CN110857921A - 一种卷装长丝的毛丝缺陷检测方法 - Google Patents

Abstract

本发明公开了一种卷装长丝的毛丝缺陷检测方法。该毛丝缺陷检测方法，包括：获取卷装长丝的待检测区域的多张采集图像；截取采集图像中与待检测区域内的受检位置对应的目标图像；确定目标图像中的连续长曲线和连续长曲线上的多根短线；将目标图像分为多张子图像，并确定各张子图像中的短线的线条几何参数和子图像的图像几何参数；根据线条几何参数和图像几何参数确定卷装长丝是否存在毛丝缺陷。本发明实施例的卷装长丝的毛丝缺陷检测方法，能够降低人工目测的错误率，提高检测效率，且能够节约生产成本。

Description

一种卷装长丝的毛丝缺陷检测方法

技术领域

本发明涉及卷装长丝表面检测技术领域，尤其涉及一种卷装长丝的毛丝缺陷检测方法。

背景技术

卷装长丝即为长丝在生产过程中通过卷绕机构制成具有一定形状和容量的卷装成品。卷装长丝的缺陷主要分为长丝的理化性能缺陷和卷装长丝的外观缺陷两部分。通过实践生产发现，卷装长丝的的外观缺陷对织物的质量影响极为重要，会导致织物成品率的降低。因此，在生产过程中，需加强对卷装长丝的外观缺陷的检测。

卷装长丝的毛丝缺陷是由于工艺、设备不稳定造成的，在后续加工中，对整经、织造及染色性能都有影响，因此，工厂对毛丝的检测要求很高，若卷装长丝出现毛丝，则其上侧面、下侧面、圆柱面会同时出现毛丝。

由于卷装长丝的具有可变形性、多曲面、受检面大的特点，其外观缺陷特征难以提取统一标准，卷装长丝的外观检测一直影响着生产长流程智能制造的实现，只能通过人工目测的方法进行毛丝缺陷检测。

