CN109919028B - 一种基于织物组织结构的柔性坐标系建立及形状识别方法 - Google Patents
一种基于织物组织结构的柔性坐标系建立及形状识别方法 Download PDFInfo
- Publication number
- CN109919028B CN109919028B CN201910094683.4A CN201910094683A CN109919028B CN 109919028 B CN109919028 B CN 109919028B CN 201910094683 A CN201910094683 A CN 201910094683A CN 109919028 B CN109919028 B CN 109919028B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- weft
- fabric
- image
- warp
- 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
Images
Abstract
本发明公开了一种基于织物组织结构的柔性坐标系建立方法及形状识别方法,属于纺织品图像识别领域。本发明通过对经纱和纬纱进行图像识别,直接将织物的经纱和纬纱的序号作为坐标值,对经纱和纬纱的交点进行表达,从而获得一种不受实际像素及尺寸影响的、具有柔性的统一坐标系,消除变形误差,由此解决现有技术中识别方法受变形影响较大的技术问题。
Description
技术领域
本发明属于纺织品图像识别领域,更具体地,涉及一种考虑织物延伸性影响的、可变的柔性坐标系的建立方法。该方法可以解决纺织品在拉力作用下拉伸导致的识别误差大问题,在纺织品的检测和加工领域有非常重要的作用。
背景技术
目前在纺织品行业中,纺织品的检测和加工主要还是通过大量重复的人工检测和加工,耗费了大量的人力和物力,有部分公司采用了基于机器视觉技术的解决方案,通过图像处理技术对织物图像进行处理后得到图像信息,然后通过对图像中的像素点进行计算处理,最后得出结果。在这种解决方案中,计算环节中采用的是像素坐标系作为计算的基准,最后通过像素坐标系和空间坐标系的变换得到结果。
在现有的纺织行业中基于机器视觉技术的解决方案中,通常是采用图像的像素来构建坐标系的。一张单通道的图片在计算中是用一个m×n的矩阵A来表示的,其中A[i][j]表示第i行第j列位置上像素的大小,i、j是用来定位某个像素的,换言之,(i,j)就是该像素的坐标。因此像素矩阵的下标构成了一个天然的坐标系,即像素坐标系,我们所有对像素的计算都是在这个坐标系下完成的。通过各种处理计算之后我们得到了所需要的像素数据,然后将这些数据进行坐标变换计算(像素坐标系->空间坐标系),得到最终的数据,通过这些数据我们再进行下一步的检测或加工工作。
但是这种方案没有考虑到布料易拉伸的特点,布料在受到机器的拉力的作用下会出现变形的情况,导致我们拍到的图像信息会随拉力的变化而变化,最后计算得到的结果误差会比较大。这种误差最终会导致识别的错误率增加,通常只能通过限制加工环境的条件来减小误差的影响,这种条件的限制一方面增加了设备的制造和使用成本,另一方面也阻碍了机器视觉技术在纺织品行业的推广和应用。
为解决织物受力变形引起的识别误差大的问题,有少量专利及文献提出了一些基于织物组织结构的解决办法,中国发明专利CN1648321A公开了一种织物纹理检测方法,其特征是通过检测相对运动织物的编织纹理特征信息作为检测参数输出,通过记录图像像素值的累加和的变化情况来判断纱线的运动情况,并以此作为相对运动织物的检测参数。该方法实际上只是提供了一种运动情况下统计纱线数目的方法,对于织物受力实时变化的情况没有很好的解决,而且没有建立一个统一的坐标系,无法准确恢复变形图案原形,进行正确的识别和判断。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于织物组织结构的柔性坐标系建立方法及基于该坐标系的织物图形识别方法,其目的在于,直接将织物的经纱和纬纱的序号作为坐标值,对经纱和纬纱的交点像素进行表达,从而获得一种不受实际像素尺寸影响的具有柔性的统一坐标系,消除变形误差,由此解决现有技术中识别方法受变形影响较大的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于织物组织结构的柔性坐标系建立方法,包括如下步骤:
