CN110097538A - 一种织机在线验布装置及疵点识别方法 - Google Patents

Abstract

本发明公开一种织机在线验布装置，安装位置介于织布机胸梁和卷布辊之间，彩色面阵相机采集织物图像，通过千兆以太网线经交换机将图像数据传输到工业控制计算机，工业控制计算机通过图像分析发现存在疵点则将亮起信号提示灯。一种疵点识别方法：对织物图像进行灰度化处理、高斯滤波处理，对其应用水平方向的Sobel算子，获取其水平边缘梯度图像标记为X_h；将图像X_h划分为若干图像区域X_i；对X_i应用奇异值分解，提取前K个最大特性值对应的向量对X_i进行近似，可得图像区域的残差图像E_i；将E_i划分成w×h大小的子窗口，计算每个子窗口内所有像素点平均值标记为S_i，若S_i超过指定的阈值T，则判断该子窗口存在疵点。

Description

一种织机在线验布装置及疵点识别方法

技术领域

本发明属于纺织智能检测技术及质量控制领域，具体涉及一种织机在线验布装置及疵点识别方法。

背景技术

纺织作为传统的劳动密集型产业，在智能工业时代下，发展智能化的纺织加工装备是加化纺织转行升级的重要途径。对于纺织面料加工而言，没有先进的检测技术自然也无法生产出高品质的纺织品。基于机器视觉的机织面料疵点检测方法，由于其为非接触式检测，能有效克服人工检测缺点，其应用价值正在突显。

由于机织物种类繁多且疵点外观随机多变，目前大多数基于机器视觉的机织面料疵点检测都集中在素色织物的检测，且检测方式都是在坯布下机之后进行离线检测，例如中国专利CN201010189591.3，公开了一种自动验布方法，该发明专利采用4个智能相机进行织物图像信息采集，然后经过图像特征确定图像中疵点的位置。该方法的缺点是检测结果只能用于织物面料质量评价，不能实时监测，及时发现并消除连续性疵点。中国专利CN201410245677.1，公开了基于机器视觉的在线织物瑕疵检测与报警系统的检测方法，该发明将图像采集装置安装在织物生产过程中，如果发现存在疵点，控制设备可以停止机器生产，并通过生产人员。该方法虽然能及时发现织物生产中的疵点，但图像采集装置安装在织机上，受织机震动影响大且影响挡车工操作。

为能实现机织面料疵点的实时监测，本发明提供了织机在线检测装置及检测方法。

发明内容

本发明针对现有技术存在的问题和不足，提供一种织机在线验布装置及疵点识别方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种织机在线验布装置，其特点在于，所述在线验布装置的安装位置介于织布机胸梁和卷布辊之间，所述在线验布装置包括彩色面阵相机、交换机、工业控制计算机和信号提示灯，所述彩色面阵相机用于采集织物图像，通过千兆以太网线经交换机将图像数据传输到工业控制计算机，所述工业控制计算机用于通过图像分析发现存在疵点则将亮起信号提示灯。

较佳地，所述彩色面阵相机的数量根据所要检测织物的幅宽确定，每台相机所能拍摄的范围为：10cmx7.5cm。

本发明提供一种织机在线验布装置的疵点识别方法，其特点在于，其利用上述的织机在线验布装置实现，所述工业控制计算机用于通过疵点识别方法识别是否存在疵点，所述方法包括以下步骤：

设采集到的织物图像为X，大小为m×n；

S1、对织物图像进行灰度化处理，再进行高斯滤波处理，并对其应用水平方向的Sobel算子，获取其水平边缘梯度图像标记为X_h；

S2、将水平边缘梯度图像X_h划分为若干图像区域X_i；

S3、对图像区域X_i应用奇异值分解，并提取前K个最大特性值对应的向量对图像区域X_i进行近似，公式为：

式中，U_K为前K个最大特性值对应的向量所组成的矩阵，进而可以得到图像区域的残差图像

S4、将残差图像E_i划分成w×h大小的子窗口，并计算每个子窗口内所有像素点平均值标记为S_i，若像素点平均值S_i超过指定的阈值T，则判断该子窗口存在疵点。

较佳地，K值的取值范围为[3,8]。

较佳地，在步骤S4中，残差图像E_i划分成w×h大小的子窗口，子窗口尺寸区间为[8,128]，

较佳地，若需要重点检测经向疵点，则选取w<h。

较佳地，指定的阈值T的选取方法是：T＝u+cσ₂，其中u和σ₂分别为所有子窗口S_i的平均值和标准差σ₂，c为常数，取值1≤c≤3.5。

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：

本发明实时监测织布过程所产生的疵点，及时反馈避免疵点连续发生；本发明通过定位边缘对织物进行分区检测，在很大程度上解决了传统算法不能应用于色织面料检测的问题，检测算法以重构的方式进行疵点识别，提高了对不同形态疵点的适应性和识别精度。

附图说明

图1为本发明较佳实施例的在线验布装置的结构示意图。

图2为本发明较佳实施例的采集的色织物图像的示意图。

图3为本发明较佳实施例的采集的区域划分结果图。

图4为本发明较佳实施例的残差图像示意图。

图5为本发明较佳实施例的检测结果示意图。

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。

如图1所示，本实施例提供一种织机在线验布装置，包括彩色面阵相机1、交换机2、工业控制计算机3、信号提示灯4和千兆网线5。织物图像通过彩色面阵相机1采集，然后通过千兆以太网线5经交换机2将图像数据传输到工业控制计算机3。若疵点识别方法通过图像分析发现存在疵点则将亮起信号提示灯4。

所述彩色面阵相机1的数量根据所要检测织物的幅宽确定，每台相机所能拍摄的范围为：10cmx7.5cm(长x宽)，若所要检测到幅宽为2米，则需要安装20台相机，保证采集整个幅宽的织物图像。

本实施例还提供一种织机在线验布装置的疵点识别方法，其利用上述的织机在线验布装置实现，所述工业控制计算机用于通过疵点识别方法识别是否存在疵点，所述方法包括以下步骤：

设采集到的织物图像为X，大小为m×n；

S1、对织物图像进行灰度化处理，再进行高斯滤波处理，并对其应用水平方向的Sobel算子，获取其水平边缘梯度图像标记为X_h；

S2、将水平边缘梯度图像X_h划分为若干图像区域X_i；

S3、对图像区域X_i应用奇异值分解，并提取前K个最大特性值对应的向量对图像区域X_i进行近似，公式为：

式中，U_K为前K个最大特性值对应的向量所组成的矩阵，K值的取值范围为[3,8]，进而可以得到图像区域的残差图像

S4、将残差图像E_i划分成w×h大小的子窗口，并计算每个子窗口内所有像素点平均值标记为S_i，若像素点平均值S_i超过指定的阈值T，则判断该子窗口存在疵点。

残差图像E_i划分成w×h大小的子窗口，是指将残差图像可以根据实际情况进行有重叠和无重叠方法划分，子窗口尺寸区间为[8,128]，可根据实际检测情况进行调整，若需要重点检测经向疵点，则选取w<h。

指定的阈值T的选取方法是：T＝u+cσ₂，其中u和σ₂分别为所有子窗口S_i的平均值和标准差σ₂，c为常数，取值1≤c≤3.5。

图2是由本发明所提供的验布装置采集到的色织物疵点图像，记为X，大小为1200×900。首先对织物图像进行灰度化处理，再对其进行高斯滤波处理，在对其应用水平方向的Sobel算子，获取其水平边缘梯度图像，记为X_h。应用如下公式：

X_i(x,y)＝{x|k_i≤x≤k_i+1,1≤y≤900}

k＝{x|2×P(y)≤x}

将水平边缘梯度图像X_h进行划分为若干区域X_i，其划分结果如图3所示。

根据图3的划分结果，应用奇异值分解(SVD)，并提取前5个最大特性值对应的向量对图像区域X_i进行近似，其具体公式为：

进而可以得到图像区域的残差图像其残差图像如图4所示。

最后，考虑到本发明着重检测经向疵点，故将图4划分成64×150大小的子窗口，并计算每个子窗口内所有像素点平均值S_i。进一步得到u＝0.178，σ₂＝0.152，取c＝1.5，则指定的阈值T＝0.406，如果S_i超过指定的阈值T，则判断该子窗口存在疵点。图5给出了最终的检测结果，其中打叉的子窗体表示判定存在疵点，从图5可以看出，本发明提供的疵点识别方法可以有效的将疵点主体区域识别出来。

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 (7)

1.一种织机在线验布装置，其特征在于，所述在线验布装置的安装位置介于织布机胸梁和卷布辊之间，所述在线验布装置包括彩色面阵相机、交换机、工业控制计算机和信号提示灯，所述彩色面阵相机用于采集织物图像，通过千兆以太网线经交换机将图像数据传输到工业控制计算机，所述工业控制计算机用于通过图像分析发现存在疵点则将亮起信号提示灯。

2.如权利要求1所述的织机在线验布装置，其特征在于，所述彩色面阵相机的数量根据所要检测织物的幅宽确定，每台相机所能拍摄的范围为：10cmx7.5cm。

3.一种织机在线验布装置的疵点识别方法，其特征在于，其利用如权利要求1或2所述的织机在线验布装置实现，所述工业控制计算机用于通过疵点识别方法识别是否存在疵点，所述方法包括以下步骤：

设采集到的织物图像为X，大小为m×n；

S1、对织物图像进行灰度化处理，再进行高斯滤波处理，并对其应用水平方向的Sobel算子，获取其水平边缘梯度图像标记为X_h；

S2、将水平边缘梯度图像X_h划分为若干图像区域X_i；

S3、对图像区域X_i应用奇异值分解，并提取前K个最大特性值对应的向量对图像区域X_i进行近似，公式为：

X_i＝UΣV^T

式中，U_K为前K个最大特性值对应的向量所组成的矩阵，进而可以得到图像区域的残差图像

S4、将残差图像E_i划分成w×h大小的子窗口，并计算每个子窗口内所有像素点平均值标记为S_i，若像素点平均值S_i超过指定的阈值T，则判断该子窗口存在疵点。

4.如权利要求3所述的疵点识别方法，其特征在于，K值的取值范围为[3,8]。

5.如权利要求4所述的疵点识别方法，其特征在于，在步骤S4中，残差图像E_i划分成w×h大小的子窗口，子窗口尺寸区间为[8,128]。

6.如权利要求5所述的疵点识别方法，其特征在于，若需要重点检测经向疵点，则选取w<h。

7.如权利要求3所述的疵点识别方法，其特征在于，指定的阈值T的选取方法是：T＝u+cσ₂，其中u和σ₂分别为所有子窗口S_i的平均值和标准差σ₂，c为常数，取值1≤c≤3.5。