CN104475344B - 基于机器视觉实现纺织纱管分拣的方法 - Google Patents

Abstract

本发明涉及一种基于机器视觉实现纺织纱管分拣的方法，其中包括运行过程和调试过程，运行过程主要包括工业相机实时获取纺织纱管运输滑道的图像，以及工控机对纺织纱管运输滑道的图像进行二值化处理，并对处理后的图像进行有无纱管识别、纱管纱线识别、颜色识别以及纺织纱管粗细头识别这四种识别过程，并将识别完成的纺织纱管按照要求进行摆放；调试过程主要是对运行过程中相关特征的学习。采用本发明的基于机器视觉实现纺织纱管分拣的方法，摒弃了现有技术中纺织纱管分拣采用色敏传感器的方案，利用机器视觉实现了对纺织纱管的精确地分拣，提高了纺织纱管分拣的鲁棒性、灵活性和智能化，提高了生产效率，节约了劳动成本，带来了显著的经济效益。

Description

基于机器视觉实现纺织纱管分拣的方法

技术领域

本发明涉及机械领域，尤其涉及纺织技术，具体是指一种基于机器视觉实现纺织纱管分拣的方法。

背景技术

纺织纱管在纺织工业中用于缠线，数量大、颜色种类多。纺织纱管在重复使用前，需进行分类、理顺：

首先，将有残线的纱管和无残线的纱管分开；

其次，纱管两端的粗细程度不一样，所有纱管都要粗细端一致摆放整齐；

第三，有的情况下，不同颜色的纱管还要分开摆放。

由于纱管数量大、颜色种类多，分类工作非常繁复，人工分类不但劳动力成本高，而且效率也很低。

目前国内该行业的自动化设备，主要有以下缺点：

(1)中国专利CN201110303773中采用颜色传感器获取纱管的颜色、识别有无残线。该方法只能得到色差或者RGB三色信号，不能进一步作算法上的处理，因此识别的鲁棒性、灵活性、智能化程度都受局限。

(2)另外，文献理管机的研究与设计(陈睿，徐安进，吴小艳，机电产品开发与创新，2012，25(3)：43～44)中采用机械的方法，判决纱管的放置方向，把纱管的粗细端理顺；该方法中不能精确地判断出纺织纱管的粗头和细头，容易判断错误，浪费了人力、物力和财力，限制了应用范围。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够准确地实现纺织纱管的分拣、提高生产效率、节约劳动成本、应用范围广泛的基于机器视觉实现纺织纱管分拣的方法。

为了实现上述目的，本发明的基于机器视觉实现纺织纱管分拣的方法具有如下构成：

该基于机器视觉实现纺织纱管分拣的方法，其主要特点是，所述的方法包括以下步骤：

(1)工业相机实时获取纺织纱管运输滑道的图像；

(2)工控机对所述的图像进行分析后，判断所述的图像与无纱管的纺织纱管运输滑道的图像是否相同；

(3)如果所述的图像与无纱管的纺织纱管运输滑道的图像相同，则继续步骤(1)；

(4)如果所述的图像与无纱管的纺织纱管运输滑道的图像不相同，则所述的工控机判断所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像是否相同；

(5)如果所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同，则继续步骤(1)；

(6)如果所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像相同，则所述的工控机识别所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色；

(7)所述的工控机根据所识别的颜色控制纱管分拣装置将纱管运输至相应位置。

进一步地，所述的步骤(1)之前还包括以下步骤：

(0.1)所述的工控机保存无纱管的纺织纱管运输滑道的图像；

(0.2)用户根据工厂环境设置纺织纱管检测阈值；

(0.3)所述的工控机保存无纱线的纺织纱管的图像；

(0.4)用户根据工厂环境设置面积阈值及边缘阈值；

(0.5)所述的工控机保存所有待识别的纺织纱管的颜色的RGB数值。

更进一步地，所述的工控机对所述的图像进行分析，具体为：

(2.1)所述的工控机将所述的图像转换为数字图像；

(2.2)所述的工控机将所述的数字图像与所述的无纱管的纺织纱管运输滑道的图像相减后得到差值图像；

(2.3)所述的工控机对所述的差值图像进行二值化处理。

再进一步地，所述的判断所述的图像与无纱管的纺织纱管运输滑道的图像是否相同，具体包括以下步骤：

(2.4)判断二值化处理后的图像的有效面积是否小于纺织纱管检测阈值；

(2.5)如果二值化处理后的图像的有效面积小于纺织纱管检测阈值，则输出所述的图像与无纱管的纺织纱管运输滑道的图像相同的结果；

(2.6)如果二值化处理后的图像的有效面积不小于纺织纱管检测阈值，则输出所述的图像与无纱管的纺织纱管运输滑道的图像相同的结果。

再进一步地，所述的工控机判断所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像是否相同，具体包括以下步骤：

