CN108038858A - 用于纺织领域机器视觉系统中纱线管上纱线量的识别方法 - Google Patents

用于纺织领域机器视觉系统中纱线管上纱线量的识别方法 Download PDF

Info

Publication number
CN108038858A
CN108038858A CN201711440077.0A CN201711440077A CN108038858A CN 108038858 A CN108038858 A CN 108038858A CN 201711440077 A CN201711440077 A CN 201711440077A CN 108038858 A CN108038858 A CN 108038858A
Authority
CN
China
Prior art keywords
yarn
roi
yarn tube
tube
automated inspection
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
Application number
CN201711440077.0A
Other languages
English (en)
Inventor
胡曼冬
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.)
Qingdao University
Original Assignee
Qingdao University
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 Qingdao University filed Critical Qingdao University
Priority to CN201711440077.0A priority Critical patent/CN108038858A/zh
Publication of CN108038858A publication Critical patent/CN108038858A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本申请的用于纺织领域机器视觉系统中纱线管上纱线量的识别方法包括：拍摄纱线管对象的图像，并将拍摄的纱线管图像转换为灰度图；根据纱线管的大小对灰度图进行切割，获取感兴趣区域ROI；滤除ROI的背景部分，提取ROI的最大灰度值；根据设置的阈值对ROI进行二值化，得到纱线和反光区域叠加在一起的二值图片；对二值图片进行处理，消除ROI中的反光部分，得到纱线的主效果图；根据纱线的主效果图，对纱线进行识别，确定纱线管上纱线所占的比例。本申请的方法可以消除在机器视觉系统中纱线管的反光区域，提高对纱线管上纱线量的识别准确率和精确度。另外，能够降低机器视觉系统的整体投入成本，具有通用性强、使用场合不受限的优点。

Description

用于纺织领域机器视觉系统中纱线管上纱线量的识别方法
技术领域
本申请属于图像识别技术领域，具体地说，涉及一种用于纺织领域机器视觉系统中纱线管上纱线量的识别方法。
背景技术
在纺织领域，通常需要对于纱线管进行挑选，尤其是对于使用完的纱线管上存在剩余纱线情况，需要将存在剩余纱线的纱线管挑选出来，送入下一工序。随着科技的发展，目前通常是利用机器视觉系统对缠有少量纱线的纱线管进行分拣。
在机器视觉系统中一直以来存在一些问题，影响了识别纱线管上纱线量的准确率和精确度，比如：拍照环境中的背景干扰、反光区域噪声、光学投影布置等方面的问题。对此，现有技术通常是通过采用特定的光源来减少反光区域，通过对光源进行特殊的处理或定制光源来减少反光区域，导致存在投入成本高、通用性差、使用场合受限等问题。
发明内容
有鉴于此，本申请所要解决的技术问题是提供一种用于纺织领域机器视觉系统中纱线管上纱线量的识别方法，以消除机器视觉系统中纱线管的反光区域，提高对纱线管上纱线量的识别准确率和精确度。
为了解决上述技术问题，本申请公开了一种用于纺织领域机器视觉系统中纱线管上纱线量的识别方法。方法包括：
拍摄纱线管对象的图像，并将拍摄的纱线管图像转换为灰度图；
根据纱线管的大小对所述灰度图进行切割，获取感兴趣区域ROI；
滤除ROI的背景部分，提取ROI的最大灰度值；
根据设置的阈值对ROI进行二值化，得到纱线和反光区域叠加在一起的二值图片；
对所述二值图片进行处理，消除ROI中的反光部分，得到纱线的主效果图；
根据纱线的主效果图，对纱线进行识别，确定纱线管上纱线所占的比例。
如上所述的识别方法，其中，所述拍摄纱线管对象的图像，具体可以为：选用led条形光源，利用工业相机抓取纱线管的图像。
如上所述的识别方法，可选的，所述设置的阈值为根据ROI的灰度均值设置的阈值。
与现有技术相比，本申请可以获得包括以下技术效果：
1、可以消除在机器视觉系统中纱线管的反光区域，提高对纱线管上纱线量的识别准确率和精确度。
2、基于本申请的方法，能够降低机器视觉系统的整体投入成本、且通用性强、使用场合不受限。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请用于纺织领域机器视觉系统中纱线管上纱线量的识别方法实施例一的流程图；
图2为本申请用于纺织领域机器视觉系统中纱线管上纱线量的识别方法实施例二的流程图；。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式，藉此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
在纺织领域，机器视觉系统主要用于纺织品的质量检测和缺陷检测，图1为本申请用于纺织领域机器视觉系统中纱线管上纱线量的识别方法实施例一的流程图。如图1示，本实施例的方法可以包括以下内容。
S101、拍摄纱线管对象的图像，并将拍摄的纱线管图像转换为灰度图。
具体的，可以选用led条形光源，利用工业相机抓取纱线管的图像，并将图像送入纱线识别系统进行识别。
S102、根据纱线管的大小对灰度图进行切割，获取感兴趣区域ROI。
ROI(region of interest，感兴趣区域)，机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域。
S103、滤除ROI的背景部分，提取ROI的最大灰度值。
S104、根据设置的阈值对ROI进行二值化，得到纱线和反光区域叠加在一起的二值图片。
在具体应用中，可以根据具体应用环境确定合适的阈值，例如，可以根据ROI的灰度均值设置阈值，然后根据阈值对ROI进行二值化。
S105、对二值图片进行处理，消除ROI中的反光部分，得到纱线的主效果图。
S106、根据纱线的主效果图，对纱线进行识别，确定纱线管上纱线所占的比例。
本实施例的用于纺织领域机器视觉系统中纱线管上纱线量的识别方法包括：拍摄纱线管对象的图像，并将拍摄的纱线管图像转换为灰度图；根据纱线管的大小对灰度图进行切割，获取感兴趣区域ROI；滤除ROI的背景部分，提取ROI的最大灰度值；根据设置的阈值对ROI进行二值化，得到纱线和反光区域叠加在一起的二值图片；对二值图片进行处理，消除ROI中的反光部分，得到纱线的主效果图；根据纱线的主效果图，对纱线进行识别，确定纱线管上纱线所占的比例。本实施例的方法可以消除在机器视觉系统中纱线管的反光区域，提高对纱线管上纱线量的识别准确率和精确度。另外，能够降低机器视觉系统的整体投入成本，具有通用性强、使用场合不受限的优点。
图2为本申请用于纺织领域机器视觉系统中纱线管上纱线量的识别方法实施例二的流程图。如图2示，本实施例的机器视觉系统专用于纺织领域中纱线管上纱线量的识别，该系统由以下几部分组成：工业相机、光源、纱线识别系统。
工作环节包括：定点拍摄纱线管照片-＞图像处理-＞图像分析-＞输出结论。
在该系统中使用工业相机抓取纱线管的图片，采用普通的led条形光源，照片送入纱线识别系统进行识别，在识别过程中，系统经过一系列的图像处理技术，获取到纱线的信息。其工作流程如下：
首先将图片转换为灰度图，根据纱线管的大小对进行切割，获取感兴趣的区域；然后滤除感兴趣区域的背景部分，提取R0I的最大灰度值，确定合适的阈值，根据阈值对ROI进行二值化，得到纱线和反光区域叠加在一起的二值图片；接下来采用图像处理中的多项技术消除ROI中的反光部分，得到纱线部分，最后对纱线部分进行识别分析，获取纱线管上纱线所占的比例，得出结论。该方法通用性强，节约成本，同时纱线的识别准确率可以达到95％以上。
上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改，并能够在本申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。

