CN108133479B - 一种自动纺纱机穿经监测方法及装置 - Google Patents
一种自动纺纱机穿经监测方法及装置 Download PDFInfo
- Publication number
- CN108133479B CN108133479B CN201810127180.8A CN201810127180A CN108133479B CN 108133479 B CN108133479 B CN 108133479B CN 201810127180 A CN201810127180 A CN 201810127180A CN 108133479 B CN108133479 B CN 108133479B
- Authority
- CN
- China
- Prior art keywords
- image
- yarn
- detected
- spinning machine
- characteristic parameters
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000009987 spinning Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000012806 monitoring device Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000007774 longterm Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- D—TEXTILES; PAPER
- D03—WEAVING
- D03J—AUXILIARY WEAVING APPARATUS; WEAVERS' TOOLS; SHUTTLES
- D03J1/00—Auxiliary apparatus combined with or associated with looms
- D03J1/14—Apparatus for threading warp stop-motion droppers, healds, or reeds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Textile Engineering (AREA)
- Image Processing (AREA)
- Spinning Or Twisting Of Yarns (AREA)
Abstract
本发明提供了一种自动纺纱机穿经监测方法及装置,其中,该方法包括以下步骤:在钩针钩起待检测纱线至指定位置时,获取所述待检测纱线的图像;由所述图像提取用于确定纱线数量的特征参数;其中,所述特征参数包括所述图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数;根据所述特征参数和预设的准则参数之间的匹配度,确定所述待检测纱线所包括的纱线数量是否符合要求。本发明实施例采用了机器视觉技术,在长期使用后不会有故障率提高的问题。
Description
技术领域
本发明涉及自动纺织机技术领域,具体而言,涉及一种自动纺纱机穿经监测方法及装置。
背景技术
目前现代纺织工业中,已经开始利用机器代替人工穿针引线,为了避免穿插错误,必须有一套实时监测方法和装置对自动穿经机中钩针钩起的纱线数量进行实时监测。
因为自动穿经机进行穿经时,钩针钩起纱线会拉扯纱线,所以现有的监测方法是在钩针钩起纱线时,利用压力传感器感应纱线对感应器的压力,因而产生电流,进而判断钩起的纱线的数量。但是压力传感器是一种机械传感器,随着工作时间的增加,不可避免的存在固件的耗损,导致穿经机故障率的提高。
发明内容
有鉴于此,本发明的目的在于提供一种自动纺纱机穿经监测方法和装置,通过采用机器视觉的技术,从而避免了机械传感器随着工作时间的增加,出现固件的耗损导致的故障率升高的问题。
第一方面,提供了一种自动纺纱机穿经监测方法,包括以下步骤:
在钩针钩起待检测纱线至指定位置时,获取所述待检测纱线的图像;
由所述图像提取用于确定纱线数量的特征参数;其中,所述特征参数包括所述图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数;