虽然，人工目测的方式检测毛丝缺陷能够检测部分缺陷，但是，人工目测的检验方法会增大生产的人力成本，而且没有统一严格的质量标准，难以保证检测结果的正确率。

发明内容

为解决上述问题，本发明实施例提供一种卷装长丝的毛丝缺陷检测方法，能够降低人工目测的错误率，提高检测效率，且能够节约生产成本。

为实现上述目的，本发明实施例提供了一种卷装长丝的毛丝缺陷检测方法，包括：

获取卷装长丝的待检测区域的多张采集图像；

截取采集图像中与待检测区域内的受检位置对应的目标图像；

确定目标图像中的连续长曲线和连续长曲线上的多根短线；

将目标图像分为多张子图像，并确定各张子图像中的短线的线条几何参数和子图像的图像几何参数；

根据线条几何参数和图像几何参数确定卷装长丝是否存在毛丝缺陷。

进一步地，受检位置包括卷装长丝的第一锥面，获取卷装长丝的待检测区域的多张采集图像包括：

沿卷装长丝的的周向分别获取包含第一锥面的多张采集图像。

进一步地，截取采集图像中与待检测区域内的受检位置对应的目标图像包括：

获取采集图像的复制图像；

对复制图像进行去噪处理，并利用图像分割算法获取去噪后的复制图像内的多条边线；

根据多条边线确定受检位置的多条边缘线，并获取多条边缘线的所有像素点的坐标值；

根据多条边缘线的所有像素点的坐标值在采集图像中截取目标图像。

进一步地，根据多条边线确定受检位置的多条边缘线包括：

根据多条边线确定第一锥面的第一边线、第二边线和第三边线，并且确定第一边线与所述第二边线的第一交点、第一边线与第三边线的第二交点；

根据第一交点和第二交点确定基准线，将复制图像图像旋转，使基准线水平设置；

确定旋转后的第一交点、旋转后的第二交点和旋转后的第一边线的所有像素点的坐标值，并确定受检位置的多条边缘线。

进一步地，确定目标图像中的连续长曲线和连续长曲线上的多根短线包括：

对目标图像进行去噪处理；

过滤去噪后的目标图像的背景图案，获得待分析图像；

利用膨胀处理方法确定待分析图像中的连续长曲线和多根短线。

进一步地，过滤去噪后的目标图像的背景图案，获得待分析图像，包括：

利用边缘检测算法确定去噪后的目标图像内的受检位置的伪边缘；

删除目标图像中的伪边缘；

利用二值化方法对删除伪边缘的目标图像的背景进行过滤，获得待分析图像。

进一步地，利用膨胀处理方法确定待分析图像中的连续长曲线和多根短线包括：

利用膨胀处理方法将待分析图像中的每两个相邻的第一图案之间小于预定面积的区域填充，得到连续长曲线和多根短线。

进一步地，短线的线条几何参数包括线条长度、线条宽度以及短线与竖直方向的夹角，子图像的图像几何参数包括子图像长度。

进一步地，根据线条几何参数和图像几何参数确定卷装长丝是否存在毛丝缺陷包括：

将线条长度符合第一预设阈值、线条宽度符合第二预设阈值且夹角符合第三预设阈值的短线的设为标记对象；

确定多张采集图像的相同区域的子图像中标记对象的数量的总和；

根据数量的总和与子图像长度的第一比值是否符合第四预设阈值，确定卷装长丝是否存在毛丝缺陷。

进一步地，确定目标图像是否存在毛丝缺陷后，还包括：

当确定卷装长丝存在毛丝缺陷后，根据第一比值确定卷装长丝的毛丝缺陷等级。

本发明实施例的卷装长丝的毛丝缺陷检测方法，能够应用于生产流水线上的检测装置，对每个经过检测工位的卷装长丝进行图像采集，获取对应的采集图像，然后通过对图像进行处理，提取用于判断毛丝缺陷的缺陷特征(即连续长曲线上多根短线的几何特征参数)，根据不同毛丝缺陷的缺陷特征的性质，确定卷装长丝是否存在毛丝缺陷。

本发明实施例的卷装长丝的毛丝缺陷检测方法，适用于化纤领域内的卷装长丝的毛丝缺陷检测，能够快速分析卷装长丝的外观缺陷，通过对图像的高精度的分析处理，减少人工目测的误差，降低误检率，提高检测效率，并且降低生产成本。

附图说明

图1为本发明一个实施例的卷装长丝的毛丝缺陷检测方法的流程图；

图2为本发明实施例的卷装长丝的结构示意图；

图3为本发明实施例的采集图像的示意图；

图4为图1中步骤S120的具体方法的流程图；

图5为图4中步骤S123的具体方法的流程图；

图6为本发明实施例的目标图像的示意图；

图7为图1中步骤S130的具体方法的流程图；

图8为图1中步骤S150的一个实施例的具体方法的流程图；

图9为图1中步骤S150的另一个实施例的具体方法的流程图。

具体实施方式

下面，结合附图，对本发明实施例的结构以及工作原理等作进一步的说明。

如图1所示，本发明实施例的一种卷装长丝的毛丝缺陷检测方法，包括：

S110、获取卷装长丝的待检测区域的多张采集图像；

S120、截取采集图像中与待检测区域内的受检位置对应的目标图像；

S130、确定目标图像中的连续长曲线和连续长曲线上的多根短线；

S140、将目标图像分为多张子图像，并确定各张子图像中的短线的线条几何参数和子图像的图像几何参数；

S150、根据线条几何参数和图像几何参数确定卷装长丝是否存在毛丝缺陷。

在本发明实施例中，如图2所示，受检位置包括卷装长丝的第一锥面1，获取卷装长丝的待检测区域的多张采集图像包括：

沿卷装长丝的的周向分别获取包含第一锥面1的多张采集图像。

在本发明实施例中，由于毛丝缺陷会同时出现在卷装长丝的上端的第一锥面1、卷装长丝的下端的第二锥面2和卷装长丝的圆柱面3，因此可以选择任意一个面进行检测。由于根据第一锥面1能够更容易判断毛丝缺陷，因此，在本发明实施例中可以选择的第一锥面1为受检位置，并将卷装长丝包含第一锥面1的区域作为待检测区域。