Claims (3)

1.一种用于纺织领域机器视觉系统中纱线管上纱线量的识别方法，其特征在于，包括：
拍摄纱线管对象的图像，并将拍摄的纱线管图像转换为灰度图；
根据纱线管的大小对所述灰度图进行切割，获取感兴趣区域ROI；
滤除ROI的背景部分，提取ROI的最大灰度值；
根据设置的阈值对ROI进行二值化，得到纱线和反光区域叠加在一起的二值图片；
对所述二值图片进行处理，消除ROI中的反光部分，得到纱线的主效果图；
根据纱线的主效果图，对纱线进行识别，确定纱线管上纱线所占的比例。
2.根据权利要求1所述的识别方法，其特征在于，所述拍摄纱线管对象的图像，具体为：
选用led条形光源，利用工业相机抓取纱线管的图像。
3.根据权利要求1或2所述的识别方法，其特征在于，所述设置的阈值为根据ROI的灰度均值设置的阈值。
CN201711440077.0A 2017-12-26 2017-12-26 用于纺织领域机器视觉系统中纱线管上纱线量的识别方法 Pending CN108038858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711440077.0A CN108038858A (zh) 2017-12-26 2017-12-26 用于纺织领域机器视觉系统中纱线管上纱线量的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711440077.0A CN108038858A (zh) 2017-12-26 2017-12-26 用于纺织领域机器视觉系统中纱线管上纱线量的识别方法

Publications (1)

Publication Number Publication Date
CN108038858A true CN108038858A (zh) 2018-05-15

Family

ID=62101449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711440077.0A Pending CN108038858A (zh) 2017-12-26 2017-12-26 用于纺织领域机器视觉系统中纱线管上纱线量的识别方法

Country Status (1)

Country Link
CN (1) CN108038858A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109272503A (zh) * 2018-09-29 2019-01-25 西安工程大学 一种基于最大熵与dbscan相融合的毛羽检测算法
CN115127464A (zh) * 2022-06-24 2022-09-30 南京航空航天大学 一种基于多目视觉的携纱器剩余纱线量检测方法
EP4159906A4 (en) * 2020-06-02 2024-04-10 Shima Seiki Mfg IMAGE PROCESSING APPARATUS, MACHINE LEARNING APPARATUS AND INFERENCE APPARATUS