(1)采集织物图像,并对采集到的图像做形态学的开操作,先腐蚀后膨胀,消除图像中的噪声,同时保证经纱和纬纱的连续性不被破坏;
(2)对步骤(1)处理后的图像进行归一化操作,减小不均匀光照对图像的影响;
(3)对步骤(2)处理后的图像进行二值化操作,凸显出经纱和纬纱的轮廓,转至步骤(4)和步骤(5)分别识别出图像中的经纱和纬纱;
(4)识别图像中的经纱:从二值化的图像中找到经纱的位置,将各经纱的相对位置和绝对的像素坐标保存下来,从而将图像中的像素点与经纱对应;
(5)识别图像中的纬纱:从二值化的图像中找到纬纱的位置,将各纬纱的相对位置和绝对的像素坐标保存下来,从而将图像中的像素点与纬纱对应;
(6)找经纱和纬纱的交点,建立坐标系:根据步骤(4)和步骤(5)的识别结果,利用每根经纱和纬纱的像素坐标找出经纱和纬纱的交点;利用经纱之间的相对位置和纬纱之间的相对位置,建立以经纱和纬纱的序号为坐标值的新坐标系,然后获得交点在柔性坐标系中的坐标。
进一步地,步骤(2)中对每行像素分别进行归一化操作,对于任意一行,将该行的像素值通过线性变换,映射到0-255之间,从而减小图像中光照暗的部分对后续二值化操作的影响。
为了实现上述目的,本发明还提供了一种基于织物组织结构的形状识别方法,包括如下步骤:
S1、按照如前所述的柔性坐标系建立方法建立变形后织物的柔性坐标系,并获取纱线交点的柔性坐标;
S2、将获取的柔性坐标转换至直角坐标系中,从而还原出变形前的原始形状。
进一步地,步骤S1中获取的交点为织物上的图案的各个端点;步骤S2中通过将各个端点的柔性坐标转换至直角坐标系上并顺次连线,获得图案变形前的原始形状。
总体而言,本发明所构思的以上技术方案与现有技术相比,由于充分利用了织物自身的经纱和纬纱交织形成网格的特性,直接以经纱和纬纱的序号作为坐标值对交点像素进行标识,获得的坐标系具有极高的柔性,交点坐标值不受织物变形的影响,能够有效解决现有技术中织物的自动检测和加工测量误差大的问题,提高织物检测和加工的成功率及精度。
附图说明
图1是按照本发明方法的流程图;
图2是本发明使用的样图;
图3是使用本发明方法识别出的经纱;
图4是使用本发明方法识别出的经纱;
图5是使用本发明方法建立的坐标系(为便于显示,测试图片被放大了10倍);
图6的(a)~(c)是按照本发明的方法进行织物图案形状识别的过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为了解决织物受拉力变形所引起的识别误差大、识别错误等问题,本发明提供了一种基于织物组织结构的柔性坐标系建立方法。在对图像信息进行处理的时候,使用本发明建立的坐标系能够随着布料的变形而自动的进行变形,进而保证织物形状的数据信息不会受到变形的影响,有利于准确还原织物的形状。
本发明的主要原理如下:由于一般织物都是由经纱和纬纱相互交错组成的,经纱和纬纱之间成一定的角度关系(通常情况下,这个角度接近90度),这样一个相互交织的网状结构类似一个天然的坐标系,其中经纱和纬纱相交的点就是一个坐标点(x,y),其中x表示距离起始位置的经纱的根数,y表示距离起始位置的纬纱的根数。如果忽略掉织物的空隙,那么一块织物可以近似的看作是由大量的经纬纱交织点组成的,每个点都对应一个坐标信息。现有技术通常是直接基于图像进行像素识别或者实际距离的识别,在织物受到拉力的作用下,织物形状会发生变形,织物上两个点之间的像素距离和物理距离(实际距离)都会发生变化,这个变化是由织物的力学性质和拉力的大小和方向所决定的,但是不管是织物的力学性质还是拉力在实际工业应用中都是很难精确测量的,因此会导致织物两点之间的实际距离的变化是很难精确计算的,进而导致最终得到的数据的误差大大增加,严重时会导致结果的识别错误。
