骤(1)~步骤(10)以获得原机织物图像A的纬纱精确根数,记为nW;
(12)求解机织物图像经纱密度DJ,DW为纬纱密度;单位为:根/10cm,
DJ=10×nJ/W (5)
DW=10×nW/H (6)
其中,W(cm)为原机织物图像实际水平宽度,H(cm)为原机织物图像实际竖直高度。
2.根据权利要求1所述的一种机织物密度自动测量方法,其特征在于,原机织物可为所有品种的单色织物和多色织物。
3.根据权利要求1所述的一种机织物密度自动测量方法,其特征在于,原机织物图像中的行方向为纬纱排列方向,列方向为经纱排列方向。
4.根据权利要求1所述的一种机织物密度自动测量方法,其特征在于,原机织物图像颜色空间格式为RGB。
5.根据权利要求1所述的一种机织物密度自动测量方法,其特征在于,所用的平滑处理方法为LOESS(Locally Weight Regression)回归算法,其中平滑所用窗口宽度选取依据如下:
窗口宽度d1的选取原则:
d1=γ1×M/H (7)
其中,γ1为数据光滑控制参数,根据操作经验在区间[0.01,0.03]内选定效果较好;
窗口宽度d2的选取原则:
d2=γ2×N/nr (8)
其中,γ2为数据光滑控制参数,根据操作经验在区间[1,2]内选定效果较好;
窗口宽度d3的选取原则:
d3=γ3×N/nr (9)
其中,γ3为数据光滑控制参数,根据操作经验在区间[1,2]内选定效果较好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410584359.8A CN104346818B (zh) | 2014-10-27 | 2014-10-27 | 一种机织物密度自动测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410584359.8A CN104346818B (zh) | 2014-10-27 | 2014-10-27 | 一种机织物密度自动测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104346818A CN104346818A (zh) | 2015-02-11 |
CN104346818B true CN104346818B (zh) | 2017-07-18 |
Family
ID=52502358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410584359.8A Expired - Fee Related CN104346818B (zh) | 2014-10-27 | 2014-10-27 | 一种机织物密度自动测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104346818B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654123B (zh) * | 2015-12-26 | 2019-02-22 | 河北工业大学 | 一种机织物组织图的识别方法 |
CN105787949A (zh) * | 2016-03-24 | 2016-07-20 | 上海工程技术大学 | 色织物经纬纱密度的测量方法 |
CN106127781A (zh) * | 2016-06-30 | 2016-11-16 | 上海工程技术大学 | 一种色织物密度的测量方法及装置 |
CN107167476A (zh) * | 2017-05-22 | 2017-09-15 | 绍兴众舟科技有限公司 | 一种面料密度测定方法以及面料密度测定系统 |
CN107886549B (zh) * | 2017-10-18 | 2021-07-30 | 浙江工业大学之江学院 | 一种基于编织纹理细节增强的织物纹样色彩转移方法 |
CN109137446B (zh) * | 2018-10-11 | 2021-02-05 | 江南大学 | 一种色织物经纱排列的自动校对方法 |
CN111830036B (zh) * | 2020-07-01 | 2023-04-07 | 湖北省纤维检验局 | 一种织物密度分析方法及系统 |
CN112070723B (zh) * | 2020-08-14 | 2023-11-28 | 盐城工业职业技术学院 | 一种素色机织物密度的自动识别方法 |
CN112766152B (zh) * | 2021-01-18 | 2023-09-22 | 盐城工业职业技术学院 | 一种机织物密度自动识别的通用方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103471973A (zh) * | 2013-09-05 | 2013-12-25 | 东华大学 | 一种图像法测定织物孔隙特征的方法 |
CN103911717A (zh) * | 2014-04-09 | 2014-07-09 | 西南大学 | 一种调整彩织视觉效果的方法 |
-
2014
- 2014-10-27 CN CN201410584359.8A patent/CN104346818B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103471973A (zh) * | 2013-09-05 | 2013-12-25 | 东华大学 | 一种图像法测定织物孔隙特征的方法 |
CN103911717A (zh) * | 2014-04-09 | 2014-07-09 | 西南大学 | 一种调整彩织视觉效果的方法 |
Non-Patent Citations (3)
Title |
---|
Automatic Inspection of Woven Fabric Density of Solid Colour Fabric Density by the Hough Transform;Pan Ruru;《FIBRES & TEXTILES in Eastern Europe》;20101231;第18卷(第4期);第46-51页 * |
基于图像分析的织物起毛起球自动评级研究;高卫东;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20120615(第6期);正文第11-19页,第95页第1段,图2-3,图2-7,图2-8,图2-11 * |
织物中经纱排列参数的自动识别;高卫东;《棉纺织技术》;20020331;第30卷(第3期);第6部分 * |
Also Published As
Publication number | Publication date |
---|---|
CN104346818A (zh) | 2015-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346818B (zh) | 一种机织物密度自动测量方法 | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
CN109671124B (zh) | 一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测系统 | |
CN110490858B (zh) | 一种基于深度学习的织物缺陷像素级分类方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN103542937B (zh) | 一种数码印花色差的检验方法 | |
CN105550660A (zh) | 一种机织物组织结构种类的识别方法 | |
CN104036493B (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
CN102750405A (zh) | 一种色纺夹花织物的计算机仿真方法 | |
CN109035195A (zh) | 一种织物疵点检测方法 | |
CN104408714B (zh) | 一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法 | |
CN107274385A (zh) | 基于类格图案及其Gabor特征的纺织品瑕疵检测方法 | |
CN104715477A (zh) | 基于多尺度和多区域的机织物编织密度的图像分析方法 | |
CN109872313A (zh) | 一种基于深度卷积自编码器的产品表面缺陷检测方法 | |
CN113222992B (zh) | 基于多重分形谱的裂纹特征表征方法及系统 | |
CN108921819A (zh) | 一种基于机器视觉的验布装置及方法 | |
CN104966348B (zh) | 一种票据图像要素完整性检测方法及系统 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN115100206A (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
Techniková et al. | Weaving density evaluation with the aid of image analysis | |
CN106157264A (zh) | 基于经验模式分解的大幅面图像不均匀光照校正方法 | |
CN115294116A (zh) | 基于人工智能的纺织材料染色质量评估方法、装置及系统 | |
CN115131353A (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
CN101976440A (zh) | 一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法 | |
CN107945164B (zh) | 基于峰值阈值、旋转校准和混合特征的纺织品瑕疵检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170718 Termination date: 20211027 |
|
CF01 | Termination of patent right due to non-payment of annual fee |