CN107132235A - 在线织物疵点检测方法 - Google Patents

在线织物疵点检测方法 Download PDF

Info

Publication number
CN107132235A
CN107132235A CN201710476440.8A CN201710476440A CN107132235A CN 107132235 A CN107132235 A CN 107132235A CN 201710476440 A CN201710476440 A CN 201710476440A CN 107132235 A CN107132235 A CN 107132235A
Authority
CN
China
Prior art keywords
mrow
msub
image
munderover
fabric
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.)
Granted
Application number
CN201710476440.8A
Other languages
English (en)
Other versions
CN107132235B (zh
Inventor
周建
王鸿博
钟俊杰
王峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangyin Xiangfei Textile Technology Co ltd
Jiangnan University
Original Assignee
Jiangnan University
Jiangyin Xiangfei Fashion Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University, Jiangyin Xiangfei Fashion Co Ltd filed Critical Jiangnan University
Priority to CN201710476440.8A priority Critical patent/CN107132235B/zh
Publication of CN107132235A publication Critical patent/CN107132235A/zh
Application granted granted Critical
Publication of CN107132235B publication Critical patent/CN107132235B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明公开了一种在线织物疵点检测方法，利用接触式图像传感器作为图像采集设备，并将其安装在织机上的织物形成区位置，实现在线织物图像采集。通过进一步对采集图像进行分析进行织物疵点检测，实现生产质量的在线监测，跟踪生产状况，及时发现织物疵点，提高生产质量减少次品率；不需要附加的光源设备，且安装方便，与不同类型织机均能适配。