根据所述特征参数和预设的准则参数之间的匹配度,确定所述待检测纱线所包括的纱线数量是否符合要求。
本发明实施例提供的自动纺纱机穿经监测方法及装置,采用机器视觉技术,通过将图像中的纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数作为特征参数与准则参数作对比,从而判断纱线根数。与现有技术中的机械传感器感应方法相比,可以保证较长的工作时间后不会出现故障率保持变高的问题。
结合所述第一方面,在所述第一方面的第一种可能的实现方式中,所述在钩针钩起所述待检测纱线至指定位置时,获取所述待检测纱线的所述图像,包括:
在钩针钩起待检测纱线至设置于所述自动纺纱机上的定焦相机的聚焦位置时,通过所述定焦相机获取所述待检测纱线的所述图像。使用相机获取图像,在长时间使用后不会有长时间使用后,导致的故障率升高的问题,另一方面使用定焦相机减少了相机对焦所花费的时间,提高了工作效率。
结合所述第一方面的实现方式,还提供了所述第一方面的第二种可能的实现方式,在所述第一方面的第二种可能的实现方式中,所述由所述图像提取用于确定纱线数量的所述特征参数之前,还包括:
对所述图像进行预处理,所述预处理包括对所述图像进行灰度化和二值化。
对获取到的图像进行预处理,能够对去除噪声和调整亮度,有利于后面的特征参数的提取。
结合所述第一方面,还提供了所述第一方面的第三种可能的实现方式,在所述第一方面的第三种可能的实现方式中,所述预处理包括采用毛刺去除、边缘平滑和去除噪声点中的任意一项或组合对灰度化和二值化的所述图像进行处理。
进行了进一步提排除了噪声的影响,有利于后续的特征参数提取。
结合所述第一方面的第二种可能或所述第一方面的第三种可能的实现方式,还提供了所述第一方面的第四种可能的实现方式,所述第一方面的第四种可能的实现方式中,所述由所述图像提取用于确定纱线数量的所述特征参数,包括:
在所述预处理后的所述图像中确定包括所述待检测纱线的所述纱线目标区域;
根据所述目标区域的行像素和列像素的数量确定所述纱线目标区域的所述面积;
对所述预处理后的所述图像进行逐行扫描,确定所述预处理后的所述图像的所述脉冲数。
结合所述第一方面的第四种可能的实现方式,还提供了所述第一方面的第五种可能的实现方式,所述第一方面的第五种可能的实现方式中,所述特征参数还包括直线检测数据、孔洞检测数据和所述纱线目标区域的周长的任意一项或组合。
进一步,本发明对更多的特征参数进行提取,在纱线目标区域的所述面积、所述图像的所述脉冲数落入多个准则参数共有范围时,提供了在上述两种特征参数确定的根数的范围内提供进一步确定纱线根数的可能,提高了纱线判断的准确率。
结合所述第一方面,在所述第一方面的第六种可能的实现方式中,所述在钩针钩起所述待检测纱线至所述指定位置时,获取所述待检测纱线的所述图像之前,还包括:
获取所述图像的多种所述特征参数;
利用形态学处理获取到的多种所述特征参数,确定对应每一个所述特征参数的所述准则参数。
进一步,本发明通过利用形态学获取多种特征参数的方式来确定对应的准则参数,能够更好的适应纱线本身的特性,使准则参数更贴近实际需要。
第二方面提供了一种自动纺纱机穿经监测装置,包括:
图像采集模块,用于在钩针钩起待检测纱线至指定位置时,获取所述待检测纱线的图像;
特征参数提取模块,用于由所述图像中提取用于确定纱线数量的特征参数,所述特征参数包括所述图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数;
处理模块,用于根据所述特征参数和预设的准则参数之间的匹配度,确定所述待检测纱线所包括的纱线数量是否符合要求。
结合所述第二方面,在所述第二方面的第一种可能的实现方式中,所述图像采集模块,具体用于在钩针钩起所述待检测纱线至定焦相机的聚焦位置时,通过所述定焦相机获取所述待检测纱线的所述图像。
进一步的,本装置使用相机获取图像,替代了压力传感器,在长时间使用后不会有性能下降的问题,另一方面使用定焦相机减少了相机对焦所花费的时间,提高了工作效率。
结合所述第二方面,还提供了所述第二方面的第二种可能的实现方式,在所述第二方面的第二种可能的实现方式中,所述特征参数提取模块还用于在所述图像提取用于确定纱线数量的所述特征参数之前对所述图像进行预处理,所述预处理包括对所述图像进行灰度化和二值化。