(4.1)所述的工控机判断二值化处理后的图像的有效面积是否大于面积阈值；

(4.2)如果二值化处理后的图像的有效面积大于面积阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同的结果；

(4.3)如果二值化处理后的图像的有效面积不小于面积阈值，则所述的工控机判断二值化处理后的图像的有效部分的边缘特征值是否大于边缘阈值；

(4.4)如果二值化处理后的图像的有效部分的边缘特征值大于边缘阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同的结果；

(4.5)如果二值化处理后的图像的有效部分的边缘特征值不大于边缘阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像相同的结果。

再进一步地，所述的工控机识别所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色，具体包括以下步骤：

(6.1)所述的工控机计算所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色的RGB数值；

(6.2)所述的工控机通过计算获得与该RGB数值最接近的所有待识别的纺织纱管的颜色的RGB数值；

(6.3)所述的工控机输出该与所述的RGB数值最接近的所有待识别的纺织纱管的颜色的RGB数值所对应的颜色为所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色。

再进一步地，所述的步骤(6)与步骤(7)之间还包括以下步骤：

(a)所述的工控机计算所述的二值化处理后的图像中有效部分的第一端和第二端的直径；

(b)所述的工控机判断所述的第一端的直径是否大于第二端的直径；

(c)如果所述的第一端的直径大于第二端的直径，则所述的工控机输出所述的纺织纱管的粗头在右端，然后继续步骤(7)；

(d)如果所述的第一端的直径不大于第二端的直径，则所述的工控机输出所述的纺织纱管的粗头在左端，然后继续步骤(7)。

采用了该发明中的基于机器视觉实现纺织纱管分拣的方法，与现有技术相比，具有以下有益效果：

本发明中的基于机器视觉实现纺织纱管分拣的方法，摒弃了现有技术中纺织纱管分拣采用色敏传感器的方案，利用机器视觉实现了对纺织纱管的精确地分拣，提高了纺织纱管分拣的鲁棒性、灵活性和智能化；本发明中的基于机器视觉实现纺织纱管分拣的方法，结合PLC端口控制技术和机械制造技术，已生产出整套的理管机器，各项指标均满足实际需求，成功地应用于纺织工厂；本发明中的基于机器视觉实现纺织纱管分拣的方法，提高了生产效率，节约了劳动成本，带来了显著的经济效益。

附图说明

图1为本发明的基于机器视觉实现纺织纱管分拣的方法的运行过程的步骤流程图。

图2为本发明的工控机二值化处理后的图像示意图。

图3为本发明的基于机器视觉实现纺织纱管分拣的方法的调试过程的步骤流程图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

请参阅图1至图3所示，本发明的基于机器视觉实现纺织纱管分拣的方法摒弃了现有技术中使用色敏传感器(色敏传感器仅能获取颜色信号，无法对颜色信号进行加工处理)来识别纺织纱管和纺织纱管的残线的颜色，本发明的基于机器视觉实现纺织纱管分拣的方法不仅能够获取整个纺织纱管分辨率为像素级的颜色信息，还能基于纺织纱管的所有像素点进行算法上的加工处理，实现各种智能化功能，以更优的性能完成理管任务。

本发明的基于机器视觉实现纺织纱管分拣的方法主要涉及到有无纱管识别、纱管纱线识别、颜色识别以及纺织纱管粗细头识别这四种识别过程，下面对这四种识别过程进行一一介绍，以便于本领域技术人员更好地理解本发明的技术方案。