因此，可以在对应于待检测区域的位置设置面阵相机，面阵相机可以垂直于第一锥面1设置，并能够获取如图3所示的采集图像。利用面阵相机可减少拍摄次数，节约时间。并且，根据面阵相机位置固定，拍摄角度有限的特点，可以通过旋转卷装长丝，并在其旋转一周的同时采集待检测区域的采集图像，以完成卷装长丝整周的图像采集。在一个实施例中，拍摄时间可以为2.2s，并且在拍摄时间内按照等时间间隔获取30张待检测区域的采集图像。

由于使用低角度照明可以凸显瑕疵特征高于检测物表面的毛丝缺陷，因此，在本发明实施例中，对于待检测区域采用低角度照明光源进行照明，该光源光线面阵相机的采集方向相同。

在本发明实施例中，如图4所示，截取采集图像中与待检测区域内的受检位置对应的目标图像包括：

S121、获取采集图像的复制图像；

S122、对复制图像进行去噪处理，并利用图像分割算法获取去噪后的复制图像内的多条边线；

S123、根据多条边线确定受检位置的多条边缘线，并获取多条边缘线的所有像素点的坐标值；

S124、根据多条边缘线的所有像素点的坐标值在采集图像中截取目标图像。

其中，如图5所示，步骤S123中根据多条边线确定受检位置的多条边缘线可以包括：

S210、根据多条边线确定第一锥面1的第一边线13、第二边线11和第三边线13，并且确定第一边线13与所述第二边线11的第一交点14、第一边线13与第三边线13的第二交点15；

S220、根据第一交点14和第二交点15确定基准线16，将复制图像旋转，使基准线16水平设置；

S230、确定旋转后的第一交点14、旋转后的第二交点15和旋转后的第一边线13的所有像素点的坐标值，并确定受检位置的多条边缘线。

在本发明实施例中，通过在采集图像中截取目标图像，可以屏除图像中非处理对象的干扰。采用上述的步骤，可以处理受检位置出现偏差或受检位置范围不同的情况，提高图像截取的精度。

在本发明实施例中，可以先复制采集图像，并获得复制图像，通过对复制图像进行处理以获得边缘线，可以防止出现由于对原始的采集图像进行处理后，而造成对原始的采集图像的后续处理的影响。

然后，可以对复制图像通过滤波方式进行去噪处理，在本实施例中，滤波方式可以优选为高斯滤波。去噪后的复制图像可以通过图像分割算法得到多条边线。其中，图像分割算法可以为边缘检测算法或者二值化方法，边线可以为卷装长丝第一锥面1边缘灰度亮暗变化的突变位置。

其次，可以选取复制图像中最靠近图像上边的一条边线作为第一边线13，选取复制图像中最靠近图像左边的一条边线作为第二边线11，选取复制图像中最靠近图像右边的一条边线作为第三边线13，并确定第一边线13与所述第二边线11的第一交点14、第一边线13与第三边线13的第二交点15，同时，获取第一交点14的坐标(x1,y1)和第二交点15的坐标(x2,y2)。

再次，将第一交点14和第二交点15连接，获得基准线16。测量该基准线16与水平方向的基准线16夹角φ，根据该基准线16夹角φ，以第一交点14为转轴将复制图像旋转，使基准线16水平设置。此时，第二交点15的坐标变为(x3,y1)。