进一步,本发明实施例,对所述图像进行预处理排除了所述定焦相机在成像时受到的干扰,提高了对纱线根数的辨识能力。
结合所述第二方面的第二种可能实现方式,还提供了所述第一方面的第三种可能的实现方式,所述第一方面的第三种可能的实现方式中,所述预处理还包括:采用毛刺去除、边缘平滑和去除噪声点中的任意一项或组合对灰度化和二值化的所述图像进行处理。
进一步,本装置,对二值化、灰度化后的所述图像进行进一步的预处理,排除了成像时受到的不必要的干扰。
结合所述第二方面的第二种可能的实现方式或第三种可能的实现方式,还提供了所述第一方面的第四种可能的实现方式,所述第二方面的第四种可能的实现方式中,所述特征参数提取模块具体用于在所述预处理后的所述图像中确定包括:
所述特征参数提取模块用于确定对所述预处理后的所述图像中包括所述待检测纱线的所述纱线目标区域;
根据所述目标区域的行像素和列像素的数量确定所述纱线目标区域的所述面积;
对所述预处理后的所述图像进行逐行扫描,确定所述预处理后的所述图像的所述脉冲数。
结合所述第二方面的第四可能的实现方式,还提供了所述第一方面的第五种可能的实现方式,所述第二方面的第五种可能的实现方式中,所述特征参数提取模块提取的所述特征参数还包括直线检测数据、孔洞检测数据和所述纱线目标区域的周长的任意一项或组合。
进一步,本发明实施例,对多种特征参数进行提取,在纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数无法辨识纱线根数时,提供了进一步辨识的可能。
结合所述第二方面,还提供了所述第一方面的第六种可能的实现方式,所述第二方面的第六种可能的实现方式中,所述特征参数提取模块还用于获取所述图像的多种所述特征参数,并利用形态学处理获取到的多种所述特征参数,确定对应每一个所述特征参数的所述准则参数。
进一步,本发明实施例,通过获取图像的多种所述特征参数,利用形态学处理获取到的多种所述特征参数,确定对应每一个所述特征参数的所述准则参数的方式,解决了工人不知道准则参数时无法人工预设的情况,另一方面也可以使准则参数更加符合实际情况,提高了对纱线根数的辨识率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的第一种自动纺纱机穿经监测方法的流程图;
图2示出了本发明实施例所提供的第二种自动纺纱机穿经监测方法的流程图;
图3示出了本发明实施例所提供的第三种自动纺纱机穿经监测方法的流程图;
图4示出了本发明实施例所提供的第四种自动纺纱机穿经监测方法的流程图;
图5示出了本发明实施例所提供的自动纺纱机穿经监测装置的结构图;
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域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。
考虑到现有技术中的判断方法中压力传感器本身存在的物理损耗带来的性能下降问题,本发明实施例提供了一种自动纺纱机穿经监测方法和装置,采用机器视觉技术,在长时间使用后不会出现故障率提高的问题,下面结合实施例进行详细描述。
实施例1
参见图1,本发明实施例提供一种自动纺纱机穿经监测方法,包括以下步骤:
步骤101,在钩针钩起待检测纱线至指定位置时,获取待检测纱线的图像。
步骤102,由图像提取用图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数。
步骤103,根据特征参数和预设的准则参数之间的匹配度,确定待检测纱线所包括的纱线数量是否符合要求。
作为一种实施方式,在钩针钩起待检测纱线至设置于自动纺纱机上的定焦相机的聚焦位置时,通过定焦相机获取待检测纱线的图像。
自动纺纱机工作时,钩针将纱线勾到指定位置,为了保证图像清晰,指定位置一般为相机聚焦处。如果采用视频实时处理,不仅会产生虚焦情况,而且需要对视频的每一帧进行算法检测,将会十分耗费工作时间。另一方面,减少了聚焦所需的工作时间,
将纱线勾到指定位置时,自动纺织机会给相机传递一个脉冲信号表示纱线已就位,可以进行拍摄工作。
只有当钩针的脉冲信号产生时,才会工作,这样也达到了节省能源,延长设备使用寿命的目的。
