CN109584241B - 一种钢筘的检测方法及装置 - Google Patents
一种钢筘的检测方法及装置 Download PDFInfo
- Publication number
- CN109584241B CN109584241B CN201910052415.6A CN201910052415A CN109584241B CN 109584241 B CN109584241 B CN 109584241B CN 201910052415 A CN201910052415 A CN 201910052415A CN 109584241 B CN109584241 B CN 109584241B
- Authority
- CN
- China
- Prior art keywords
- reed
- detected
- strip
- deviation value
- white
- 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
- 235000014676 Phragmites communis Nutrition 0.000 title claims abstract description 219
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 244000273256 Phragmites communis Species 0.000 claims abstract description 25
- 230000007547 defect Effects 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 34
- 230000008569 process Effects 0.000 description 11
- 239000004753 textile Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000009941 weaving Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000009286 beneficial effect Effects 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
- 238000009987 spinning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- 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
- G01N21/93—Detection standards; Calibrating baseline adjustment, drift correction
-
- 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
- G01N21/94—Investigating contamination, e.g. dust
-
- 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
- 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
-
- 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
- G06T2207/20036—Morphological image processing
Abstract
本发明涉及一种钢筘的检测方法及装置,该方法包括:获取预先拍摄的待检测钢筘的钢筘图像;对预设范围内的钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;黑色条状区域代表钢筘,白色条状区域代表钢筘间的缝隙;检测黑色条状区域和白色条状区域之间的实际位置信息;比较实际位置信息与预设标准位置的偏差值;比较偏差值与预设偏差值的大小;若偏差值大于预设偏差值,则判定待检测钢筘存在瑕疵。采用上述方法或装置能够极大地提高钢筘瑕疵检测的准确率。
Description
技术领域
本发明涉及纺织技术领域,具体涉及一种钢筘的检测方法及装置。
背景技术