但是不管织物的形状如何改变,织物上两个点之间的经纱和纬纱的根数是不会发生变化的,发生改变的只是织物相邻的两根经纱或者纬纱之间的实际距离,本发明直接利用经纱和纬纱建立坐标系,将二者的交织点作为坐标点,在织物的图像处理过程中,由于变形所引起的经纱或者纬纱之间的距离改变对识别结果是可以忽略不计的(关注点是经纱或纬纱间距的情况例外)。
例如:假设织物上有两点A和B,未变形之前A和B之间的绝对距离(即实际距离或物理距离)是10cm,同时,A和B之间相隔20根纱线,则相邻纱线之间的距离是5mm;当织物受力拉伸之后,A和B之间的距离变为了15cm,但是A和B之间依旧相隔20根纱线,这时相邻纱线之间的距离变为了7.5mm。现有技术通过实际像素或实际距离进行形状识别,则将A作为参考点,寻找B的时候,按照传统的坐标系,需要|AB|之间的绝对距离才可以定位到B点,但是这个距离由于变形变得不准确,不可预测了,很难定位到B点;但是按照本发明的方法,由于A和B之间的纱线根数是不变的,以相隔的纱线根数作为|AB|的距离的表示是不会发生变化的,在已知A点位置和B与A相隔的纱线数目之后,可以准确定位到B点。
优选地,在本发明中,要保证获取的织物图像中,经纱和纬纱必须是清晰可见的,由于采集原因导致的信息模糊,经纱、纬纱无法区分的情况会影响后续的处理过程。因为环境和相机的因素对图像识别很重要,获取图像时保证光照充足,图像的分辨率合适,作为一个优选的方案,可以以肉眼观察能够清晰分辨出经纱和纬纱作为粗略标准,由操作者自行把握,主要是为了去除因采集图像的质量不好带来的干扰因素。
本发明的柔性坐标系的具体建立过程如下:
(1)对采集到的图像(图2)做形态学的开操作,先腐蚀后膨胀,消除图像中的噪声,同时保证经纱和纬纱的连续性不被破坏。
(2)对图像进行归一化操作,减小不均匀光照对图像的影响。本发明中,使用了对每行像素做了归一化的操作,将该行的像素值通过线性变换,映射到0-255之间,减小了图像中光照暗的部分对后续二值化操作的影响。
(3)对图像进行二值化操作,减小图像的数据量,凸显出经纱和纬纱的轮廓信息。本发明使用的是一种自适应的阈值确定方法,即最大类间方差法(OTSU),该方法将图像分为目标和背景两部分,背景和目标之间的类间方差越大,说明构成图像的两部分差别越大,当把部分目标分为背景或把部分背景分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
(4)识别图像中的经纱。得到二值化的图像之后,图像中经纱和纬纱的轮廓信息被保存了下来,本发明从二值化的图像中找到经纱的位置,将对应的经纱的相对位置和绝对的像素坐标保存下来。我们将图像中的一个像素点和某一根经纱对应起来了,对于那些不在经纱上的像素点,说明是织物的空隙,数据点是无效的。识别结果如图3。
(5)使用与步骤(4)相同的方法来识别图像中的纬纱。将像素坐标下的每个像素点和一根纬纱对应起来,对于那些不在纬纱上的像素点,说明是织物的空隙,数据点是无效的。识别结果如图4
(6)找经纱和纬纱的交点,建立坐标系。将步骤(4)、(5)的识别结果进行合并,利用每根经纱和纬纱的像素坐标以及经纱(纬纱)之间的相对位置关系,本发明建立了一个每个像素坐标到新坐标系的变换关系(对于那些不在经纱或纬纱上的像素点,说明是织物的空隙,对应的像素表示背景板,和织物的关系不大,可以忽略),通过这样的变换,我们知道图像中的每一个像素点对应着织物上的哪一根经纱和哪一根纬纱,如图5所示。经纱和纬纱的相对位置在织物制造完成的时候就固定了,所以,在本发明所构建的新的柔性坐标系中,每一个坐标点都是固定的,不会随着织物的变形而发生变化。
利用上述方法建立的柔性坐标系和传统的像素坐标系最大的不同就是在距离的表示上,参考上面的描述,在柔性坐标系中,距离是用两点之间相隔的纱线数目来表示的,并不是实际距离。由于坐标系是基于经纱和纬纱建立的,按照步骤(4)和步骤(5)得到每根纱线的像素坐标和纱线的序号(例如从上到下,从左到右依次增大进行编号),换句话说,柔性坐标系中的坐标值就是指纱线的序号(从左上角开始,经纱和纬纱的序号都是从零开始增大)。