本实施例中,采用了单一摄像头,因此只能获取目标图像的二维画面,对于纱线遮挡缠绕的影响不能很好的自适应。因此在工作环境条件允许的前提下,可以采用三个或多个摄像头环绕拍摄不同角度的纱线目标图像,摄像头位置布置可以采用近地卫星式的布置方法,达到360°无死角拍摄。
本发明实施例中,采用图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数作为主要特征参数,因为二者在对纱线根数的辨识上准确率高。纱线目标区域的面积利用的图像中的像素点直接统计,行扫描脉冲是对图像逐行扫描,计算各行像素变化数,根据各行变化数的总和作为整幅图像的脉冲数。具体实施例中,纱线目标区域的面积、行扫描脉冲数,进行对比的先后顺序没有要求,可以根据需要进行调整。
本发明实施例中,通过获取待检测纱线的图像,对图像中能够用于确定纱线根数的特征参数进行提取,通过特征参数与预设的准则参数进行对比,如果特征参数仅仅落入某根数纱线对应的准则参数范围内,则判断结果为该准则参数对应的根数。
实施例2
在实施例1的基础上,提供本发明实施例2,参见图2,本发明实施例提供一种自动纺纱机穿经监测方法,包括以下步骤:
步骤101,在钩针钩起待检测纱线至指定位置时,获取待检测纱线的图像。
步骤201,对图像进行灰度化和二值化。
步骤102,由图像提取图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数。
步骤103,根据特征参数和预设的准则参数之间的匹配度,确定待检测纱线所包括的纱线数量是否符合要求。
在发明实施例中,还包括步骤201,对图像灰度化和二值化。
在发明实施例中,预处理是用于调整目标纱线区域的亮度和去除噪声便于后续的特征参数的提取。发明实施例中,图像灰度化、图像二值化为主要预处理方式,灰度化、二值化后保证了图像中只有两种颜色,提高了纱线区域的亮度,便于后续的特征参数提取。
作为一种实施方式,预处理进一步包括采用毛刺去除、边缘平滑和去除噪声点中的任意一项或组合对灰度化和二值化的图像进行处理。
在发明实施例中,预处理是用于调整目标纱线区域的亮度和去除噪声便于后续的特征参数的提取。
作为一种实施方式,由图像提取用于确定纱线数量的特征参数,包括:
在预处理后的图像中确定包括待检测纱线的纱线目标区域;
根据目标区域的行像素和列像素的数量确定纱线目标区域的面积;
对预处理后的图像进行逐行扫描,确定预处理后的图像的脉冲数。
作为一种实施方式,特征参数还包括:直线检测数据、孔洞检测数据和纱线目标区域的周长的任意一项或组合。
对于纱线目标的面积与周长,利用二值化后的图像直接统计,对于直线检测与孔洞检测,对获得的图像经过预处理后对整幅图像进行检测,直线检测利用霍夫直线变换计算,孔洞的检测利用欧拉函数进行计算。行扫描脉冲检测是一个新方法,具体过程为:首先对获取的图像进行灰度和二值化处理,然后对二值化的图像逐行扫描,记录像素变化的次数,最终根据计算出的跃变次数整幅图像的脉冲数。
作为一种实施方式,在钩针钩起所述待检测纱线至指定位置时,获取待检测纱线的图像之前,还包括:
获取所述图像的多种特征参数;
利用形态学处理获取到的多种特征参数,确定对应每一个特征参数的准则参数。
实施例3
在实施例1的基础上,提供本发明实施例3,参考图3,本发明实施例中包括:
步骤301,获取所述图像的多种特征参数,利用形态学处理获取到的多种特征参数,确定对应每一个特征参数的准则参数。
步骤101,在钩针钩起待检测纱线至指定位置时,获取待检测纱线的图像。
步骤102,由图像提取用图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数。
步骤103,根据特征参数和预设的准则参数之间的匹配度,确定待检测纱线所包括的纱线数量是否符合要求。
本发明实施例,步骤301在需要获取准则参数时进行,获取准则参数后步骤301在不更换新的纱线的情况下不需要再次进行,仅仅进行其余步骤即可。
本发明实施例中,步骤301,参考图4,包括:
步骤401,在钩针钩起待检测纱线至指定位置时,获取待检测纱线的图像。
步骤402,由图像提取用多种特征参数。
步骤403,根据特征参数范围确定对应准则参数。
对多根纱线进行单纱线钩起、多根纱线进行双纱线钩起,分别得到钩起时获得的图像,并对图像进行预处理、特征参数提取,对所获得的特征参数进行整理,将特征参数出现的范围作为该特征参数对应的准则参数。样本纱线的数目应足以确定准则参数。