随着科技的发展,越来越多的智能技术应用到工作生活中。其中,纺织行业也不可避免的需要引入智能技术。在现在纺织过程中为了保证纺织品的质量,往往需要对设备中的钢筘进行相应的检查,例如检查钢筘是否存在瑕疵。在原始的纺织过程中,大多需要人工对钢筘进行检测,此种方式需要借助人工实现,且人工在检测过程中不可避免的掺杂了主观因素,因此人工检测钢筘瑕疵的准确度和效率均较低。在现有的钢筘检测的过程中,虽然可以摆脱人工检测,但是现有技术中大多只通过对钢筘是否倾斜进行检测,对钢筘除倾斜之外的其他情况不能检测,明显此种检测方式准确率较低。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种钢筘的检测方法及装置。解决了钢筘瑕疵检测精确度低的问题。
为实现以上目的,本发明采用如下技术方案:
一种钢筘的检测方法,包括:
获取预先拍摄的待检测钢筘的钢筘图像;
对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
检测所述黑色条状区域和所述白色条状区域之间的实际位置信息;
比较所述实际位置信息与预设标准位置的偏差值;
比较所述偏差值与预设偏差值的大小;
若所述偏差值大于所述预设偏差值,则判定所述待检测钢筘存在瑕疵。
可选的,还包括:
检测所述黑色条状区域内是否存在白色印迹;
若存在,判定所述待检测钢筘断裂。
可选的,还包括:
检测所述白色条状区域是否存在黑色印迹;
若存在,判断所述待检测钢筘有污渍。
可选的,还包括:
根据几何形态学对所述黑色条状区域进行分析,得到所述待检测钢筘的宽度及长度,确定所述待检测钢筘的型号;
将所述待检测钢筘的型号与预设所需钢筘型号比较是否一致;
若不一致,判定所述待检测钢筘型号不符合要求。
可选的,还包括:
结合视觉定位算法定位所述白色条状区域的中心位置;
确定所述中心位置为纱线穿过所述待检测钢筘的位置。
一种钢筘的检测装置,包括:
钢筘图像获取模块,用于获取预先拍摄的待检测钢筘的钢筘图像;
区域划分模块,用于对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
实际位置检测模块,用于检测所述黑色条状区域和所述白色条状区域之间的实际位置信息;
偏差值比较模块,用于比较所述实际位置信息与预设标准位置的偏差值;
偏差值差值计算模块,用于比较所述偏差值与预设偏差值的大小;
第一判定模块,用于若所述偏差值大于所述预设偏差值,则判定所述待检测钢筘存在瑕疵。
可选的,还包括:
断裂检测模块,用于检测所述黑色条状区域内是否存在白色印迹;
第二判断模块,用于若存在,判定所述待检测钢筘断裂。
可选的,还包括:
污渍检测模块,用于检测所述白色条状区域是否存在黑色印迹;
第三判断模块,用于若存在,判断所述待检测钢筘有污渍。
可选的,还包括:
型号确定模块,用于根据几何形态学对所述黑色条状区域进行分析,得到所述待检测钢筘的宽度及长度,确定所述待检测钢筘的型号;
型号比较模块,用于将所述待检测钢筘的型号与预设所需钢筘型号比较是否一致;
第四判断模块,用于若不一致,判定所述待检测钢筘型号不符合要求。
可选的,还包括:
缝隙中心位置确定模块,用于结合视觉定位算法定位所述白色条状区域的中心位置;
第五判断模块,用于确定所述中心位置为纱线穿过所述待检测钢筘的位置。
本申请提供的技术方案可以包括以下有益效果:
本申请中公开了一种钢筘的检测方法,通过对获取的预先拍摄的待检测钢筘的钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域,之后对黑色条状区域和白色条状区域之间的实际位置信息进行检测,将该实际位置信息与预设标准位置进行比较,得到偏差值,将该偏差值再与预设偏差值比较大小,若超出该预设偏差值则断定待检测钢筘存在瑕疵。采用上述方法能够精确对待检测钢筘的钢筘与钢筘见缝隙之间的位置关系,以此精确判断出钢筘与缝隙间的位置关系是否超出预设标准值,以此精确判断钢筘是否存在瑕疵,有效提升了钢筘的检测效率,提高检出瑕疵的可靠性与精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明一实施例提供的钢筘的检测方法流程图;
图2是本发明另一实施例提供的钢筘的检测方法流程图;
图3是本发明另一实施例提供的钢筘的检测方法流程图;
图4是本发明一实施例提供的钢筘的检测装置结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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。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得到的所有其它实施方式,都属于本发明所保护的范围。
图1是本发明一实施例提供的钢筘的检测方法流程图。参见图1,一种钢筘的检测方法,包括:
步骤101:获取预先拍摄的待检测钢筘的钢筘图像;
步骤102:对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
步骤103:检测所述黑色条状区域和所述白色条状区域之间的实际位置信息;