第一：有无纱管识别，是用以判断纺织纱管运输滑道上是否存在有纺织纱管，但是需要说明的是本识别的前提是工业相机获取到纺织纱管运输滑道的图像，需要说明的是工业相机是周期性地实时地获取纺织纱管运输滑道的图像，这样在获取到纺织纱管运输滑道的图像后，工控机对该图像进行处理，即可得到纺织纱管运输滑道的二值化图像，然后即可判断出纺织纱管运输滑道上是否存在有纺织纱管。

其中，工业相机获取纺织纱管运输滑道的图像的周期是可设置的，该周期是由纺织纱管运输滑道的运行速度决定，以便于能将进过纺织纱管运输滑道的每一个纺织纱管都捕捉到，提高纺织纱管分拣的精确度。

第二：纱管纱线识别，是建立在纺织纱管运输滑道上存在纺织纱管的前提下的，当工业相机获取的该帧图像中存在纺织纱管，则需要判断该纺织纱管是是否存在残线，如果存在残线则需要进一步地处理，如果不存在残线则需要根据纱管的颜色进行分拣。

现有技术中是通过色敏传感器识别纱线的颜色。如果识别出纱线的颜色，则认为该纱管上有残线；否则认为没有残线。该方法对于纱管上残线不多的情况，鲁棒性很难保证：如果残线不多，纱管的颜色占主导，色敏传感器可能识别不出残线的颜色，误识为没有残线。

本发明的基于机器视觉实现纺织纱管分拣的方法，从训练图像中提取出残线的特征，以此作为模板。然后通过模式识别技术，判决测试图像中的纺织纱管是否带有残线。本发明的基于机器视觉实现纺织纱管分拣的方法能同时处理大线团以及仅有少量几根残线的情况；并可以通过修改参数，灵活检测出不同长度和数量的残线。

第三：颜色识别，用以在纺织纱管无纱线的情况下，判断纱管的颜色以实现对纱管的分拣。现有技术中色敏传感器仅能被动地获取纱管某部分的颜色信息，无法灵活地去除干扰。区别于色敏传感器，本发明的基于机器视觉实现纺织纱管分拣的方法采用机器视觉技术，对整个纱管的像素颜色进行统计处理、智能识别。本发明的基于机器视觉实现纺织纱管分拣的方法能自由控制在纱管上取色的区域；还能通过修改参数，灵活处理有杂质干扰或者颜色情况复杂的纱管，从而以很高的灵敏度和自由度去除噪声影响，显著增强鲁棒性。

第四：纺织纱管粗细头识别，用以在识别出纱管颜色的时候，将纱管的按顺序摆放，以便于纱管的再次使用现有技术中，将纱管的粗细头理顺。本发明的基于机器视觉实现纺织纱管分拣的方法采用一种全新的方法，对纺织纱管图像进行分析，通过机器视觉算法，自动识别出粗细头在哪一端，花费时间为毫秒级。

本发明的基于机器视觉实现纺织纱管分拣的方法的主要硬件涉笔是工控机和工业相机，工业相机用于获取纺织纱管运输滑道的图像，工控机用以云溪系统软件，通过系统软件，分析工业相机获取的纺织纱管运输滑道的图像。

另外，本发明的基于机器视觉实现纺织纱管分拣的方法主要包括两个处理过程，调试过程和运行过程，调试阶段，根据具体的光照环境，设置参数、保存模板等。调试过程完毕后即可进入运行过程。

首先，本发明的基于机器视觉实现纺织纱管分拣的方法的运行过程，需要说明的是若纱管上残线较多，比如多到基本将纱管覆盖住，这时纱管的颜色、纱管的粗细头判决都无从谈起。因此系统各功能的实现，有一定的先后顺序。

请参阅图1所示，为本发明的基于机器视觉实现纺织纱管分拣的方法的运行过程的步骤流程图。本发明的基于机器视觉实现纺织纱管分拣的方法的运行过程包括以下步骤：

(1)工业相机实时获取纺织纱管运输滑道的图像；

(2)工控机对所述的图像进行分析后，判断所述的图像与无纱管的纺织纱管运输滑道的图像是否相同；

(3)如果所述的图像与无纱管的纺织纱管运输滑道的图像相同，则继续步骤(1)；

(4)如果所述的图像与无纱管的纺织纱管运输滑道的图像不相同，则所述的工控机判断所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像是否相同；