将特征参数与准则参数进行对比中,对于五种不同的特征,采用优先级排序的方法,优先级从高到低依次为纱线目标的面积、行扫描脉冲数、纱线目标区域的周长、整幅图像的直线检测、整幅图像的孔洞检测。
实施例中,使用了大量的样本来测试与统计,最终才确立了准则参数的优先级,在测试中,面积和行扫描脉冲这两个特征具有良好的分界点,因此作为高优先级的准则参数使用,而另外三个特征作为辅助判断标准,可以使得判断结果更加准确,工业场景的复杂性有可能会影响判断结果,因此在实际工作环境中,我们需要对准则参数进行微调,使其适应相应的工作环境。
实施例4
在实施例3的基础上,可以结合实施例2,参考图5,本发明实施例中包括:
步骤301,获取所述图像的多种特征参数,利用形态学处理获取到的多种特征参数,确定对应每一个特征参数的准则参数。
步骤101,在钩针钩起待检测纱线至指定位置时,获取待检测纱线的图像。
步骤201,对图像进行灰度化和二值化。
步骤102,由图像提取图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数。
步骤103,根据特征参数和预设的准则参数之间的匹配度,确定待检测纱线所包括的纱线数量是否符合要求。
实施例5
本发明实施例还提供了一种自动纺纱机穿经监测装置,参见图6,装置包括:
图像采集模块601,用于在钩针钩起待检测纱线至指定位置时,获取待检测纱线的图像;
特征参数提取模块602,用于由图像中提取用于确定纱线数量的特征参数,特征参数包括图像中纱线目标区域的面积和以行扫描脉冲方式生成的脉冲数;
处理模块603,用于根据特征参数和预设的准则参数之间的匹配度,确定待检测纱线所包括的纱线数量是否符合要求。
具体的,本实施例中,图像采集模块601 该模块相当于计算机的眼睛,用作目标图像的获取,实施例选用焦距为6mm的工业相机进行图像采样,这样既保证了成像清晰度,也能缩小机器尺寸,优化整体设计。值得一提的是,为了加快工作效率,同时保证监测的准确度,采用640*480的图像摄入尺寸。图像摄入尺寸可以根据需求进行调整,以达到最佳监测识别效果。
图像采集模块601 采用定焦相机,定焦相机可以保证成像清晰度,并且配合机械结构可以达到最快的拍摄速度和最佳的拍摄效果,为后续算法的运行节省工作时间。
纺织机的机械钩针每次勾到纱线(根数不确定,期望为单根)后,会将纱线勾到指定位置,该位置为定焦相机的聚焦位置,同时机械钩针会给相机传递一个脉冲信号表示纱线已就位,可以进行拍摄工作。这样做的目的,同样是为了减少工作时间,如果采用视频实时处理,不仅会产生虚焦情况,而且需要对视频的每一帧进行算法检测,将会十分耗费工作时间。
只有当钩针的脉冲信号产生时,图像采集模块才会工作,这样也达到了节省能源,延长设备使用寿命的目的。同时也节省了运算储存空间,缩小硬件尺寸,更加合理的布局整体的机械结构。
本实施例中,采用了单一摄像头,因此只能获取目标图像的二维画面,对于纱线遮挡缠绕的影响不能很好的自适应。因此在工作环境条件允许的前提下,可以采用三个或多个摄像头环绕拍摄不同角度的纱线目标图像,摄像头位置布置可以采用近地卫星式的布置方法,达到360°无死角拍摄。
可选的,装置工作之前,在处理模块中预设纱线目标区域的面积、纱线目标区域的周长、整幅图像的直线检测、整幅图像的孔洞检测、整幅图像的行脉冲扫描分别为单根、双根、多根纱线的数据为准则参数。
可选的,预设过程为先设定自动纺纱机进行单根钩取,对1000根标准纱线提取多种特征参数,利用形态学处理获取到的多种特征参数,确定对应每一个特征参数的准则参数的方式。再设定自动纺纱机进行双根钩取,对2000根标准纱线提取多种特征参数,利用形态学处理获取到的多种特征参数,确定对应每一个特征参数的准则参数的方式。从而得到单根纱线的五个准则参数和双根纱线的准则参数。
对于不同批次的纱线,我们需要对不同批的纱线采集不同的样本,来训练中的准则参数。
可选的,在进行特征提取之前,对获取的图像进行一个预先处理工作,包括图像灰度化、图像的二值化、图像毛刺去除、图像边缘平滑、去除噪声点等步骤。
图像的灰度化、图像的二值化用于调整纱线区域和背景的对比度,排除噪声。