接着，获取旋转后的第一边线13的所有像素点的平均y坐标值，根据平均y坐标值与预设的坐标差值相加得到第一边线13的顶端的边缘线坐标y3，根据平均y坐标值与预设的坐标差值相减得到第一边线13的底端的边缘线坐标y4。因此，可以获取左边缘线x＝x1，右边缘线x＝x3，上边缘线y＝y3，下边缘线y＝y4内所有像素点在复制图像中的坐标值。

最后，可以将上述的边缘线的所有像素点在复制图像中的坐标值，带入采集图像，对采集图像进行同样像素点坐标值的提取，利用提取的坐标值可得到采集图像的多条分割边线，包括左边线、右边线、上边线、下边线，然后截取分割边线内的图像，得到如图6所示目标图像。

在本发明实施例中，如图7所示，确定目标图像中的连续长曲线和连续长曲线上的多根短线包括：

S131、对目标图像进行去噪处理；

S132、过滤去噪后的目标图像的背景图案，获得待分析图像；

S133、利用膨胀处理方法确定待分析图像中的连续长曲线和多根短线。

在本发明实施例中，可以首先分析目标图像中的噪声点，然后依据存在的噪声点对目标图像进行滤波处理。由于目标图像的噪声点聚集在高频区域，因此，滤波处理可以采用Butterworth低通滤波器。Butterworth低通滤波器具有平稳的幅值特性，可以获得消除孤立的噪声点的图像，以此改善面阵相机在采集原始信号传到信号转换、信号传输的过程中，由于各种干扰因素导致图像的成像质量的恶化。

在本发明实施例中，过滤去噪后的目标图像的背景图案，获得待分析图像，包括：

利用边缘检测算法确定去噪后的目标图像内的受检位置的伪边缘；

删除目标图像中的伪边缘；

利用二值化方法对删除伪边缘的目标图像的背景进行过滤，获得待分析图像。

具体地，可以利用Prewitt算子+对数形式算或者Roberts算子+对数形式进行边缘检测，得到若干边线。然后根据像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，能够使图像增强效果明显且不损失目标图像原始细节，使图像增强的效果最佳。

在本发明实施例中，可以根据预设的最优阈值，对边缘检测处理后的目标图像进行二值化处理，从而得到仅有红黑两种色彩的图像，以去除背景干扰。其中，最优阈值可以设置为90-95。

在本发明实施例中，利用膨胀处理方法确定待分析图像中的连续长曲线和多根短线包括：

利用膨胀处理方法将待分析图像中的每两个相邻的第一图案之间小于预定面积的区域填充，得到连续长曲线和多根短线。

在本发明实施例中，利用膨胀处理方法将第一图案连接得到连续长曲线和多根短线，可以不对过滤背景图案后的待分析图像造成不必要的干扰。具体地，可以将待分析图像分割成多块，然后根据预定面积的红色图像连接红色色彩图像得到连续长曲线及多根短线。由于预定面积的红色图像能有效地填充每两个相邻的第一图案之间小于预定面积的区域，因此，能在明显不改变线条情况下平滑线条的边界，便于后续的线条几何参数的提取。

在本发明实施例中，短线的线条几何参数包括线条长度、线条宽度以及短线与竖直方向的夹角，子图像的图像几何参数包括子图像长度。

在一个实施例中，每个目标图像可以被分为3个子图像，分别为第一子图像、第二子图像和第三子图像。

在本发明实施例中，如图8所示，根据线条几何参数和图像几何参数确定卷装长丝是否存在毛丝缺陷包括：

S151、将线条长度符合第一预设阈值、线条宽度符合第二预设阈值且夹角符合第三预设阈值的短线的设为标记对象；

S152、确定多张采集图像的相同区域的子图像中标记对象的数量的总和；

S153、根据数量的总和与子图像长度的第一比值是否符合第四预设阈值，确定卷装长丝是否存在毛丝缺陷。

在本发明实施例中，可以设置第一预设阈值≥2mm，第二预设阈值≥0.04mm，第三预设阈值为-20°～20°。若短线的所有线条几何参数不符合上述阈值，即线条长度＜2mm或线条宽度＜0.04mm或夹角在0°～20°之间，则认为其不是标记对象。

