CN110097538A - 一种织机在线验布装置及疵点识别方法 - Google Patents
一种织机在线验布装置及疵点识别方法 Download PDFInfo
- Publication number
- CN110097538A CN110097538A CN201910306814.0A CN201910306814A CN110097538A CN 110097538 A CN110097538 A CN 110097538A CN 201910306814 A CN201910306814 A CN 201910306814A CN 110097538 A CN110097538 A CN 110097538A
- Authority
- CN
- China
- Prior art keywords
- image
- loom
- child window
- value
- examination device
- 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
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
- G06T7/13—Edge detection
-
- 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
- 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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
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Xh;将图像Xh划分为若干图像区域Xi;对Xi应用奇异值分解,提取前K个最大特性值对应的向量对Xi进行近似,可得图像区域的残差图像Ei;将Ei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Si,若Si超过指定的阈值T,则判断该子窗口存在疵点。
Description
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Xh;
S2、将水平边缘梯度图像Xh划分为若干图像区域Xi;
S3、对图像区域Xi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Xi进行近似,公式为:
式中,UK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Ei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Si,若像素点平均值Si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Ei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Si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Xh;
S2、将水平边缘梯度图像Xh划分为若干图像区域Xi;
S3、对图像区域Xi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Xi进行近似,公式为:
式中,UK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Ei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Si,若像素点平均值Si超过指定的阈值T,则判断该子窗口存在疵点。
残差图像Ei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Si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Xh。应用如下公式:
Xi(x,y)={x|ki≤x≤ki+1,1≤y≤900}
k={x|2×P(y)≤x}
将水平边缘梯度图像Xh进行划分为若干区域Xi,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Xi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Si。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Si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Xh;
S2、将水平边缘梯度图像Xh划分为若干图像区域Xi;
S3、对图像区域Xi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Xi进行近似,公式为:
Xi=UΣVT
式中,UK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Ei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Si,若像素点平均值Si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Ei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Si的平均值和标准差σ2,c为常数,取值1≤c≤3.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910306814.0A CN110097538A (zh) | 2019-04-17 | 2019-04-17 | 一种织机在线验布装置及疵点识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910306814.0A CN110097538A (zh) | 2019-04-17 | 2019-04-17 | 一种织机在线验布装置及疵点识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110097538A true CN110097538A (zh) | 2019-08-06 |
Family
ID=67445044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910306814.0A Pending CN110097538A (zh) | 2019-04-17 | 2019-04-17 | 一种织机在线验布装置及疵点识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097538A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954548A (zh) * | 2019-11-28 | 2020-04-03 | 西安获德图像技术有限公司 | 基于机器视觉的验布机及采用其检测布匹缺陷的方法 |
CN112129771A (zh) * | 2020-08-10 | 2020-12-25 | 苏州巨细智能科技有限公司 | 基于5g的布匹瑕疵检测方法及系统 |
US11205262B2 (en) | 2020-07-28 | 2021-12-21 | Jiangnan University | Online detection method of circular weft knitting stripe defects based on gray gradient method |
WO2022021774A1 (zh) * | 2020-07-28 | 2022-02-03 | 江南大学 | 一种基于灰度梯度法的圆纬编横条疵点在线检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967606A (zh) * | 2012-11-02 | 2013-03-13 | 海宁市科威工业电子科技有限公司 | 一种纺织机织物瑕疵视觉检测系统 |
CN103234980A (zh) * | 2012-08-20 | 2013-08-07 | 苏州大学 | 一种基于机器视觉的在线织物瑕疵检测与报警系统 |
CN107870172A (zh) * | 2017-07-06 | 2018-04-03 | 黎明职业大学 | 一种基于图像处理的布匹疵点检测方法 |
CN108193354A (zh) * | 2018-03-06 | 2018-06-22 | 沈红 | 利用摄像头实时监测缂丝织物表面图案的缂丝机 |
CN109345548A (zh) * | 2018-10-23 | 2019-02-15 | 江南大学 | 一种基于总变差的织物疵点分割方法 |
-
2019
- 2019-04-17 CN CN201910306814.0A patent/CN110097538A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234980A (zh) * | 2012-08-20 | 2013-08-07 | 苏州大学 | 一种基于机器视觉的在线织物瑕疵检测与报警系统 |
CN102967606A (zh) * | 2012-11-02 | 2013-03-13 | 海宁市科威工业电子科技有限公司 | 一种纺织机织物瑕疵视觉检测系统 |
CN107870172A (zh) * | 2017-07-06 | 2018-04-03 | 黎明职业大学 | 一种基于图像处理的布匹疵点检测方法 |
CN108193354A (zh) * | 2018-03-06 | 2018-06-22 | 沈红 | 利用摄像头实时监测缂丝织物表面图案的缂丝机 |
CN109345548A (zh) * | 2018-10-23 | 2019-02-15 | 江南大学 | 一种基于总变差的织物疵点分割方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954548A (zh) * | 2019-11-28 | 2020-04-03 | 西安获德图像技术有限公司 | 基于机器视觉的验布机及采用其检测布匹缺陷的方法 |
US11205262B2 (en) | 2020-07-28 | 2021-12-21 | Jiangnan University | Online detection method of circular weft knitting stripe defects based on gray gradient method |
WO2022021774A1 (zh) * | 2020-07-28 | 2022-02-03 | 江南大学 | 一种基于灰度梯度法的圆纬编横条疵点在线检测方法 |
CN112129771A (zh) * | 2020-08-10 | 2020-12-25 | 苏州巨细智能科技有限公司 | 基于5g的布匹瑕疵检测方法及系统 |
CN112129771B (zh) * | 2020-08-10 | 2024-01-23 | 苏州巨细智能科技有限公司 | 基于5g的布匹瑕疵检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097538A (zh) | 一种织机在线验布装置及疵点识别方法 | |
CN103529051B (zh) | 一种机织纺织品瑕疵自动在线检测方法 | |
CN102221559B (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN110084246A (zh) | 一种色织物疵点自动识别方法 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN107132235B (zh) | 在线织物疵点检测方法 | |
CN105444891A (zh) | 一种基于机器视觉的纱线印染色差检测系统 | |
CN103604809A (zh) | 一种图案布匹瑕疵在线视觉检测方法 | |
Çelik et al. | Fabric defect detection using linear filtering and morphological operations | |
Zhang et al. | A review of fabric identification based on image analysis technology | |
CN103106645A (zh) | 一种机织物组织结构识别方法 | |
CN109740507A (zh) | 一种变电设备异常感知的方法 | |
WO2022021774A1 (zh) | 一种基于灰度梯度法的圆纬编横条疵点在线检测方法 | |
CN115131353B (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
KR102445162B1 (ko) | 비전센서를 활용한 데이터 추출 및 딥러닝과 머신러닝 알고리즘에 기반한 제직 원단의 결점 검출 자동화시스템 | |
CN114998321A (zh) | 一种基于光学手段的纺织材料表面毛羽程度识别方法 | |
Çelik et al. | Real-time denim fabric inspection using image analysis | |
CN110376211A (zh) | 一种湿法涂胶的合成革卷边在线检测装置及方法 | |
CN117089977B (zh) | 一种坯布生产动态监测方法、系统及介质 | |
CN115508282B (zh) | 一种在线智能验布检测系统 | |
CN107121063A (zh) | 检测工件的方法 | |
CN116778174A (zh) | 一种开幅式单面机控制方法及系统 | |
CN109632817A (zh) | 一种基于准直激光束的织物织造在线疵点检测方法 | |
Kumar et al. | An intelligent scheme for fault detection in textile web materials | |
CN109825944A (zh) | 一种基于线激光的织物织造在线疵点检测方法 |
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 |
Application publication date: 20190806 |
|
RJ01 | Rejection of invention patent application after publication |