图像毛刺去除、图像边缘平滑、去除噪声点作为辅助预处理用于排除噪声进一步提高特征参数提取准确率。对于不同色彩、不同性质的纱线可以选择辅助预处理中的任意一种或者组合。对于毛刺和噪声点的去除我们可以采用开闭运算进行形态学处理,对于不光滑的边缘可以采用中值滤波、均值滤波、高斯滤波等形态学方法进行光滑处理。
本实施例中拍摄背景方案为黑色,可以增加多色彩背景板,自动调节背景光度的设备也可以应用,以此来适应不同颜色纱线的识别,增强系统的适用范围。
在特征参数提取模块中,我们采用五个准则参数对应的五个特征作为参考:纱线目标区域的面积;纱线目标区域的周长;整幅图像的直线检测;整幅图像的孔洞检测;整幅图像的行脉冲扫描。
对于纱线目标的面积与周长,利用二值化后的图像直接统计,对于直线检测与孔洞检测,对获得的图像经过预处理后对整幅图像进行检测,直线检测利用霍夫直线变换计算,孔洞的检测利用欧拉函数进行计算。行扫描脉冲检测是一个新方法,具体过程为:首先对获取的图像进行灰度和二值化处理,然后对二值化的图像逐行扫描,记录像素变化的次数,最终根据计算出的跃变次数整幅图像的脉冲数。
可选的,将特征参数与准则参数进行对比中,对于五种不同的特征,采用优先级排序的方法,优先级从高到低依次为纱线目标的面积、行扫描脉冲数、纱线目标区域的周长、整幅图像的直线检测、整幅图像的孔洞检测。
实施例中,使用了大量的样本来测试与统计,最终才确立了准则参数的优先级,在测试中,面积和行扫描脉冲这两个特征具有良好的分界点,因此作为高优先级的准则参数使用,而另外三个特征作为辅助判断标准,可以使得判断结果更加准确,工业场景的复杂性有可能会影响判断结果,因此在实际工作环境中,我们需要对准则参数进行微调,使其适应相应的工作环境。
若高优先级特征的判断结果与低优先级的个别特征判断结果相冲突,以高优先级特征为准。可以进一步提高纱线根数的识别率,在高优先级特征参数无法识别纱线数量时,低优先级的特征参数有可能能够识别,采用低优先级特征参数做辅助判断,加强了装置的工作效率。
具体实施中,针对不同根数的纱线图像对于不同特征的敏感度不一,因此可以进行不同的优先级排序。
可选的,实施例中处理模块还可以实现自动化,通过处理模块将判断结果转换成机械能够执行的指令,通过实时反馈的方式来控制机械部分的工作。当我们的判断结果为正常工作时,机械部分继续重复执行勾线穿针动作,当我们的判断结果为非正常工作时,需要给机械部分一个停止工作的脉冲信号,终止穿线动作并对已经勾出的纱线进行操作来消除错误。当错误消除工作完成时,我们给机械部分一个继续工作脉冲信号,钩针继续执行勾线穿针操作,这样才能达到自动化的效果。机械控制使用的是模拟电信号,而算法模块则使用数字信号,因此想实现两部分的对接,需要A/D 和D/A信号转换器作为桥梁。
本发明实施例所提供的进行自动纺纱机穿经监测方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的自动纺纱机穿经监测装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种自动纺纱机穿经监测方法,其特征在于,包括以下步骤:
在钩针钩起待检测纱线至指定位置时,通过设置于自动纺纱机上的至少三个摄像头获取所述待检测纱线不同角度的图像;所述至少三个摄像头以近地卫星式布置,所述指定位置为所述自动纺纱机上的定焦相机的聚焦位置;
由所述图像提取用于确定纱线数量的特征参数;其中,所述特征参数包括所述图像中纱线目标区域的面积、以行扫描脉冲方式生成的脉冲数、直线检测数据、孔洞检测数据和所述纱线目标区域的周长;
根据所述特征参数和预设的准则参数之间的匹配度,确定所述待检测纱线所包括的纱线数量是否符合要求;所述特征参数按照优先级从高到底依次为:所述图像中纱线目标区域的面积、以行扫描脉冲方式生成的脉冲数、直线检测数据、孔洞检测数据和所述纱线目标区域的周长。
2.根据权利要求1所述自动纺纱机穿经监测方法,其特征在于,所述在钩针钩起所述待检测纱线至指定位置时,获取所述待检测纱线的所述图像,包括:
在钩针钩起待检测纱线至设置于所述自动纺纱机上的定焦相机的聚焦位置时,通过所述定焦相机获取所述待检测纱线的所述图像。
3.根据权利要求1所述自动纺纱机穿经监测方法,其特征在于,所述由所述图像提取用于确定纱线数量的所述特征参数之前,还包括:
对所述图像进行预处理,所述预处理包括对所述图像进行灰度化和二值化。