(5)如果所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同，则继续步骤(1)；

(6)如果所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像相同，则所述的工控机识别所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色；

(7)所述的工控机根据所识别的颜色控制纱管分拣装置将纱管运输至相应位置。

针对上述的方法，下面就本发明的基于机器视觉实现纺织纱管分拣的方法的算法解决方案进行进一步地说明，算法解决方案，是对工业相机获取到的图像进行分析和智能化处理，提取信息，给出判决结果。算法部分是区别于色敏传感器解决方案的关键部分。色敏传感器只能被动接受纱管的颜色，没有进一步的信息加工机制，识别的灵活性和鲁棒性都难以保证；而算法却可以对图像进行灵活的加工处理。

请参阅图2所示，为工控机二值化处理后的图像示意图，所述的工控机对所述的图像进行分析，具体为：

(2.1)所述的工控机将所述的图像转换为数字图像；

(2.2)所述的工控机将所述的数字图像与所述的无纱管的纺织纱管运输滑道的图像相减后得到差值图像；

(2.3)所述的工控机对所述的差值图像进行二值化处理。

其中，通过减背景算法，把当前帧图像与背景图像(即五杀管的纺织纱管运输滑道的图像)相减，得到差值图像。并对差值图像进行二值化处理，得到二值图像。一般情况下，减背景算法后获取的图像中，对应于纺织纱管的区域的二值化图像的颜色为白色，其他背景区域的颜色为黑色。

所述的判断所述的图像与无纱管的纺织纱管运输滑道的图像是否相同，具体包括以下步骤：

(2.4)判断二值化处理后的图像的有效面积是否小于纺织纱管检测阈值；

(2.5)如果二值化处理后的图像的有效面积小于纺织纱管检测阈值，则输出所述的图像与无纱管的纺织纱管运输滑道的图像相同的结果；

(2.6)如果二值化处理后的图像的有效面积不小于纺织纱管检测阈值，则输出所述的图像与无纱管的纺织纱管运输滑道的图像不相同的结果。

其中，请再参阅图1所示，即为一个二值图像示例。以白色区域的面积s(图像的有效面积)作为特征，s大于设定的阈值S_b(纺织纱管检测阈值)，则认为有纱管；否则，认为无纱管，即：

其中，X_b值为1，表示有纱管；X_b值为0，表示没纱管。

另外，所述的工控机判断所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像是否相同，具体包括以下步骤：

(4.1)所述的工控机判断二值化处理后的图像的有效面积是否大于面积阈值；

(4.2)如果二值化处理后的图像的有效面积大于面积阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同的结果；

(4.3)如果二值化处理后的图像的有效面积不大于面积阈值，则所述的工控机判断二值化处理后的图像的有效部分的边缘特征值是否大于边缘阈值；

(4.4)如果二值化处理后的图像的有效部分的边缘特征值大于边缘阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同的结果；

(4.5)如果二值化处理后的图像的有效部分的边缘特征值不大于边缘阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像相同的结果。

通过学习的方法，提取有残线纱管的特征，根据该特征设定阈值。每一帧图像都能计算出与残线检测有关的特征量化值，然后比较该值是否超过阈值：若超过，则认为有线；否则，认为无线。

本发明的基于机器视觉实现纺织纱管分拣的方法通过两种特征，判决有无纱线：

第一种：面积特征

该特征处理残线较多的大线团。当残线较多时，纺织纱管的面积比没有残线时的纺织面积有显著增加。因此，设定以下判决标准：如果白色前景区域的面积s(图像的有效面积)大于无残线纱管面积S_y(面积阈值)，则认为有纱线；否则，通过其它方式再判别。即：

X_y为1表示有线，为x表示结果不定。

第二种：边缘特征

该特征处理残线较少的情况。纱管上有残线时，残线与纱管交接处会有比较明显的边缘。提取出该边缘，计算该边缘竖直方向的长度l(像素长度，图像的有效部分的边缘特征值)，然后设置以下判决标准：若l大于预先设定的阈值L(边缘阈值)，则认为有残线；否则，认为无残线。即：