步骤104:比较所述实际位置信息与预设标准位置的偏差值;
步骤105:比较所述偏差值与预设偏差值的大小;
步骤106:若所述偏差值大于所述预设偏差值,则判定所述待检测钢筘存在瑕疵。
其中,上述方法中通过CCD图像传感器采集待检测钢筘的钢筘图像,在对钢筘图像进行分析时,先按照要求选择预设范围内的钢筘图像进行分析。需要注意的是,此处的预设范围的选取可以根据用户的需求预先设定,范围的选择并不唯一,可以根据实际情况而定。
在对钢筘图像进行分析的过程中,钢筘图像中的一条一条的黑色条状区域代表一个个的钢筘,一条一条的白色条状区域代表钢筘间的缝隙。根据钢筘与缝隙的标准位置,再结合实际现场情况设定的一个预设偏差值,通过上述方法判断钢筘的偏差值与预设标准位置的差是否小于标准偏差值。以此能够精准判断钢筘是否存在瑕疵。
采用上述钢筘的检测方法能够根据钢筘图像对钢筘是否存在瑕疵进行精确的判定,减少了人工检测钢筘的工作量,提高了纺织效率,同时也极大地提高了纱线织造工序设备的自动化与智能化水平。
为了更详细地介绍本申请中钢筘的检测方法,现提供另一个实施例详细介绍本申请中钢筘的检测方法,具体如下:
图2是本发明另一实施例提供的钢筘的检测方法流程图。参见图2,一种钢筘的检测方法,包括:
步骤201:获取预先拍摄的待检测钢筘的钢筘图像;
步骤202:对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
步骤203:检测所述黑色条状区域内是否存在白色印迹;
步骤204:若存在,判定所述待检测钢筘断裂。
步骤205:检测所述白色条状区域是否存在黑色印迹;
步骤206:若存在,判断所述待检测钢筘有污渍。
上述实施例中通过对黑色条状区域进行检测,当黑色条状区域中存在白色印迹时,则代表该钢筘锻炼;对白色条状区域进行检测,当白色条状区域中出现黑色印迹时,代表该钢筘有污渍。以此实现了自动检测钢筘断裂和污渍的功能,无需再依靠人工进行检查了,极大地提高了纺织效率,同时极大地降低了人工消耗。
为了更详细地介绍本申请中钢筘的检测方法,现提供另一个实施例详细介绍本申请中钢筘的检测方法,具体如下:
图3是本发明另一实施例提供的钢筘的检测方法流程图。参见图3一种钢筘的检测方法,包括:
步骤301:获取预先拍摄的待检测钢筘的钢筘图像;
步骤302:对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
步骤303:根据几何形态学对所述黑色条状区域进行分析,得到所述待检测钢筘的宽度及长度,确定所述待检测钢筘的型号;
步骤304:将所述待检测钢筘的型号与预设所需钢筘型号比较是否一致;
步骤305:若不一致,判定所述待检测钢筘型号不符合要求;
步骤306:结合视觉定位算法定位所述白色条状区域的中心位置;
步骤307:确定所述中心位置为纱线穿过所述待检测钢筘的位置。
上述实施例中利用几何形态学通过对黑色条状区域进行分析,确定待检测钢筘的型号,以此判定待检测钢筘型号是否符合用户需求,若检测到型号不符合要求,则提示钢筘型号出错,避免因钢筘型号问题导致的生产出错,以此极大地提高了纺织行业的生产效率,将大大降低错筘、打筘的可能,保证了后序工艺的良品率,不再出现由于钢筘原因导致的布料报废。
同时上述实施例中还利用视觉定位算法对白色条状区域进行中心位置的定位,得到白色条状区域的中心位置,即钢筘间缝隙的中心位置,确定了该中心位置后则指引纱线以该中心位置为标准穿过缝隙,可以实现自动穿经的功能,完全达到了穿经机的使用指标要求,在性能上已经超过了机器本身对于钢筘筘齿识别效率的要求,因此可以认为该发明是完全可以满足自动穿经机,以及相关的行业应用的需要。
对应于本发明实施例提供的一种钢筘的检测方法,本发明实施例还提供一种钢筘的检测装置。请参见下文实施例。
图4是本发明一实施例提供的钢筘的检测装置结构图。一种钢筘的检测装置,包括:
钢筘图像获取模块401,用于获取预先拍摄的待检测钢筘的钢筘图像;
区域划分模块402,用于对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
实际位置检测模块403,用于检测所述黑色条状区域和所述白色条状区域之间的实际位置信息;
偏差值比较模块404,用于比较所述实际位置信息与预设标准位置的偏差值;
偏差值差值计算模块405,用于比较所述偏差值与预设偏差值的大小;
第一判定模块406,用于若所述偏差值大于所述预设偏差值,则判定所述待检测钢筘存在瑕疵。
上述实施例中对钢筘图像进行分析的过程中,钢筘图像中的一条一条的黑色条状区域代表一个个的钢筘,一条一条的白色条状区域代表钢筘间的缝隙。根据钢筘与缝隙的标准位置,再结合实际现场情况设定的一个预设偏差值,通过上述方法判断钢筘的偏差值与预设标准位置的差是否小于标准偏差值。以此能够精准判断钢筘是否存在瑕疵。
采用上述钢筘的检测装置能够根据钢筘图像对钢筘是否存在瑕疵进行精确的判定,减少了人工检测钢筘的工作量,提高了纺织效率,同时也极大地提高了纱线织造工序设备的自动化与智能化水平。
同时,为了更详细全面地介绍本申请中钢筘的检测装置,现提供另一个实施例详细介绍本申请中钢筘的检测装置,具体如下:
在上述检测装置的实施例的基础上,本实施例在包括:钢筘图像获取模块、区域划分模块的基础上,还包括:
断裂检测模块,用于检测所述黑色条状区域内是否存在白色印迹;
第二判断模块,用于若存在,判定所述待检测钢筘断裂。
污渍检测模块,用于检测所述白色条状区域是否存在黑色印迹;
第三判断模块,用于若存在,判断所述待检测钢筘有污渍。
上述实施例中通过对黑色条状区域进行检测判断钢筘是否存在断裂的情况,通过对白色条状区域进行检测判断钢筘是否有污渍,以此能够实现自动检测钢筘断裂和污渍的功能,无需再依靠人工进行检查,极大地提高了纺织效率,同时极大地降低了人工消耗。
同时,为了更详细全面地介绍本申请中钢筘的检测装置,现提供另一个实施例详细介绍本申请中钢筘的检测装置,具体如下:
在上述检测装置的实施例的基础上,本实施例在包括:钢筘图像获取模块、区域划分模块的基础上,还包括:
型号确定模块,用于根据几何形态学对所述黑色条状区域进行分析,得到所述待检测钢筘的宽度及长度,确定所述待检测钢筘的型号;
型号比较模块,用于将所述待检测钢筘的型号与预设所需钢筘型号比较是否一致;
第四判断模块,用于若不一致,判定所述待检测钢筘型号不符合要求;
缝隙中心位置确定模块,用于结合视觉定位算法定位所述白色条状区域的中心位置;
第五判断模块,用于确定所述中心位置为纱线穿过所述待检测钢筘的位置。
此实施例中通过对黑色条状区域进行分析,确定待检测钢筘型号,以此判定钢筘型号是否符合要求,以此大大避免了因钢筘型号出错导致的布料作废等问题的发生,以此极大地提高了纺织效率,极大地降低了出错率。
同时上述实施例中还对白色条状区域进行分析,确定白色条状区域进行分析的中心位置,以此确定钢筘见缝隙的中心位置,保证纱线均从该中心位置处穿过,进行纺织,以此实现了自动穿线的功能,且穿线准确率极高,降低了穿线人工的消耗,降低了人工成本,完全实现了自动控制。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种钢筘的检测方法,其特征在于,包括:
获取预先拍摄的待检测钢筘的钢筘图像;
对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
检测所述黑色条状区域和所述白色条状区域之间的实际位置信息;
比较所述实际位置信息与预设标准位置的偏差值;
比较所述偏差值与预设偏差值的大小;
若所述偏差值大于所述预设偏差值,则判定所述待检测钢筘存在瑕疵;
结合视觉定位算法定位所述白色条状区域的中心位置;
确定所述中心位置为纱线穿过所述待检测钢筘的位置。
2.根据权利要求1所述的钢筘的检测方法,其特征在于,还包括:
检测所述黑色条状区域内是否存在白色印迹;
若存在,判定所述待检测钢筘断裂。
3.根据权利要求1所述的钢筘的检测方法,其特征在于,还包括:
检测所述白色条状区域是否存在黑色印迹;
若存在,判断所述待检测钢筘有污渍。
4.根据权利要求1所述的钢筘的检测方法,其特征在于,还包括:
根据几何形态学对所述黑色条状区域进行分析,得到所述待检测钢筘的宽度及长度,确定所述待检测钢筘的型号;
将所述待检测钢筘的型号与预设所需钢筘型号比较是否一致;
若不一致,判定所述待检测钢筘型号不符合要求。
5.一种钢筘的检测装置,其特征在于,包括:
钢筘图像获取模块,用于获取预先拍摄的待检测钢筘的钢筘图像;
区域划分模块,用于对预设范围内的所述钢筘图像进行黑白区域划分,得到多个黑色条状区域和多个白色条状区域;所述黑色条状区域代表钢筘,所述白色条状区域代表钢筘间的缝隙;
实际位置检测模块,用于检测所述黑色条状区域和所述白色条状区域之间的实际位置信息;
偏差值比较模块,用于比较所述实际位置信息与预设标准位置的偏差值;
偏差值差值计算模块,用于比较所述偏差值与预设偏差值的大小;
第一判定模块,用于若所述偏差值大于所述预设偏差值,则判定所述待检测钢筘存在瑕疵;
缝隙中心位置确定模块,用于结合视觉定位算法定位所述白色条状区域的中心位置;
第五判断模块,用于确定所述中心位置为纱线穿过所述待检测钢筘的位置。
6.根据权利要求5所述的钢筘的检测装置,其特征在于,还包括:
断裂检测模块,用于检测所述黑色条状区域内是否存在白色印迹;
第二判断模块,用于若存在,判定所述待检测钢筘断裂。
7.根据权利要求5所述的钢筘的检测装置,其特征在于,还包括:
污渍检测模块,用于检测所述白色条状区域是否存在黑色印迹;
第三判断模块,用于若存在,判断所述待检测钢筘有污渍。
8.根据权利要求5所述的钢筘的检测装置,其特征在于,还包括:
型号确定模块,用于根据几何形态学对所述黑色条状区域进行分析,得到所述待检测钢筘的宽度及长度,确定所述待检测钢筘的型号;
型号比较模块,用于将所述待检测钢筘的型号与预设所需钢筘型号比较是否一致;
第四判断模块,用于若不一致,判定所述待检测钢筘型号不符合要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910052415.6A CN109584241B (zh) | 2019-01-18 | 2019-01-18 | 一种钢筘的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910052415.6A CN109584241B (zh) | 2019-01-18 | 2019-01-18 | 一种钢筘的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109584241A CN109584241A (zh) | 2019-04-05 |
CN109584241B true CN109584241B (zh) | 2020-12-18 |
Family
ID=65916906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910052415.6A Expired - Fee Related CN109584241B (zh) | 2019-01-18 | 2019-01-18 | 一种钢筘的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584241B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132154B (zh) * | 2019-06-05 | 2021-02-05 | 江南大学 | 一种基于机器视觉的钢筘质量检测方法 |
CN110174407B (zh) * | 2019-06-05 | 2020-12-15 | 江南大学 | 一种基于机器视觉的钢筘质量检测装置 |
EP3754075B1 (en) * | 2019-06-19 | 2022-12-07 | Stäubli Sargans AG | Reed monitoring assembly, drawing-in machine incorporating such a reed monitoring assembly and process for monitoring a reed with such a reed monitoring assembly |
CN111369517B (zh) * | 2020-02-28 | 2023-08-01 | 创新奇智(合肥)科技有限公司 | 太阳能板自动质检方法、装置、电子设备及存储介质 |
CN111705400A (zh) * | 2020-06-30 | 2020-09-25 | 山东日发纺织机械有限公司 | 一种自动穿经机及筘刀插入钢筘的控制方法 |
CN113983968B (zh) * | 2021-12-28 | 2022-03-18 | 常州吴越纺织器材有限公司 | 钢筘瑕疵检测装置及检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100458258B1 (ko) * | 2000-06-27 | 2004-11-26 | 마츠시다 덴코 가부시키가이샤 | 외관 검사 프로그램의 프로그래밍 장치 |
CN107301637A (zh) * | 2017-05-22 | 2017-10-27 | 南京理工大学 | 近矩形平面状工业产品表面瑕疵检测方法 |
CN108315852A (zh) * | 2018-02-12 | 2018-07-24 | 首都师范大学 | 纺纱机穿线方法及装置 |
CN108734690A (zh) * | 2018-03-02 | 2018-11-02 | 苏州汉特士视觉科技有限公司 | 一种视觉缺陷检测设备及其检测方法 |
CN108918544A (zh) * | 2018-09-21 | 2018-11-30 | 广东溢达纺织有限公司 | 自动检测纱线撞筘装置、方法及浆纱系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3927353B2 (ja) * | 2000-06-15 | 2007-06-06 | 株式会社日立製作所 | 比較検査における画像の位置合せ方法、比較検査方法及び比較検査装置 |
US8355562B2 (en) * | 2007-08-23 | 2013-01-15 | Hitachi High-Technologies Corporation | Pattern shape evaluation method |
CN108133479B (zh) * | 2018-02-08 | 2021-03-05 | 首都师范大学 | 一种自动纺纱机穿经监测方法及装置 |
-
2019
- 2019-01-18 CN CN201910052415.6A patent/CN109584241B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100458258B1 (ko) * | 2000-06-27 | 2004-11-26 | 마츠시다 덴코 가부시키가이샤 | 외관 검사 프로그램의 프로그래밍 장치 |
CN107301637A (zh) * | 2017-05-22 | 2017-10-27 | 南京理工大学 | 近矩形平面状工业产品表面瑕疵检测方法 |
CN108315852A (zh) * | 2018-02-12 | 2018-07-24 | 首都师范大学 | 纺纱机穿线方法及装置 |
CN108734690A (zh) * | 2018-03-02 | 2018-11-02 | 苏州汉特士视觉科技有限公司 | 一种视觉缺陷检测设备及其检测方法 |
CN108918544A (zh) * | 2018-09-21 | 2018-11-30 | 广东溢达纺织有限公司 | 自动检测纱线撞筘装置、方法及浆纱系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109584241A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584241B (zh) | 一种钢筘的检测方法及装置 | |
JP6121425B2 (ja) | ラスタ画像のエッジ検出によるベルト摩耗の測定 | |
CN107515220B (zh) | 一种基于图像处理的纱线黑板毛羽量检测及评价方法 | |
CN111754470A (zh) | 自动验布方法、装置、自动验布机和存储介质 | |
CN111433399B (zh) | 用于触发织机上织物检查的方法和系统 | |
CN102435616B (zh) | 一种新型晶边检测仪稳定性的监控方法 | |
KR102445162B1 (ko) | 비전센서를 활용한 데이터 추출 및 딥러닝과 머신러닝 알고리즘에 기반한 제직 원단의 결점 검출 자동화시스템 | |
CN113838038B (zh) | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 | |
US20170291343A1 (en) | Molding system | |
CN101096819B (zh) | 织物的组织判别方法 | |
CN115018826B (zh) | 一种基于图像识别的织物瑕疵检测方法及系统 | |
CN113340909A (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN116542984A (zh) | 五金件缺陷检测方法、装置、计算机设备及存储介质 | |
CN115861310A (zh) | 一种床单表面纺织缺陷检测方法 | |
CN110108713A (zh) | 一种表面异物缺陷快速过滤方法及系统 | |
CN115409799A (zh) | Led芯片自动针痕检测方法、装置、介质及电子设备 | |
Heleno et al. | A machine vision quality control system for industrial acrylic fibre production | |
JP5155938B2 (ja) | パターン輪郭検出方法 | |
JP6173088B2 (ja) | 検査装置、検査方法、プログラム及び記録媒体 | |
CN109211937B (zh) | 一种内衣弹性织带弯带缺陷的检测系统及其检测方法 | |
CN111504608A (zh) | 辉度均匀检测系统及辉度均匀检测方法 | |
CN113256615B (zh) | 线形缺陷的检测方法和装置 | |
CN113866183B (zh) | 一种带钢表面检测仪的故障检测方法及装置 | |
JP2001013081A (ja) | タイヤ検査方法および装置 | |
CN108957018A (zh) | 一种自动生化分析仪 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201218 |