4.根据权利要求3所述自动纺纱机穿经监测方法,其特征在于,所述预处理进一步包括采用毛刺去除、边缘平滑和去除噪声点中的任意一项或组合对灰度化和二值化的所述图像进行处理。
5.根据权利要求3或4所述自动纺纱机穿经监测方法,其特征在于,所述由所述图像提取用于确定纱线数量的所述特征参数,包括:
在所述预处理后的所述图像中确定包括所述待检测纱线的所述纱线目标区域;
根据所述目标区域的行像素和列像素的数量确定所述纱线目标区域的所述面积;
对所述预处理后的所述图像进行逐行扫描,确定所述预处理后的所述图像的所述脉冲数。
6.根据权利要求1所述自动纺纱机穿经监测方法,其特征在于,所述在钩针钩起所述待检测纱线至所述指定位置时,获取所述待检测纱线的所述图像之前,还包括:
获取所述图像的多种所述特征参数;
利用形态学处理获取到的多种所述特征参数,确定对应每一个所述特征参数的所述准则参数。
7.一种自动纺纱机穿经监测装置,其特征在于,包括:
图像采集模块,用于在钩针钩起待检测纱线至指定位置时,通过设置于自动纺纱机上的至少三个摄像头获取所述待检测纱线不同角度的图像;所述至少三个摄像头以近地卫星式布置,所述指定位置为所述自动纺纱机上的定焦相机的聚焦位置;
特征参数提取模块,用于由所述图像中提取用于确定纱线数量的特征参数,所述特征参数包括所述图像中纱线目标区域的面积、以行扫描脉冲方式生成的脉冲数、直线检测数据、孔洞检测数据和所述纱线目标区域的周长;
处理模块,用于根据所述特征参数和预设的准则参数之间的匹配度,确定所述待检测纱线所包括的纱线数量是否符合要求;所述特征参数按照优先级从高到底依次为:所述图像中纱线目标区域的面积、以行扫描脉冲方式生成的脉冲数、直线检测数据、孔洞检测数据和所述纱线目标区域的周长。
8.根据权利要求7所述自动纺纱机穿经监测装置,其特征在于,所述图像采集模块,具体用于在钩针钩起所述待检测纱线至定焦相机的聚焦位置时,通过所述定焦相机获取所述待检测纱线的所述图像。
9.根据权利要求7所述自动纺纱机穿经监测装置,其特征在于,所述特征参数提取模块,还用于由所述图像中提取用于确定纱线数量的特征参数之前对所述图像进行预处理,所述预处理包括对所述图像进行灰度化和二值化。
10.根据权利要求9所述自动纺纱机穿经监测装置,其特征在于,所述特征参数提取模块,具体用于在所述预处理后的所述图像中确定包括所述待检测纱线的所述纱线目标区域;根据所述目标区域的行像素和列像素的数量确定所述纱线目标区域的所述面积;对所述预处理后的所述图像进行逐行扫描,确定所述预处理后的所述图像的所述脉冲数。
11.根据权利要求7所述自动纺纱机穿经监测装置,其特征在于,所述特征参数提取模块,还用于由所述图像中提取用于确定纱线数量的特征参数之前,获取所述图像的多种所述特征参数,利用形态学处理获取到的多种所述特征参数,确定对应每一个所述特征参数的所述准则参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810127180.8A CN108133479B (zh) | 2018-02-08 | 2018-02-08 | 一种自动纺纱机穿经监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810127180.8A CN108133479B (zh) | 2018-02-08 | 2018-02-08 | 一种自动纺纱机穿经监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133479A CN108133479A (zh) | 2018-06-08 |
CN108133479B true CN108133479B (zh) | 2021-03-05 |
Family
ID=62430741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810127180.8A Active CN108133479B (zh) | 2018-02-08 | 2018-02-08 | 一种自动纺纱机穿经监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133479B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109594183B (zh) * | 2018-12-07 | 2021-03-19 | 福建伟易泰智能科技有限公司 | 一种纱线自动追踪装置及穿经机 |