此外，所述的工控机识别所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色，具体包括以下步骤：

(6.1)所述的工控机计算所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色的RGB数值；

(6.2)所述的工控机通过计算获得与该RGB数值最接近的所有待识别的纺织纱管的颜色的RGB数值；

(6.3)所述的工控机输出该与所述的RGB数值最接近的所有待识别的纺织纱管的颜色的RGB数值所对应的颜色为所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色。

在二值图前景区域(白色区域)，统计当前帧图像在该区域内的颜色信息，计算该区域内的颜色平均值：

其中，R_a、G_a、B_a分别为红、绿、蓝分量，R_ij、G_ij、B_ij分别是属于前景区域中像素位置(i，j)处的颜色分量，N是前景区域所有像素的个数。

得到该颜色值后，计算与每一个预先保存的颜色模板(所有待识别的纺织纱管的颜色的RGB数值)的欧式距离：

其中，下标i表示颜色模板里的第i个颜色，d_i是与第i个颜色模板的欧式距离。最终识别出的颜色为d_i最小时对应的颜色模板，即

对应的颜色模板(R，G，B)^T。

此外，所述的步骤(6)与步骤(7)之间还包括以下步骤：

(a)所述的工控机计算所述的二值化处理后的图像中有效部分的第一端和第二端的直径；

(b)所述的工控机判断所述的第一端的直径是否大于第二端的直径；

(c)如果所述的第一端的直径大于第二端的直径，则所述的工控机输出所述的纺织纱管的粗头在右端，然后继续步骤(7)；

(d)如果所述的第一端的直径不大于第二端的直径，则所述的工控机输出所述的纺织纱管的粗头在左端，然后继续步骤(7)。

如果相机视野中有纱管，减背景得到的二值图白色区域为纱管的形状。纱管一头粗一头细的外形轮廓很清晰地表现在二值图中。根据该外形轮廓提取特征，判决哪一端是粗头、哪一端是细头。

将纱管水平放置，则外形轮廓直径必有一头粗、一头细。请参阅图1所示的轮廓，计算出轮廓左、右两端的直径d_l、d_r，然后比较两个值的大小，值大的一端即为粗头端。设变量P代表粗头位置，则判决粗细头的方法可以表述为：

其中，P为1，表示粗头在左端；P为0，表示粗头在右端。

最后，请参阅图3所示，本发明的基于机器视觉实现纺织纱管分拣的方法的调试过程的步骤流程图。本发明的基于机器视觉实现纺织纱管分拣的方法的调试过程包括以下步骤：

(0.1)所述的工控机保存无纱管的纺织纱管运输滑道的图像(即背景图像)；

(0.2)用户根据工厂环境设置纺织纱管检测阈值；鉴于工厂环境光照条件复杂多样，需要人工设定纱管检测阈值。阈值越低，纱管区域像素点更容易在二值图中检测为白色前景；阈值越高，情况相反。

(0.3)所述的工控机保存无纱线的纺织纱管的图像；因为残线检测是基于机器视觉算法，所以需要预先学习相关的特征，比如无残线纱管的面积、直径。将学习好的特征作为模板保存。

(0.4)用户根据工厂环境设置面积阈值及边缘阈值；同样是为了适应光照变化，需要设定线检测阈值(面积阈值及边缘阈值)。阈值越高，越不容易检测出残线，但对噪声抑制性能越好；阈值越低，情况相反。

(0.5)所述的工控机保存所有待识别的纺织纱管的颜色的RGB数值。根据既定操作步骤，将待识别的纱管颜色一一保存，每个颜色对应一个出管通道。运行时，工控机会根据识别出的纱管颜色，将其归类到所属的通道中。

采用了该发明中的基于机器视觉实现纺织纱管分拣的方法，与现有技术相比，具有以下有益效果：

本发明中的基于机器视觉实现纺织纱管分拣的方法，摒弃了现有技术中纺织纱管分拣采用色敏传感器的方案，利用机器视觉实现了对纺织纱管的精确地分拣，提高了纺织纱管分拣的鲁棒性、灵活性和智能化；本发明中的基于机器视觉实现纺织纱管分拣的方法，结合PLC端口控制技术和机械制造技术，已生产出整套的理管机器，各项指标均满足实际需求，成功地应用于纺织工厂；本发明中的基于机器视觉实现纺织纱管分拣的方法，提高了生产效率，节约了劳动成本，带来了显著的经济效益。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (4)