以采集图像的数量为30张，每个采集图像对应的目标图像分为3张子图像为例，当确定了每张子图像中的标记对象后，获取每张子图象内标记对象的数量，然后分别获取30张第一子图像、30张第二子图像和30张第三子图像中的标记对象的数量的总和。

然后，以获取了30张第一子图像中的标记对象的数量的总和为例，可以将该数量的总和与第一子图像的长度的第一比值与预设的第四预设阈值比较，确定卷装长丝是否存在毛丝缺陷。

以AAA级品种卷装长丝为例，可以设置第四预设阈值≤1.8，当第一比值符合第四预设阈值，则确定不存在毛丝缺陷，当第一比值不符合第四预设阈值，则确定存在毛丝缺陷。

在本发明另一个实施例中，如图9所示，确定目标图像是否存在毛丝缺陷后，还包括：

S154、当确定卷装长丝存在毛丝缺陷后，根据第一比值确定卷装长丝的毛丝缺陷等级。

在本发明一个实施例中，以采集图像的数量为30张，每个采集图像对应的目标图像分为3张子图像，检测AAA级品种卷装长丝的毛丝缺陷为例，当第一比值≤1.8，则无毛丝缺陷；当第一比值的范围为1.8-2.4时，属于A级降级的毛丝缺陷；当第一比值≥2.4时，属于级降级的毛丝缺陷。

若30张第一子图像、30张第二子图像和30张第三子图像的第一比值中的1个或1个以上符合B级降级，则判断卷装长丝的第一锥面1为B级降级；若0个符合B级降级，同时，1个或一个以上符合A级降级，则判断卷装长丝的第一锥面1为A级降级；若0个符合B级降级且0个符合A级降级，则判断卷装长丝的第一锥面1为AAA级，即无毛丝缺陷。

在本发明一个实施例中，以采集图像的数量为30张，每个采集图像对应的目标图像分为3张子图像，检测AAA级品种卷装长丝的毛丝缺陷为例，当第一比值≤2.1，则无毛丝缺陷；当第一比值的范围为2.1-2.7时，属于A级降级的毛丝缺陷；当第一比值≥2.7时，属于级降级的毛丝缺陷。

若30张第一子图像、30张第二子图像和30张第三子图像的第一比值中的1个或1个以上符合B级降级，则判断卷装长丝的第一锥面1为B级降级；若0个符合B级降级，同时，1个或一个以上符合A级降级，则判断卷装长丝的第一锥面1为A级降级；若0个符合B级降级且0个符合A级降级，则判断卷装长丝的第一锥面1为AA级，即无毛丝缺陷。根据本发明实施例的卷装长丝的毛丝缺陷检测方法，正确检出毛丝缺陷率可以达到98.2％，效率为4秒/锭，优于人工目测的方法，实现了卷装长丝外观质量的在线自动化检测，降低了95％的人工工作量。

综上所述，本发明的卷装长丝的毛丝缺陷检测方法，可以广泛适用于化纤领域内的卷装长丝的毛丝缺陷的在线检测，易于分析外观缺陷。并且，通过对毛丝缺陷特征进行提取和判断的方法检测毛丝缺陷，同时还能够自动识别缺陷等级，能够提高检测精度，减少人工目测带来的误差。同时，在图像处理过程中，还可以排除干扰，快速判别毛丝缺陷，降低误检率。

以上，仅为本发明的示意性描述，本领域技术人员应该知道，在不偏离本发明的工作原理的基础上，可以对本发明作出多种改进，这均属于本发明的保护范围。

Claims (10)