Description

在线织物疵点检测方法
技术领域
本发明涉及在线织物疵点检测技术领域，特别是涉及一种采用接触式图像传感器的在线织物疵点检测方法。
背景技术
织物表面疵点的检测直接决定了织物成品的等级，及时发现疵点并进行修整是纺织企业中必不可少的环节。在纺织企业中，织物疵点的检测可分为在线检测和离线检测两种方式。织物疵点的离线检测是指在织物生产完成后，由专门的验布工人对织物质量进行检测，通过人工视觉发现织物表面的疵点，并进行简单修整或标识，由修布工人对织物疵点进行修整处理。这种人工验布方法耗时费力，且对验布工人的视觉伤害较大，疵点检测的遗漏率较高。
为了解决织物疵点人工检测的缺陷，近年来，采用图像分析和机器视觉的方法进行织物疵点的检测成为科学研究中的一个热点问题，目前，已经有较多成熟的检测算法和一些商用的检测系统，如I-TEX 2000等。但现有的织物检测系统大都采用的是离线检测方法，也就是在织物生产完成后，对织物布面进行检测，对于织物生产中一些重复出现的疵点无法及时发现和避免。
织物疵点的在线检测是指在织物生产中对织物表面进行监测，当发现疵点时，及时停车并进行修整，以去除疵点并避免同样的疵点重复出现。目前在纺织企业中，一名挡车工一般要负责多台机器，很难及时发现织物生产中出现的疵点。目前报道中，有采用CCD工业相机在专用的光源照明下，采集织物表面图像，对织物疵点进行监测的方法。但这种方法存在以下缺陷：(1)采用的CCD工业相机价格昂贵，且需要有专门的高亮光源相配合，整套系统价格过高，不适宜与一般的普通织机相适配；(2)一台CCD相机无法采集整个门幅的织物图像，需要增加相机的移动装置，在织造过程中相机作往复运动，这也增加了系统的安装难度，不便于纺织企业的使用。
发明内容
本发明针对现有技术存在的问题和不足，提供一种在线织物疵点检测方法。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供一种在线织物疵点检测方法，其特点在于，其包括一接触式图像传感器，该接触式图像传感器固定在距该织机的织口位置5～10cm处，该接触式图像传感器的方向与该织机的钢筘的方向平行，该接触式图像传感器的高度距在线织物表面为1～2cm；
该在线织物疵点检测方法包括以下步骤：
S1、该接触式图像传感器采集无疵点织物的样本图像，记为I，将样本图像I划分成N个w×w的图像块，每一图像块的第i行第j列的图点记为K(i,j)，则通过公式1对K(i,j)在水平方向和垂直方向进行投影，并记所得的一维向量分别为Ph和Pv；
S2、从Ph和Pv中提取水平差分与垂直差分，公式2如下：
其中，Dh和Dv分别为水平差分与垂直差分；
S3、从Ph和Pv中提取水平自相关特征向量与垂直自相关特征向量，公式3如下：
其中，Ah和Av分别为水平自相关特征向量与垂直自相关特征向量，μ1和μ2分别为Ph和Pv的平均值，σ1和σ2分别为Ph和Pv的标准差；
S4、计算图像I中N个图像块对应的Dh的平均值、N个图像块对应的Dv的平均值、N个图像块对应的Ah的平均值、N个图像块对应的Av的平均值，分别记为TDH、TDV、TAH、TAV；
S5、该接触式图像传感器采集在线织物的图像，记为J，将图像J划分成N个w×w的图像块，应用公式1计算一维向量Ph和Pv；
S6、应用公式2和公式3计算图像J的水平差分Dh与垂直差分Dv，水平自相关特征向量Ah与垂直自相关特征向量Av；
S7、计算图像J中每一个图像块对应的Dh、Dv、Ah和Av，分别记为SDH、SDV、SAH和SAV，若图像J中某个图像块满足：
10×|SDH-TDH|+10×|SDV-TDV|+||SAH-TAH||+||SAV-TAV||>δ，
则将该图像块判定为有疵点，其中，δ≤9.5。
较佳地，该接触式图像传感器的长度与织机上的在线织物的幅宽长度相同，该接触式图像传感器固定在距该织机的织口位置6cm处。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：
1、检测成本低，体积小；
2、实时跟踪织物质量，及时发现织物疵点，减少次品率；
3、采集到的织物图像分辨率高，不需要附加的光源设备，且安装方便。
附图说明
图1为本发明较佳实施例的接触式图像采集设备的安装示意图。
图2为本发明较佳实施例的在线织物疵点检测方法的流程图。
图3为本发明较佳实施例的采集到无疵点织物图像。
图4为本发明较佳实施例的采集到有疵点织物图像。
图5为本发明较佳实施例的疵点检测效果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例采用接触式图像传感器作为图像采集设备，该接触式图像传感器的长度与织机上的在线织物的幅宽长度相同，该接触式图像传感器固定在距该织机的织口位置5～10cm处，该接触式图像传感器的方向与该织机的钢筘的方向平行，该接触式图像传感器的高度距在线织物表面为1～2cm。
以机织物图像在线采集为例，图1给出了接触式图像传感器在织机上的安装位置，其中1表示引纬载体，2表示已织入的纬纱，3表示已经织好的织物，4为本实施例所用的接触式图像传感器安装位置，5表示织口，6为钢筘。本实施例提出的接触式图像采集设备安装于距离织口6cm处，此处属于织物形成区域，该位置的织物还未卷绕，呈平面状态，非常有利于织物图像采集，若此位置采集的织物图像经疵点分析软件发现有疵点，则会立即发出停车信号，通知挡车工对其进行处理，例如对疵点进行及时修整，以防止疵点的重复出现。
如图2所示，该在线织物疵点检测方法包括以下步骤：
步骤101、该接触式图像传感器采集无疵点织物的样本图像，记为I，将样本图像I划分成N个w×w的图像块，每一图像块的第i行第j列的图点记为K(i,j)，则通过公式1对K(i,j)在水平方向和垂直方向进行投影，并记所得的一维向量分别为Ph和Pv；
步骤102、从Ph和Pv中提取水平差分与垂直差分，公式2如下：
其中，Dh和Dv分别为水平差分与垂直差分；
步骤103、从Ph和Pv中提取水平自相关特征向量与垂直自相关特征向量，公式3如下：
其中，Ah和Av分别为水平自相关特征向量与垂直自相关特征向量，
μ1和μ2分别为Ph和Pv的平均值，σ1和σ2分别为Ph和Pv的标准差；
步骤104、计算图像I中N个图像块对应的Dh的平均值、N个图像块对应的Dv的平均值、N个图像块对应的Ah的平均值、N个图像块对应的Av的平均值，分别记为TDH、TDV、TAH、TAV；
步骤105、该接触式图像传感器采集在线织物的图像，记为J，将图像J划分成N个w×w的图像块，应用公式1计算一维向量Ph和Pv；
步骤106、应用公式2和公式3计算图像J的水平差分Dh与垂直差分Dv，水平自相关特征向量Ah与垂直自相关特征向量Av；
步骤107、计算图像J中每一个图像块对应的Dh、Dv、Ah和Av，分别记为SDH、SDV、SAH和SAV，若图像J中某个图像块满足：
10×|SDH-TDH|+10×|SDV-TDV|+||SAH-TAH||+||SAV-TAV||>δ，
则将该图像块判定为有疵点，其中，δ≤9.5。
下面举一具体的例子来说明本发明，以使得本领域的技术人员能够更好地理解本发明的技术方案：
图3为一幅通过本发明所用的接触式图像传感器所采集到的无疵点织物图像，从图3中可以看出，采集到织物图像清晰且分辨率高。图4为一幅通过本发明所用的接触式图像传感器所采集到的有疵点织物图像，从图4可以看出，图像中有疵点的区域明显，便于后续疵点检测方法进行准确疵点检测，其具体的疵点检测方法如下：
参数学习阶段：
(1)图3为采集的无疵点织物图像，大小256×512像素，记为I，将I划分成128个32×32的图像块，记为K(i,j)，则通过公式1对K(i,j)在其水平和垂直方向投影，并记所得的一维向量分别为Ph和Pv。
(2)应用公式2从Ph和Pv中提取水平与垂直差分Dh和Dv。
(3)应用公式3从Ph和Pv中提取水平与垂直自相关特征向量Ah和Av。
(4)计算图像I中128个图像块对应的Dh的平均值，128个图像块对应的Dv的平均值，128个图像块对应的Ah的平均值，128个图像块对应的Av的平均值，进而获得TDH＝0.43，TDV＝0.34，
TAH＝[0.387 -0.568 -0.693 0.079 0.669 0.372 -0.367 -0.570 -0.062 0.4590.334 -0.194 -0.437 -0.122 0.282 0.278 -0.081 -0.295 -0.131 0.159 0.197 -0.011 -0.174 -0.103 0.059 0.102 0.010 -0.062 -0.040 0.011 0.014]，
TAV＝[0.285 -0.511 -0.134 0.499 0.191 -0.381 -0.169 0.330 0.140 -0.344-0.226 0.229 0.166 -0.253 -0.243 0.137 0.180 -0.138 -0.215 0.040 0.126 -0.074-0.153 0.010 0.095 -0.017 -0.084 -0.012 0.036 0.002 -0.013]。
检测阶段：
(5)采集在线织物的图像，大小256×512像素，记为J，将J划分成128个32×32的图像块，应用公式(1)计算向量Ph和Pv。
(6)应用公式(2)和公式(3)计算图像J的水平差分与垂直差分Dh和Dv，水平自相关特征向量与垂直自相关特征向量Ah和Av。
(7)计算图像J中每一个图像块对应的Dh、Dv、Ah和Av，分别记为SDH、SDV、SAH和SAV；
其中，第33个图像块SDH＝0.52，SDV＝0.41，SAH＝[1.635 1.635 1.635 1.6351.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.6351.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.635 1.6351.635]，
SAV＝[0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.6830.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683 0.6830.683 0.683 0.683 0.683 0.683 0.683 0.683 0.683]。
(8)取δ＝9.5，则图像J中第33个图像块：
10×|SDH-TDH|+10×|SDV-TDV|+||SAH-TAH||+||SAV-TAV||＝15.032>9.5，
则将该图像块判定有疵点。图5给出了对图4的疵点区域的最终检测效果(黑色方框表示图像块判定有疵点)。
综上，本发明提出了一种采用接触式图像传感器的在线织物疵点检测方法，利用光电耦合传感器制作接触式图像采集设备，将其安装在织机上的织物形成区位置，可实现在线织物图像的采集，并对采集图像进行分析实现织物生产质量的在线监测，实时跟踪生产状况，提高产品质量。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (2)