1.一种基于机器视觉实现纺织纱管分拣的方法，其特征在于，所述的方法包括以下步骤：

(1)工业相机实时获取纺织纱管运输滑道的图像；

(2)工控机对所述的图像进行分析后，判断所述的图像与无纱管的纺织纱管运输滑道的图像是否相同；

(3)如果所述的图像与无纱管的纺织纱管运输滑道的图像相同，则继续步骤(1)；

(4)如果所述的图像与无纱管的纺织纱管运输滑道的图像不相同，则所述的工控机判断所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像是否相同；

(5)如果所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同，则继续步骤(1)；

(6)如果图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像相同，则所述的工控机识别所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色；

(7)所述的工控机根据所识别的颜色控制纱管分拣装置将纱管运输至相应位置；

所述的步骤(1)之前还包括以下步骤：

(0.1)所述的工控机保存无纱管的纺织纱管运输滑道的图像；

(0.2)用户根据工厂环境设置纺织纱管检测阈值；

(0.3)所述的工控机保存无纱线的纺织纱管的图像；

(0.4)用户根据工厂环境设置面积阈值及边缘阈值；

(0.5)所述的工控机保存所有待识别的纺织纱管的颜色的RGB数值；

所述的工控机对所述的图像进行分析，具体为：

(2.1)所述的工控机将所述的图像转换为数字图像；

(2.2)所述的工控机将所述的数字图像与所述的无纱管的纺织纱管运输滑道的图像相减后得到差值图像；

(2.3)所述的工控机对所述的差值图像进行二值化处理；

所述的步骤(6)与步骤(7)之间还包括以下步骤：

(a)所述的工控机计算所述的二值化处理后的图像中有效部分的第一端和第二端的直径；

(b)所述的工控机判断所述的第一端的直径是否大于第二端的直径；

(c)如果所述的第一端的直径大于第二端的直径，则所述的工控机输出所述的纺织纱管的粗头在右端，然后继续步骤(7)；

(d)如果所述的第一端的直径不大于第二端的直径，则所述的工控机输出所述的纺织纱管的粗头在左端，然后继续步骤(7)。

2.根据权利要求1所述的基于机器视觉实现纺织纱管分拣的方法，其特征在于，所述的判断所述的图像与无纱管的纺织纱管运输滑道的图像是否相同，具体包括以下步骤：

(2.4)判断二值化处理后的图像的有效面积是否小于纺织纱管检测阈值；

(2.5)如果二值化处理后的图像的有效面积小于纺织纱管检测阈值，则输出所述的图像与无纱管的纺织纱管运输滑道的图像相同的结果；

(2.6)如果二值化处理后的图像的有效面积不小于纺织纱管检测阈值，则输出所述的图像与无纱管的纺织纱管运输滑道的图像不相同的结果。

3.根据权利要求1所述的基于机器视觉实现纺织纱管分拣的方法，其特征在于，所述的工控机判断所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像是否相同，具体包括以下步骤：

(4.1)所述的工控机判断二值化处理后的图像的有效面积是否大于面积阈值；

(4.2)如果二值化处理后的图像的有效面积大于面积阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同的结果；

(4.3)如果二值化处理后的图像的有效面积不大于面积阈值，则所述的工控机判断二值化处理后的图像的有效部分的边缘特征值是否大于边缘阈值；

(4.4)如果二值化处理后的图像的有效部分的边缘特征值大于边缘阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像不相同的结果；

(4.5)如果二值化处理后的图像的有效部分的边缘特征值不大于边缘阈值，则输出所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分与无纱线的纺织纱管的图像相同的结果。

4.根据权利要求1所述的基于机器视觉实现纺织纱管分拣的方法，其特征在于，所述的工控机识别所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色，具体包括以下步骤：

(6.1)所述的工控机计算所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色的RGB数值；

(6.2)所述的工控机通过计算获得与该RGB数值最接近的所有待识别的纺织纱管的颜色的RGB数值；

(6.3)所述的工控机输出该与所述的RGB数值最接近的所有待识别的纺织纱管的颜色的RGB数值所对应的颜色为所述的图像中与所述的无纱管的纺织纱管运输滑道的图像不相同的部分的颜色。