1.一种卷装长丝的毛丝缺陷检测方法，其特征在于，包括：

获取所述卷装长丝的待检测区域的多张采集图像；

截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像；

确定所述目标图像中的连续长曲线和所述连续长曲线上的多根短线；

将所述目标图像分为多张子图像，并确定各张所述子图像中的所述短线的线条几何参数和所述子图像的图像几何参数；

根据所述线条几何参数和所述图像几何参数确定所述卷装长丝是否存在毛丝缺陷。

2.如权利要求1所述的卷装长丝的毛丝缺陷检测方法，其特征在于，所述受检位置包括所述卷装长丝的第一锥面，获取所述卷装长丝的待检测区域的多张采集图像包括：

沿所述卷装长丝的的周向分别获取包含所述第一锥面的多张采集图像。

3.如权利要求2所述的卷装长丝的毛丝缺陷检测方法，其特征在于，截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像包括：

获取所述采集图像的复制图像；

对所述复制图像进行去噪处理，并利用图像分割算法获取去噪后的所述复制图像内的多条边线；

根据所述多条边线确定所述受检位置的多条边缘线，并获取所述多条边缘线的所有像素点的坐标值；

根据所述多条边缘线的所有像素点的坐标值在所述采集图像中截取所述目标图像。

4.如权利要求3所述的卷装长丝的毛丝缺陷检测方法，其特征在于，根据所述多条边线确定所述受检位置的多条边缘线包括：

根据所述多条边线确定所述第一锥面的第一边线、第二边线和第三边线，并且确定所述第一边线与所述第二边线的第一交点、所述第一边线与所述第三边线的第二交点；

根据所述第一交点和所述第二交点确定基准线，将所述复制图像图像旋转，使所述基准线水平设置；

确定旋转后的所述第一交点、旋转后的所述第二交点和旋转后的所述第一边线的所有像素点的坐标值，并确定所述受检位置的多条边缘线。

5.如权利要求1所述的卷装长丝的毛丝缺陷检测方法，其特征在于，确定所述目标图像中的连续长曲线和所述连续长曲线上的多根短线包括：

对所述目标图像进行去噪处理；

过滤去噪后的所述目标图像的背景图案，获得待分析图像；

利用膨胀处理方法确定所述待分析图像中的所述连续长曲线和所述多根短线。

6.如权利要求5所述的卷装长丝的毛丝缺陷检测方法，其特征在于，过滤去噪后的所述目标图像的背景图案，获得待分析图像，包括：

利用边缘检测算法确定去噪后的所述目标图像内的所述受检位置的伪边缘；

删除所述目标图像中的所述伪边缘；

利用二值化方法对删除所述伪边缘的所述目标图像的背景进行过滤，获得所述待分析图像。

7.如权利要求5所述的卷装长丝的尾丝缺陷检测方法，其特征在于，利用膨胀处理方法确定所述待分析图像中的所述连续长曲线和所述多根短线包括：

利用膨胀处理方法将所述待分析图像中的每两个相邻的第一图案之间小于预定面积的区域填充，得到所述连续长曲线和所述多根短线。

8.如权利要求1所述的卷装长丝的尾丝缺陷检测方法，其特征在于，所述短线的线条几何参数包括线条长度、线条宽度以及短线与竖直方向的夹角，所述子图像的图像几何参数包括子图像长度。

9.如权利要求8所述的卷装长丝的尾丝缺陷检测方法，其特征在于，根据所述线条几何参数和所述图像几何参数确定所述卷装长丝是否存在毛丝缺陷包括：

将所述线条长度符合第一预设阈值、所述线条宽度符合第二预设阈值且所述夹角符合第三预设阈值的短线的设为标记对象；

确定多张采集图像的相同区域的子图像中所述标记对象的数量的总和；

根据所述数量的总和与所述子图像长度的第一比值是否符合第四预设阈值，确定所述卷装长丝是否存在毛丝缺陷。

10.如权利要求9所述的卷装长丝的尾丝缺陷检测方法，其特征在于，确定所述目标图像是否存在毛丝缺陷后，还包括：

当确定所述卷装长丝存在毛丝缺陷后，根据所述第一比值确定所述卷装长丝的毛丝缺陷等级。

Images