CN109584241B (zh) * | 2019-01-18 | 2020-12-18 | 福建伟易泰智能科技有限公司 | 一种钢筘的检测方法及装置 |
CN117822183B (zh) * | 2024-03-05 | 2024-06-18 | 张家港伟诺复合材料有限公司 | 一种用于碳纤维双向织造物的织造控制方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849275A (zh) * | 2015-04-22 | 2015-08-19 | 上海工程技术大学 | 一种纱线外观的高速数字化成像装置与方法 |
JP5971781B1 (ja) * | 2015-08-18 | 2016-08-17 | ナテック株式会社 | 内照式パネル用布帛及びそれを用いた内照式パネル |
CN106841224A (zh) * | 2017-04-17 | 2017-06-13 | 江南大学 | 一种纱线图像定距触发采集系统 |
-
2018
- 2018-02-08 CN CN201810127180.8A patent/CN108133479B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108133479A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133479B (zh) | 一种自动纺纱机穿经监测方法及装置 | |
CN111783744A (zh) | 一种操作现场安全防护检测方法及装置 | |
CN110738135A (zh) | 一种工人作业工步规范视觉识别判定与指导方法及系统 | |
CN110599484B (zh) | 缺陷检测方法、装置及存储介质 | |
CN108288272A (zh) | 纱线识别方法及装置 | |
CN116297199B (zh) | 一种基于机器视觉自动检测锂电池参数的检测系统 | |
CN111539939A (zh) | 一种基于机器视觉的缺陷检测方法及装置 | |
CN111724377A (zh) | 断纱检测方法、装置、电子设备、存储介质及停机系统 | |
CN113899973A (zh) | 基于红外热成像和可见光图像的发电设备故障诊断方法 | |
CN112669287A (zh) | 基于图像识别的电气设备温度监测方法 | |
CN117089977A (zh) | 一种坯布生产动态监测方法、系统及介质 | |
CN110774055B (zh) | 一种基于图像边缘检测的刀具断损监测方法及系统 | |
CN101282419B (zh) | 一种自动坏点检测方法与设备 | |
CN105335981B (zh) | 一种基于图像的货物监控方法 | |
CN117351036A (zh) | 一种crh5动车组齿轮箱箱体裂纹边缘检测方法 | |
CN117309759A (zh) | 缺陷检测系统、方法、电子设备和存储介质 | |
CN110992299B (zh) | 一种检测浏览器兼容性的方法及装置 | |
CN116469528A (zh) | 超声影像的回放方法、装置、电子设备及可读存储介质 | |
CN107527011B (zh) | 一种非接触式皮肤电阻变化趋势检测方法、装置及设备 | |
CN106558048B (zh) | 螺钉阵列异位故障检测方法与系统 | |
CN116016909A (zh) | 一种电视分区背光检测系统及方法 | |
CN109544514A (zh) | 一种融合表现特征的锯材身份辨识方法、装置及设备 | |
CN115803610A (zh) | 图像获取方法及装置、存储介质 | |
CN110865084A (zh) | 基于自学习模式的综丝分离检测系统及方法 | |
CN112132139A (zh) | 字符识别方法和装置 |
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 |