本方法建立的坐标系是和图像本身相关的,对每一张图像都需要使用本方法建立坐标系。通过图像处理的技术识别出图像中经纱和纬纱的根数,以及每根经纱和纬纱对应的像素坐标,并且将这种对应关系保存下来,从而能够将识别出的经纱和纬纱组合到同一图像中建立坐标系。本方法由于采用纱线序号描述交点坐标,则纱线间隙的区域因为并非纱线交点,没有坐标表示,从而消除了织物上的纱线间隙对识别结果的影响。换言之,本方法可以获取每根经纱的像素坐标以及经纱的序号(假设从上到下,从左到右,纱线编号依次增大),用经纱和纬纱的序号取代原始的用像素坐标表示点的位置(传统的像素坐标系表示为:点在第几行第几列;本发明的柔性坐标系表示为:点在第几根经纱,第几根纬纱上),这样,就忽略了纱线之间的间隙距离,保证了同一点在织物变形前后的位置表示(即坐标表示)不会发生变化。本方法解决了织物受力变形引起的图案变形问题,可以在织物变形的情况下,正确识别出织物图案的形状,解决了在织物变形的情况下,正确的定位织物上的点的位置的问题。
实际上,在本发明中,我们是将经纱和纬纱看做织物的最小组成单元,而织物上的图案、形状等信息都是在经纱和纬纱的基础上通过一定的制造技术所形成的,所以从根本上来看,这些图案和形状与经纱和纬纱有着密不可分的关系,可以使用经纱和纬纱的相对位置确定织物上的图案或者形状。在本发明提供的基于经纱和纬纱的柔性坐标系中,织物上的图案、形状是有许多根不同长度的经纱或者纬纱组成的,在织物受力出现拉伸变形的情况时,织物上的图案和形状也会随之发生变换,但是组成这些图案的纱线的数目不会发生变化。
因此,在本发明中,我们使用经纱上和纬纱交织形成的交点的数目来表示经纱的相对长度。本发明中,假设相邻两根纬纱之间的距离是一个固定的长度,那么如果知道经纱上的和纬纱相交的点的个数就可以计算出经纱的实际长度。当织物受力变形的时候,考虑到纱线的弹性,经纱或纬纱的长度也会发生变形,但是经纱上交点的个数不会发生变化。因此本发明消除了织物受力变形时引起的织物上图案或形状的长度的变化。在实际的加工和识别过程中,我们更多的是关注织物图案或形状的经纱或纬纱的相对位置关系,而不是关注图案本身的形状大小。相比用实际尺度来表示织物图案或形状的位置和大小,使用本发明建立的柔性坐标系来表示织物图案或形状的位置和大小更具有实用性,同时消除了织物受力变形引起的误差,大大的提高了识别的准确性。
本发明是基于织物的组织结构,即经纱和纬纱相交并且纱线和纱线之间的位置关系固定不变的特点,来建立一种坐标系,这个坐标系中,描述两个点之间距离的单位不是传统坐标系中的cm、mm、像素等长度单位,而是纱线的根数,比如在传统坐标系中,|AB|=5表示“点A和点B之间的距离为5cm(mm\m\像素)”;但是在本方法提出的柔性坐标系中,|AB|=5表示“点A到点B之间的距离为5根经线或纬线(或者说点A和点B所在经线或纬线的序号差值为5),但是并不需要知道相邻纱线之间的绝对距离,也不需要知道A和B之间的绝对距离”。
总之,本发明针对织物自身易变形的、测量精度低等问题,提出了一种基于织物组织结构特点的柔性坐标系的建立方法,充分利用了织物自身的经纱和纬纱交织形成网格的特性,可以解决织物的自动检测和加工中因变形导致的检测误差大的问题,能够提高织物检测和加工的成功率和精确度。本发明识别的是经纱和纬纱的像素坐标和编号,并以此建立一个坐标系,从而实现这样的目的:对于原始图像上的一个点(该点在纱线上),我们可以得到该点所在的经纱和纬纱的序号(在实际应用中,由于织物的纱线是比较密集的,织物上的点都可以近似的用一个经纱和纬纱的交点表示)。
如图6所示,(a)中织物受力变形导致织物上面的长方形变形为平行四边形,且尺寸也发生了变化,(b)是按照本发明的方法建立的柔性坐标系,从左上角开始对经纱和纬纱依次编序,作为经纱和纬纱的坐标值;别出织物上的图形对应的经纱和纬纱的各个交点在柔性坐标系下的柔性坐标后,在直角坐标系中(即未变形织物的柔性坐标系)将各个交点绘出,即可得到未变形前的图案(长方形);(c)是将按照(b)中的柔性坐标系提取出的已变形长方形的坐标,在未变形的织物上画出来,可以看到,使用本发明建立的柔性坐标系可以很好地还原出原始的图案(长方形)。本实施例为了便于比较,(c)的坐标系使用的是按照本发明的方法对变形前的织物建立的柔性坐标系,由于一般织物变形前的柔性坐标系可近似看做一个直角坐标系,在实际使用过程中,为了简化形状识别过程,通常也可以直接用直角坐标系替代。对于形状比较简单的图像,也可以仅识别出变形后图像轮廓端点对应的交点的柔性坐标,绘制到直角坐标系中,然后在直角坐标系中将各个交点顺次连接,得到图像变形前的原始形状(例如图6的长方形即可按此简化的方法处理)。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于织物组织结构的柔性坐标系建立方法,其特征在于,包括如下步骤:
(1)采集织物图像,并对采集到的图像做形态学的开操作,先腐蚀后膨胀,消除图像中的噪声,同时保证经纱和纬纱的连续性不被破坏;
(2)对步骤(1)处理后的图像进行归一化操作,减小不均匀光照对图像的影响;具体地,步骤(2)中对每行像素分别进行归一化操作,对于任意一行,将该行的像素值通过线性变换,映射到0-255之间,从而减小图像中光照暗的部分对后续二值化操作的影响;
(3)对步骤(2)处理后的图像进行二值化操作,凸显出经纱和纬纱的轮廓,转至步骤(4)和步骤(5)分别识别出图像中的经纱和纬纱;
(4)识别图像中的经纱:从二值化的图像中找到经纱的位置,将各经纱的相对位置和绝对的像素坐标保存下来,从而将图像中的像素点与经纱对应;
(5)识别图像中的纬纱:从二值化的图像中找到纬纱的位置,将各纬纱的相对位置和绝对的像素坐标保存下来,从而将图像中的像素点与纬纱对应;
(6)找经纱和纬纱的交点,建立柔性坐标系:根据步骤(4)和步骤(5)的识别结果,利用每根经纱和纬纱的像素坐标找出经纱和纬纱的交点;利用经纱之间的相对位置和纬纱之间的相对位置,建立以经纱和纬纱的序号为坐标值的柔性坐标系,然后获得交点在柔性坐标系中的坐标。
2.一种基于织物组织结构的形状识别方法,其特征在于,包括如下步骤:
S1、按照权利要求1所述的柔性坐标系建立方法建立变形后织物的柔性坐标系,并获取纱线交点的柔性坐标;
S2、将获取的柔性坐标转换至直角坐标系中,从而还原出变形前的原始形状。
3.如权利要求2所述的一种基于织物组织结构的形状识别方法,其特征在于,步骤S1中获取的交点为织物上的图案的各个端点;步骤S2中通过将各个端点的柔性坐标转换至直角坐标系上并顺次连线,获得图案变形前的原始形状。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910094683.4A CN109919028B (zh) | 2019-01-31 | 2019-01-31 | 一种基于织物组织结构的柔性坐标系建立及形状识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910094683.4A CN109919028B (zh) | 2019-01-31 | 2019-01-31 | 一种基于织物组织结构的柔性坐标系建立及形状识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109919028A CN109919028A (zh) | 2019-06-21 |
CN109919028B true CN109919028B (zh) | 2021-03-26 |
Family
ID=66961104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910094683.4A Active CN109919028B (zh) | 2019-01-31 | 2019-01-31 | 一种基于织物组织结构的柔性坐标系建立及形状识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919028B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111177809B (zh) | 2019-12-31 | 2021-09-21 | 南京玻璃纤维研究设计院有限公司 | 一种纹织图生成方法、装置、电子设备及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808893A (zh) * | 2016-05-30 | 2016-07-27 | 江苏理工学院 | 2.5维机织复合材料刚度预测方法 |