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0979795A2 (de) * 1998-08-10 2000-02-16 W. Schlafhorst & Co. Verfahren zur Erkennung von Fadenresten auf Spinnkopshülsen
CN101403610A (zh) * 2008-11-06 2009-04-08 陕西科技大学 一种基于数字图像法测量皮革面积的系统及其方法
CN102592114A (zh) * 2011-12-26 2012-07-18 河南工业大学 复杂路况的车道线特征提取、识别方法
CN104535004A (zh) * 2015-01-29 2015-04-22 江南大学 一种基于图像处理的纱线直径检测方法
CN105332123A (zh) * 2015-12-03 2016-02-17 江南大学 一种细纱细度均匀度在线检测装置及检测方法
CN105374046A (zh) * 2015-12-03 2016-03-02 江南大学 一种基于细纱图像的细纱机在线断头检测装置及检测算法
CN106897997A (zh) * 2017-02-14 2017-06-27 西南大学 基于计算机图像处理和模式识别的检测细纱管尾纱的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0979795A2 (de) * 1998-08-10 2000-02-16 W. Schlafhorst & Co. Verfahren zur Erkennung von Fadenresten auf Spinnkopshülsen
CN101403610A (zh) * 2008-11-06 2009-04-08 陕西科技大学 一种基于数字图像法测量皮革面积的系统及其方法
CN102592114A (zh) * 2011-12-26 2012-07-18 河南工业大学 复杂路况的车道线特征提取、识别方法
CN104535004A (zh) * 2015-01-29 2015-04-22 江南大学 一种基于图像处理的纱线直径检测方法
CN105332123A (zh) * 2015-12-03 2016-02-17 江南大学 一种细纱细度均匀度在线检测装置及检测方法
CN105374046A (zh) * 2015-12-03 2016-03-02 江南大学 一种基于细纱图像的细纱机在线断头检测装置及检测算法
CN106897997A (zh) * 2017-02-14 2017-06-27 西南大学 基于计算机图像处理和模式识别的检测细纱管尾纱的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张江涛等: "图像式氨纶整经断纱检测系统", 《上海纺织科技》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109272503A (zh) * 2018-09-29 2019-01-25 西安工程大学 一种基于最大熵与dbscan相融合的毛羽检测算法
EP4159906A4 (en) * 2020-06-02 2024-04-10 Shima Seiki Mfg IMAGE PROCESSING APPARATUS, MACHINE LEARNING APPARATUS AND INFERENCE APPARATUS
CN115127464A (zh) * 2022-06-24 2022-09-30 南京航空航天大学 一种基于多目视觉的携纱器剩余纱线量检测方法
CN115127464B (zh) * 2022-06-24 2023-09-26 南京航空航天大学 一种基于多目视觉的携纱器剩余纱线量检测方法

Similar Documents

Publication Publication Date Title
CN108038858A (zh) 用于纺织领域机器视觉系统中纱线管上纱线量的识别方法
CN107392896A (zh) 一种基于深度学习的木材缺陷检测方法和系统
CN106568783A (zh) 一种五金零件缺陷检测系统及方法
CN108596880A (zh) 基于图像处理的焊接缺陷特征提取与焊接质量分析方法
CN104483320B (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN103942816B (zh) 一种基于图像处理的木材单板节子数量和大小的识别方法
EP3779874A3 (en) System and method for automated surface assessment
CN110322433A (zh) 一种面向外观缺陷视觉检测的数据集扩增方法
DE102013112040B4 (de) System und Verfahren zum Auffinden von sattelpunktartigen Strukturen in einem Bild und Bestimmen von Informationen daraus
CN107490582A (zh) 一种流水线工件检测系统
JP2020032394A (ja) 汚水処理運転状況評価装置及び汚水処理運転状況評価方法
EP3255888A3 (en) Image processing apparatus, image capturing apparatus, image processing method, and image processing program
CN105005813A (zh) 虫害分析计数方法及系统
DE102018211453A1 (de) Verfahren und System zum Detektieren von Defekten auf einer Oberfläche eines Objekts
CN107590511A (zh) 一种缺陷识别方法以及用于自动检查机的缺陷识别系统
CN116978834B (zh) 一种用于晶圆生产的智能监测预警系统
CN113820319A (zh) 一种纺织品表面缺陷检测装置与方法
CN113252103A (zh) 一种基于matlab图像识别技术计算物料堆体积及质量的方法
CN105301003A (zh) 一种基于机器视觉的瓶盖表面生产日期检测方法
DE102016100134B4 (de) Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen
CN110288619B (zh) 基于视觉的太阳花模组表面螺钉孔位置检测方法
WO2020050973A3 (en) Neural network-based systems and computer-implemented methods for identifying and/or evaluating one or more food items present in a visual input
CN109596620A (zh) 基于机器视觉的产品表面形状缺陷检测方法和系统
CN104458759B (zh) 一种灰度不匀自矫正系统的自动验布机
CN116721039A (zh) 一种应用于自动化光学缺陷检测中的图像预处理方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180515