1.一种在线织物疵点检测方法，其特征在于，其包括一接触式图像传感器，该接触式图像传感器固定在距该织机的织口位置5～10cm处，该接触式图像传感器的方向与该织机的钢筘的方向平行，该接触式图像传感器的高度距在线织物表面为1～2cm；
该在线织物疵点检测方法包括以下步骤：
S1、该接触式图像传感器采集无疵点织物的样本图像，记为I，将样本图像I划分成N个w×w的图像块，每一图像块的第i行第j列的图点记为K(i,j)，则通过公式1对K(i,j)在水平方向和垂直方向进行投影，并记所得的一维向量分别为Ph和Pv；
<mrow> <msub> <mi>P</mi> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>w</mi> </munderover> <mi>K</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>/</mo> <mi>w</mi> </mrow>
<mrow> <msub> <mi>P</mi> <mi>v</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>w</mi> </munderover> <mi>K</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>/</mo> <mi>w</mi> </mrow>
S2、从Ph和Pv中提取水平差分与垂直差分，公式2如下：
<mrow> <msub> <mi>D</mi> <mi>h</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>w</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>h</mi> </msub> <mo>(</mo> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mi>h</mi> </msub> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
<mrow> <msub> <mi>D</mi> <mi>v</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>w</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>v</mi> </msub> <mo>(</mo> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mi>v</mi> </msub> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
其中，Dh和Dv分别为水平差分与垂直差分；
S3、从Ph和Pv中提取水平自相关特征向量与垂直自相关特征向量，公式3如下：
<mrow> <msub> <mi>A</mi> <mi>h</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>w</mi> <mo>-</mo> <mi>k</mi> </mrow> </munderover> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>h</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>h</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>+</mo> <mi>k</mi> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mn>1</mn> <mn>2</mn> </msubsup> <mi>w</mi> </mrow> </mfrac> </mrow>
<mrow> <msub> <mi>A</mi> <mi>v</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>w</mi> <mo>-</mo> <mi>k</mi> </mrow> </munderover> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>v</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>v</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>+</mo> <mi>k</mi> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mn>2</mn> <mn>2</mn> </msubsup> <mi>w</mi> </mrow> </mfrac> </mrow>
其中，Ah和Av分别为水平自相关特征向量与垂直自相关特征向量，μ1和μ2分别为Ph和Pv的平均值，σ1和σ2分别为Ph和Pv的标准差；
S4、计算图像I中N个图像块对应的Dh的平均值、N个图像块对应的Dv的平均值、N个图像块对应的Ah的平均值、N个图像块对应的Av的平均值，分别记为TDH、TDV、TAH、TAV；
S5、该接触式图像传感器采集在线织物的图像，记为J，将图像J划分成N个w×w的图像块，应用公式1计算一维向量Ph和Pv；
S6、应用公式2和公式3计算图像J的水平差分Dh与垂直差分Dv，水平自相关特征向量Ah与垂直自相关特征向量Av；
S7、计算图像J中每一个图像块对应的Dh、Dv、Ah和Av，分别记为SDH、SDV、SAH和SAV，若图像J中某个图像块满足：
10×|SDH-TDH|+10×|SDV-TDV|+||SAH-TAH||+||SAV-TAV||>δ，
则将该图像块判定为有疵点，其中，δ≤9.5。
2.如权利要求1所述的在线织物疵点检测方法，其特征在于，该接触式图像传感器的长度与织机上的在线织物的幅宽长度相同，该接触式图像传感器固定在距该织机的织口位置6cm处。
CN201710476440.8A 2017-06-21 2017-06-21 在线织物疵点检测方法 Expired - Fee Related CN107132235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710476440.8A CN107132235B (zh) 2017-06-21 2017-06-21 在线织物疵点检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710476440.8A CN107132235B (zh) 2017-06-21 2017-06-21 在线织物疵点检测方法

Publications (2)

Publication Number Publication Date
CN107132235A true CN107132235A (zh) 2017-09-05
CN107132235B CN107132235B (zh) 2019-07-05

Family

ID=59735608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710476440.8A Expired - Fee Related CN107132235B (zh) 2017-06-21 2017-06-21 在线织物疵点检测方法

Country Status (1)

Country Link
CN (1) CN107132235B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110132154A (zh) * 2019-06-05 2019-08-16 江南大学 一种基于机器视觉的钢筘质量检测方法
CN110148119A (zh) * 2019-04-25 2019-08-20 北京恒图科技有限公司 一种光标记系统及方法
CN110715940A (zh) * 2018-07-12 2020-01-21 株式会社丰田自动织机 织机的织疵检查装置
CN110715937A (zh) * 2018-07-12 2020-01-21 株式会社丰田自动织机 织机的织物检查装置
US11205262B2 (en) 2020-07-28 2021-12-21 Jiangnan University Online detection method of circular weft knitting stripe defects based on gray gradient method
WO2022021774A1 (zh) * 2020-07-28 2022-02-03 江南大学 一种基于灰度梯度法的圆纬编横条疵点在线检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6621915B1 (en) * 2000-02-29 2003-09-16 China Textile Institute Method and system inspecting on-line cotton web homogeneity by digital image processing
CN1760437A (zh) * 2005-11-10 2006-04-19 东华大学 一种自动验布等级客观评定系统
CN1948603A (zh) * 2006-11-10 2007-04-18 苏州大学 一种识别机织物疵点的方法
CN102269714A (zh) * 2011-06-16 2011-12-07 江南大学 基于图像处理的网格圈质量检测方法
CN104034732A (zh) * 2014-06-17 2014-09-10 西安工程大学 一种基于视觉任务驱动的织物疵点检测方法
CN104199823A (zh) * 2014-07-14 2014-12-10 西安工程大学 一种基于视觉数据驱动的织物疵点动态检测方法
CN105738376A (zh) * 2016-02-29 2016-07-06 东华大学 一种采用接触式图像传感器的自动验布机

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6621915B1 (en) * 2000-02-29 2003-09-16 China Textile Institute Method and system inspecting on-line cotton web homogeneity by digital image processing
CN1760437A (zh) * 2005-11-10 2006-04-19 东华大学 一种自动验布等级客观评定系统
CN1948603A (zh) * 2006-11-10 2007-04-18 苏州大学 一种识别机织物疵点的方法
CN102269714A (zh) * 2011-06-16 2011-12-07 江南大学 基于图像处理的网格圈质量检测方法
CN104034732A (zh) * 2014-06-17 2014-09-10 西安工程大学 一种基于视觉任务驱动的织物疵点检测方法
CN104199823A (zh) * 2014-07-14 2014-12-10 西安工程大学 一种基于视觉数据驱动的织物疵点动态检测方法
CN105738376A (zh) * 2016-02-29 2016-07-06 东华大学 一种采用接触式图像传感器的自动验布机

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DANDAN ZHU ET AL: "YARN-DYED FABRIC DEFECT DETECTION BASED ON AUTOCORRELATION FUNCTION AND GLCM", 《AUTEX RESEARCH JOURNAL》 *
YIXIANG FRANK ZHANG ET AL: "Fabric Defect Detection and Classification Using Image Analysis", 《TEXTILE RESEARCH JOURNAL》 *
厉征鑫等: "基于二位经验模态分解的织疵分割算法改进", 《计算机工程与应用》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110715940A (zh) * 2018-07-12 2020-01-21 株式会社丰田自动织机 织机的织疵检查装置
CN110715937A (zh) * 2018-07-12 2020-01-21 株式会社丰田自动织机 织机的织物检查装置
CN110148119A (zh) * 2019-04-25 2019-08-20 北京恒图科技有限公司 一种光标记系统及方法
CN110132154A (zh) * 2019-06-05 2019-08-16 江南大学 一种基于机器视觉的钢筘质量检测方法
US11205262B2 (en) 2020-07-28 2021-12-21 Jiangnan University Online detection method of circular weft knitting stripe defects based on gray gradient method
WO2022021774A1 (zh) * 2020-07-28 2022-02-03 江南大学 一种基于灰度梯度法的圆纬编横条疵点在线检测方法

Also Published As

Publication number Publication date
CN107132235B (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN107132235A (zh) 在线织物疵点检测方法
CN103529051B (zh) 一种机织纺织品瑕疵自动在线检测方法
Sari-Sarraf et al. Vision system for on-loom fabric inspection
Kuo et al. Gray relational analysis for recognizing fabric defects
CN108364291A (zh) 基于计算机视觉技术的原坯布快速检测方法
CN103604809B (zh) 一种图案布匹瑕疵在线视觉检测方法
CN105044121B (zh) 一种针织圆机在线疵点检测装置和检测方法
CN103512888A (zh) 一种基于图像识别技术的烟包封条缺陷检测系统
CN110458157B (zh) 一种电力电缆生产过程智能监控系统
CN102508110A (zh) 基于纹理的绝缘子缺陷诊断方法
CN102706881A (zh) 基于机器视觉的布匹瑕疵检测方法
CN116309671B (zh) 一种土工合成织物质量检测系统
CN107622490A (zh) 基于机器视觉的嵌入式塑料织物质量检测装置及检测方法
CN110097538A (zh) 一种织机在线验布装置及疵点识别方法
Banumathi et al. Fabric inspection system using artificial neural networks
CN115201211A (zh) 一种智能可视化纺织产品的质量控制方法及系统
CN115239711B (zh) 一种缝制设备的在线运行异常识别系统
CN115144399B (zh) 一种基于机器视觉的装配质量检测方法及装置
CN110310275A (zh) 一种基于图像处理的链式传送带缺陷检测方法
CN114519696A (zh) 基于光学智能化的pvc热收缩膜检测方法及系统
CN110458809B (zh) 一种基于亚像素边缘检测的纱线条干均匀度检测方法
CN116805312A (zh) 一种基于图像处理的针织式面料质量检测方法
CN110672209A (zh) 一种经编布匹色差在线检测方法
CN116452562A (zh) 一种织布机运行状态异常监测方法
CN105717133B (zh) 基于线性插值法矫正图像的自动验布机

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: Hui Road Binhu District 214000 Jiangsu city of Wuxi province No. 170

Patentee after: Jiangnan University

Patentee after: Jiangyin Xiangfei Textile Technology Co.,Ltd.

Address before: Hui Road Binhu District 214000 Jiangsu city of Wuxi province No. 170

Patentee before: Jiangnan University

Patentee before: JIANGYIN XIANGFEI FASHION Co.,Ltd.

CP01 Change in the name or title of a patent holder
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190705

CF01 Termination of patent right due to non-payment of annual fee