-
2019
- 2019-01-31 CN CN201910094683.4A patent/CN109919028B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808893A (zh) * | 2016-05-30 | 2016-07-27 | 江苏理工学院 | 2.5维机织复合材料刚度预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109919028A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hanbay et al. | Fabric defect detection systems and methods—A systematic literature review | |
CN113643289B (zh) | 基于图像处理的织物表面缺陷检测方法和系统 | |
Çelik et al. | Development of a machine vision system: real-time fabric defect detection and classification with neural networks | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN105550660B (zh) | 一种机织物组织结构种类的识别方法 | |
CN109594319B (zh) | 一种织物经纬密度智能检测装置及方法 | |
Pan et al. | Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm | |
Zhang et al. | A review of fabric identification based on image analysis technology | |
CN115719344A (zh) | 用于纺织布料质检的面料缺陷分析识别方法 | |
CN116523899A (zh) | 一种基于机器视觉的纺织品瑕疵检测方法及系统 | |
CN116977358A (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
US6987867B1 (en) | Process for evaluating data from textile fabrics | |
CN109919028B (zh) | 一种基于织物组织结构的柔性坐标系建立及形状识别方法 | |
CN113936001B (zh) | 一种基于图像处理技术的纺织品表面瑕疵点检测方法 | |
WO2010015190A1 (zh) | 编织纹样式的图像分析方法 | |
Jing et al. | Automatic recognition of weave pattern and repeat for yarn-dyed fabric based on KFCM and IDMF | |
CN114913180B (zh) | 一种棉布筘痕缺陷的智能检测方法 | |
CN111402225A (zh) | 一种布匹折叠误检疵点判别方法 | |
CN110672209A (zh) | 一种经编布匹色差在线检测方法 | |
CN109165650A (zh) | 印花织物图像最小重复单元自动检测方法 | |
CN115294097A (zh) | 基于机器视觉的纺织品表面疵点检测方法 | |
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 | |
CN112489015A (zh) | 一种用于移动机器人的化纤飘杂识别方法 | |
CN110378354A (zh) | 一种基于组织滤波算法的提花织物图片颜色提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |