CN110838113B - 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 - Google Patents
一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 Download PDFInfo
- Publication number
- CN110838113B CN110838113B CN201911092229.1A CN201911092229A CN110838113B CN 110838113 B CN110838113 B CN 110838113B CN 201911092229 A CN201911092229 A CN 201911092229A CN 110838113 B CN110838113 B CN 110838113B
- Authority
- CN
- China
- Prior art keywords
- image
- multifilament
- detected
- monofilament
- monofilaments
- 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 17
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 9
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 230000005856 abnormality Effects 0.000 claims abstract description 5
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 14
- 238000002791 soaking Methods 0.000 claims description 7
- 238000001035 drying Methods 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000031700 light absorption Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 239000003292 glue Substances 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 4
- 230000011218 segmentation Effects 0.000 abstract description 4
- 238000000926 separation method Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 241000628997 Flos Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 210000002268 wool Anatomy 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/10—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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种对复丝合成中单丝计数和单丝粗细一致性的检测方法,用于提高复丝合成中单丝支数和粗细检测的效率和精度。包括:通过高压静电将待测复丝打开,使得单丝分离并形成扇面;利用相机采集图像进行图像预处理:滤波、增强对比度、阈值分割二值化、形态学滤波、去除较小连通域操作;针对预处理后的图片来寻找计数圆弧圆心坐标,计算半径范围以确定待检测区域;对待检测区域进行图像连通区域分析,计算区域内单丝数量以检测是否符合复丝的合成要求;对待检测区域进行图像连通区域分析,针对异常以检测单丝是否过细或过粗,实现单丝的粗细一致性检测。
Description
技术领域
本发明属于工业测量、机器视觉领域,尤其涉及一种利用机器视觉技术对复丝合成中单丝计数和单丝粗细一致性的质量检测方法。
背景技术
由于需求的面料效果、用途不同,纺织厂需要使用不同数量的单丝合成一股复丝来满足上述需求,复丝的质量由合成复丝的单丝数量是否满足生产工艺需求和单丝粗细是否一致来决定。而现有的检测方法,多通过人工进行计数,这种方法人为影响因素较多,人工计数耗时长,成本高,并且容易产生疲劳,导致计数结果的不准确,而如何检测单丝粗细一致性,则无法完成。因此需要一种自动质量检测方法,通过机器视觉技术手段,采集单丝分离的复丝图像信息,将图像信息二值化,选取一个区域,通过分析区域内的连通区域,实现计数和粗细一致性检测功能。
发明内容
发明目的:本发明所要解决的计数问题是针对合成复丝的单丝计数和粗细一致性检测效率低、准确率低的问题,提供了一种利用机器视觉来完成计数和粗细一致性检测的方法,重点解决复丝完全打开、图像预处理、计数和粗细一致性检测的问题。
为了解决上述计数问题,本发明公开了一种基于机器视觉的复丝合成中单丝计数和粗细一致性的的质量检测方法,包括如下步骤:
步骤1,对待测复丝泡水,以去除生产过程中附着在丝上的胶,之后烘干去除水分,并通过高压静电给待测复丝上电荷,通过电荷斥力实现单丝分离,单丝分离后放置在黑色吸光绒布构成的底布上,梳成扇面,形成单丝分离的待检测复丝样本。
步骤2,搭建工作台,安装工业相机连接上计算机,利用工业相机获取待测复丝样本的图像信息,调整相机到平台的距离以及相机的焦距,以获得清晰的待测复丝样本成像。
步骤3,如使用的工业相机为彩色相机,将获得的待测复丝样本图像信息灰度化,若是黑白工业相机,则直接获得待测复丝样本图像的灰度图,利用中值滤波去除孤立的噪点,将图像分割成尺寸为n*n像素的小块区域,n为远小于图像尺寸的奇数,对每个小块区域单独进行二值化处理,从而将待测复丝样本图像由灰度图像转为二值图像,针对二值化后的图像进行形态学处理,得到噪点和断裂较少的图像。
步骤4,对步骤3得到的二值图像,计算图像中各连通区域的面积,对连通区域进行统计学分析,判断连通像素点数目小于阈值s的标记为噪声,将其去除。
步骤5,对处理后的图像,在根部附近选取一个位置作为圆心,根据单丝打开的情况,选取一个半径尺寸D,提取单丝分离的图像信息,构成单丝的待测分析图像信息区域,该区域像素尺寸为1*L,其中L为半径D情况下的弧长。
步骤6,读取步骤5获得的区域像素点值,对其进行骨骼化处理,得到单像素的单丝图像,对单像素进行计数,得到单丝数量。
步骤7,读取步骤5获得的区域像素点值,对连通区域进行统计学分析,计算连通区域的平均值、最大值和最小值,得到过细和过粗结果。
步骤8,对检测结果进行输出,单丝数量计数结果以字符形式输出在步骤3获得的原始图像上,粗细异常在原始图像中做出标识,结束检测。
其中,步骤1中,由于构成复丝的单丝较为细小,横截面计数难度较大,因此采用了泡水、烘干、利用高压电给待测复丝上电荷,通过电荷斥力实现单丝分离,减少人工参与,避免单丝的断裂缺失,提高测量准确度。
步骤3中,由于固定阈值分割方法缺点明显,故采用自适应阈值分割的方法,对于图像I(x,y),前景和背景的分割阈值为T,属于前景的像素点占全部图像像素的比例记为k0,平均灰度记为u0,背景像素点占全部图像像素的比例记为k1,平均灰度值记为u1,整幅图像的平均灰度记为u,类间方差记为g。
对于一幅图像,其大小尺寸为M×N,图像中像素的灰度值小于阈值T的像素个数为N0,像素灰度大于阈值T的像素数为N1,那么:
k0=N0/(M*N) (1)
k1=N1/(M*N) (2)
N0+N1=M*N (3)
k0+k1=1 (4)
u=u0*k0+u1*k1 (5)
g=k0*(u0-u)2+k1*(u1-u)2 (6)
g=k0*k1(u0-u1)2 (7)
采用遍历的方法获得类间方差g最大的阈值T,即为所求阈值。
由于对整块黑色底布进行拍照容易导致光照不均匀,会影响会影响后期图像处理,为了减少光照的影响,将整幅灰度图像均等分割成n*n的小区域,n为远小于图像尺寸的奇数,每一份图像由于所占面积相对较少,因此受到的光照影响较小。
步骤4中,由于步骤3中得到的的图片仍然存在少量连通区域面积较大的噪点,为了去除这些噪点,检测整幅图像的连通区域,判断连通区域像素点数小于阈值s时为噪点,将其去除。
步骤5中,采用采用在梳成扇形的绒线分支上画圆弧,通过读取圆弧上的像素点值来进行计数的方法,这种方法可以保证每根绒线分支都能遍历,并且不会重复读取像素点,同时由绒线根部较之绒线分支更粗的特点,通过在图片下半部分横向检测连续像素点个数,可以寻找到合适的圆心坐标,圆心坐标应该处于绒线根部。
步骤6中,由于得到的二值化图像中每根绒线分支横向的像素点个数不同,不能直接计算绒线分支根数,在步骤4得到的图片上,再进行细化处理,由于按照从水平方向一行一行的进行细化处理会导致绒线出现很多分叉,对细化算法进行了改写,水平方向检测一横行之后再对垂直方向检测横行,如此循环,可以得到更好的细化图片。
步骤7中,对圆弧上像素点值进行检测,遇到由黑色到白色的跳变加1,并循环对多个半径的圆弧数据进行计数,求取最大值,得到计数结果,在最大值的这个圆弧上,将原始的二值图像提取成一个1*L的二值图像,统计其连通区域,得出连通区域的平均数据,并根据预先设定的范围,将小于平均数据一定范围的单丝用框标记出来,大于平均数据一定范围的单丝也用框标记出来。
步骤8中,将步骤7获得的单丝计数结果通过字符添加形式放在步骤3获得的原始图像上,同时也将步骤7获得的粗细异常的结果,在步骤3获得的原始图像上做出标识。
有益效果:本发明方法提供了一种复丝合成中单丝计数和粗细一致性的质量检测方法,与现有的质量检测方法相比,本发明通过对待测复丝浸泡、烘干并通过电荷斥力将合成复丝的单丝进行分离,减少人工作业强度,保证单丝分离质量;形成扇面,利用工业相机获取复丝散开后的图像信息,通过灰度化、降噪、对比度增强、阈值化、形态学滤波、断裂自生长得到满足测量需求的二值化图像,从而实现对复丝合成中单丝的计数和粗细一致性的同步质量检测。
附图说明
下面结合附图和具体的实施方式对本发明做更进一步的说明,上述/或其他方面的优点将会变得更加清楚。
图1是浸泡烘干后通过电荷斥力复丝打开成扇面的效果图
图2是系统构成示意图
图3是经过灰度相机采集到的原始待测复丝分离成单丝的图像
图4预处理并二值化后的效果图
图5计数结果与粗细异常标定输出图像
图6系统工作流程图
主要符号说明:
a、相机支架;b、工业相机本体;c、环形无影灯;d、工业相机镜头;e、待测复丝样本放置平台;f、工业相机数据线;g、电脑。
具体实施方式
下面结合附图及实施例,对本发明做进一步的说明。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制。
步骤1,单丝分离:对待测复丝泡水,以去除生产过程中附着在丝上的胶,之后烘干去除水分,并通过高压静电给待测复丝上电荷,通过电荷斥力实现单丝分离,单丝分离后放置在黑色吸光绒布构成的底布上梳成扇面,形成单丝分离的待检测复丝样本,完成对待测复丝的制备。
步骤2,图像采集:搭建工作台,装好工业相机,将相机连接计算机,并调整相机到平台的距离以及相机的焦距,将步骤(1)制备好的复丝样本放置在工作台上,调整相机焦距获得清晰的成像,准备检测。
步骤3,基本图像预处理:读取检测到的图片,利用中值滤波去除噪点,图像分割,将图片二值化处理,为了减少光照不均匀的影响,在进行二值化处理时,把图片分成面积为n*n像素的小块区域,n为远小于图像尺寸的奇数,然后将二值化后的图片进行形态学图像处理腐蚀膨胀,得到噪点和断裂较少的图片。
步骤4,去除较小的连通区域:将步骤(3)得到的图像做进一步的去噪处理。遍历图像上所有连通区域,统计其连通面积,设定一个最小面积阈值s,判定连通面积小于s的为噪点,将其去除。
步骤5,对于步骤(4)处理得到的图像,在图像底部选取一个位置作为圆心,根据单丝打开的情况,选取一个半径尺寸为D的圆弧,提取单丝分离的图像信息,构成单丝待测分析图像区域,该区域像素尺寸为1*L,其中L为半径为D情况下的圆弧长度。
步骤6,对步骤(5)得到的图像读取圆弧上的像素点信息,对其进行骨骼化处理,得到单像素的单丝图像,对单像素进行计数,得到单丝数量。
步骤7,对步骤(5)得到的图像信息,对连通区域进行统计学分析,计算连通区域的平均值、最大值和最小值,输出过细和过粗结果。
步骤8,对检测结果在步骤(3)得到的原始图像上进行输出,单丝数量计数结果以字符形式输出在原始图像上,粗细异常在原始图像中做出标识,结束检测。
实施例
步骤1,选取一段待测复丝,放在水中浸泡几分钟后取出风干,然后加直流高压静电,利用电荷斥力使得单丝分离,后将有电荷斥力的复丝放置在黑色吸光绒布构成的底布上,形成单丝分离的扇面,完成待测复丝的制备,效果如图1所示。
步骤2,搭建如图2所示的检测作业工作台,装好工业相机,将相机连接计算机,并调整相机到平台的距离以及相机的焦距,将步骤1制备好的复丝样本放置在工作台上,调整相机焦距获得清晰的成像,成像结果如图3所示,准备检测。
步骤3,将步骤(2)所得图3进行基本的图像预处理:读取检测到的图片,利用中值滤波去除噪点,图像分割,将图片二值化处理,为了减少光照不均匀的影响,在进行二值化处理时,把图片分成3*3个小块区域。然后将二值化后的图片进行形态学图像处理腐蚀膨胀,得到噪点和断裂较少的二值化图片。
步骤4,将步骤(3)得到的图片做进一步去噪处理。检测图片上所有连通区域,判定连通像素点数目小于180为噪点,并将其去除,得到二值化图片如图4所示。
步骤5,利用步骤(4)得到的图片计算求得圆心坐标为:(2325,2924)。选取半径范围为1344到1544。
步骤6,计数,对圆心为(2325,2924),半径范围为1344到1544的每一个圆弧上的图像进行骨骼化,使得每个单丝成像为1个像素,然后对像素点值进行检测,利用这些圆弧进行计数,并求平均值,则平均值为计数结果。
步骤7,对步骤(5)得到的图像,进行区域统计,得出过粗的单丝,用蓝色方框标出,过细单丝,用红色方框标出。
步骤8,将步骤(6)和步骤(7)得到的结果,利用图像叠加,将结果显示在步骤(2)得到的图像上,作为系统的检测结果输出,结果如图5所示。
将计数结果返回到原图中,整个流程图如图6所示。
本发明提供了一种针对一种复丝合成中单丝计数和粗细一致性的质量检测方法,应当指出,采集图像背景色和绒线颜色不对本专利构成限制;图像预处理具体方法和顺序不对本专利构成限制;分块二值化的分块数目不对本专利构成限制;所采取的去除小连通区域的阈值不对本专利构成限制,所选用的圆心位置和半径范围不对本专利构成限制。应当指出,对于本技术领域的普通人员来说,在不脱离发明原理的前提下还可以做出若干改进和润饰,这些也应视为本发明的保护范围。另外,本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (3)
1.一种对复丝合成中单丝计数和粗细一致性的检测方法,其特征在于,包括如下步骤:步骤1,对待测复丝泡水,以去除生产过程中附着在丝上的胶,之后烘干去除水分,并通过高压静电给待测复丝上电荷,通过电荷斥力实现单丝分离,单丝分离后放置在黑色吸光绒布构成的底布上,梳成扇面,形成单丝分离的待检测复丝样本;
步骤2,搭建工作台,安装工业相机连接上计算机,将单丝分离的待检测复丝样本水平放置于工作台上,利用工业相机获取待测复丝样本的图像信息,调整相机到平台的距离以及相机的焦距,以获得清晰的待测复丝样本成像;
步骤3,如使用的工业相机为彩色相机,将获得的待测复丝样本图像信息灰度化,若是黑白工业相机,则直接获得待测复丝样本图像的灰度图,利用中值滤波去除孤立的噪点,将图像分割成尺寸为n*n像素的小块区域,其中n为3,对每个小块区域单独进行二值化处理,从而将待测复丝样本图像由灰度图像转为二值图像,针对二值化后的图像进行形态学处理,得到噪点和断裂较少的图像;
步骤4,对步骤3得到的二值图像,计算图像中各连通区域的面积,对连通区域进行统计学分析,判断连通像素点数目小于阈值s的标记为噪声,将其去除;
步骤5,对处理后的图像,在根部附近选取一个位置作为圆心,根据单丝打开的情况,选取一个半径尺寸D,提取单丝分离的图像信息,构成单丝的待测分析图像信息区域,该区域像素尺寸为1*L,其中L为半径D情况下的弧长;
步骤6,读取步骤5获得的区域像素点值,对其进行骨骼化处理,得到单像素的单丝图像,对单像素进行计数,得到单丝数量;
步骤7,读取步骤5获得的区域像素点值,对连通区域进行统计学分析,计算连通区域的平均值、最大值和最小值,得到过细和过粗结果;
步骤8,对检测结果进行输出,单丝数量计数结果以字符形式输出在步骤3获得的原始图像上,粗细异常在原始图像中做出标识,结束检测。
2.根据权利要求1所述的方法,其特征在于,步骤6中,针对逐行细化会导致单丝出现多股分叉的问题,采用水平方向检测一横行后垂直方向检测一竖行的交叉检测方式循环检测,得到无分叉的骨骼化图像。
3.根据权利要求1所述的方法,其特征在于,步骤7中,将选定区域的连通域按照统计学排序,得出均值作为标准区域,然后根据设定的容错范围,对于超出范围的进行标错。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092229.1A CN110838113B (zh) | 2019-11-08 | 2019-11-08 | 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092229.1A CN110838113B (zh) | 2019-11-08 | 2019-11-08 | 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838113A CN110838113A (zh) | 2020-02-25 |
CN110838113B true CN110838113B (zh) | 2022-03-04 |
Family
ID=69574765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911092229.1A Active CN110838113B (zh) | 2019-11-08 | 2019-11-08 | 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838113B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365488B (zh) * | 2020-11-24 | 2022-10-14 | 合肥工业大学 | 一种轮胎截面不同成分几何参数的检测系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806583A (zh) * | 2010-03-04 | 2010-08-18 | 上海大学 | 基于显微图像的纤维细度测量方法 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
CN104392441A (zh) * | 2014-11-18 | 2015-03-04 | 浙江理工大学 | 基于图像处理的高抗噪织物沾水等级检测评定方法 |
CN104562331A (zh) * | 2015-01-12 | 2015-04-29 | 李娜 | 一种双模式纱线质量检测控制方法 |
CN109580657A (zh) * | 2019-01-23 | 2019-04-05 | 郑州工程技术学院 | 一种桥梁质量检测中的裂缝检测方法 |
CN110188806A (zh) * | 2019-05-21 | 2019-08-30 | 华侨大学 | 一种基于机器视觉的大圆机织物疵点检测与分类方法 |
-
2019
- 2019-11-08 CN CN201911092229.1A patent/CN110838113B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806583A (zh) * | 2010-03-04 | 2010-08-18 | 上海大学 | 基于显微图像的纤维细度测量方法 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
CN104392441A (zh) * | 2014-11-18 | 2015-03-04 | 浙江理工大学 | 基于图像处理的高抗噪织物沾水等级检测评定方法 |
CN104562331A (zh) * | 2015-01-12 | 2015-04-29 | 李娜 | 一种双模式纱线质量检测控制方法 |
CN109580657A (zh) * | 2019-01-23 | 2019-04-05 | 郑州工程技术学院 | 一种桥梁质量检测中的裂缝检测方法 |
CN110188806A (zh) * | 2019-05-21 | 2019-08-30 | 华侨大学 | 一种基于机器视觉的大圆机织物疵点检测与分类方法 |
Non-Patent Citations (1)
Title |
---|
基于模拟摄像技术的单丝直径测量仪的研究;高咏;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20190115(第01期);第1章和第4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN110838113A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114723701B (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN108961251A (zh) | 一种原棉疵点及杂质检测与识别方法及系统 | |
CN110490847A (zh) | 基于视觉的led芯片质量检测方法 | |
CN109685766A (zh) | 一种基于区域融合特征的布匹瑕疵检测方法 | |
CN105741244B (zh) | 一种室内巡检机器人弱光下去除阴影和光晕的方法 | |
CN113724241B (zh) | 一种碳纤维经编织物的毛丝检测方法、装置和存储介质 | |
CN115222709B (zh) | 一种基于人工智能的拉链布带缺陷检测方法 | |
Samarawickrama et al. | Matlab based automated surface defect detection system for ceremic tiles using image processing | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN112330598A (zh) | 一种化纤表面僵丝缺陷检测的方法、装置及存储介质 | |
CN115266732B (zh) | 基于机器视觉的碳纤维丝束缺陷检测方法 | |
CN115170475A (zh) | 一种基于深度学习方法的无纺布缺陷检测方法 | |
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 | |
CN110838113B (zh) | 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 | |
CN110866916A (zh) | 一种基于机器视觉的光伏电池片黑心黑角检测方法、装置及设备 | |
CN112435235A (zh) | 一种基于图像分析的籽棉含杂率检测方法 | |
CN115131353A (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
CN116805312A (zh) | 一种基于图像处理的针织式面料质量检测方法 | |
CN109492544B (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
CN105787955A (zh) | 一种带钢缺陷的稀疏分割方法及其分割装置 | |
KR100441313B1 (ko) | 직포의검반장치 |
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 |