CN110895803B - 一种卷装长丝的网丝缺陷检测方法 - Google Patents
一种卷装长丝的网丝缺陷检测方法 Download PDFInfo
- Publication number
- CN110895803B CN110895803B CN201810975261.3A CN201810975261A CN110895803B CN 110895803 B CN110895803 B CN 110895803B CN 201810975261 A CN201810975261 A CN 201810975261A CN 110895803 B CN110895803 B CN 110895803B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- determining
- analyzed
- defect
- 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
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
- G06T7/12—Edge-based segmentation
-
- 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)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种卷装长丝的网丝缺陷检测方法,包括:获取包含卷装长丝的端面的采集图像;截取采集图像中与端面对应的目标图像;沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像;根据待分析图像,确定圆环内的多根曲线;根据多根曲线选取标记对象,并确定各个待分析图像中的标记对象的标记数量;根据各个待分析图像对应圆环的位置及其标记数量,确定各个长度等级的网丝根数;根据各个长度等级的网丝根数,确定端面是否存在网丝缺陷。本发明实施例的卷装长丝的网丝缺陷检测方法,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
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网丝缺陷检测方法。
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制品。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。
卷装长丝的网丝缺陷是指卷装长丝两端的丝条脱离正常卷绕轨迹,呈直线状明显绕绊在丝锭的端面上。网丝缺陷产生的主要原因是由于卷绕时丝条的张力发生瞬间变化或由于卷绕工艺调整不当造成的。网丝缺陷会影响卷装长丝的外观及后续加工的退绕性能,因此,工厂对网丝缺陷的检测要求很高,一般分布在卷装长丝上端的第一锥面和卷装长丝下端的第二锥面。
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网丝缺陷检测。
虽然,人工目测的方式检测网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网丝缺陷检测方法,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网丝缺陷检测方法,包括:
获取包含卷装长丝的端面的采集图像;
截取采集图像中与端面对应的目标图像;
沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像;
根据待分析图像,确定圆环内的多根曲线;
根据多根曲线选取标记对象,并确定各个待分析图像中的标记对象的标记数量;
根据各个待分析图像对应圆环的位置及其标记数量,确定各个长度等级的网丝根数;
根据各个长度等级的网丝根数,确定端面是否存在网丝缺陷。
进一步地,截取采集图像中与端面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端面的内边缘和外边缘;
获取内边缘和外边缘的所有像素点的坐标值;
根据内边缘和外边缘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,沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像前,还包括:
对目标图像进行去噪处理。
进一步地,沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像包括:
确定端面的内边缘的第一圆心和外边缘的第二圆心;
根据第一圆心和第二圆心确定圆环的圆环圆心;
按照预设半径和圆环圆心将端面分割为多个圆环,并获得多张与圆环对应的待分析图像。
进一步地,根据待分析图像,确定圆环内的多根曲线包括:
利用二值化方法过滤待分析图像的背景图案;
利用膨胀处理方法将圆环内小于预定面积的具有第二颜色的区域利用第一颜色填充;
提取填充第一颜色后的圆环内的具有第二颜色的多根曲线。
进一步地,根据多根曲线选取标记对象,并确定各个待分析图像中的标记对象的标记数量包括:
根据曲线的曲线长度和曲线宽度,在多根曲线中选取第一曲线;
获取第一曲线的第一端点和第二端点,并确定第一端点到圆环的圆环圆心的第一距离和第二端点到圆环的圆环圆心的第二距离;
选取第一距离和第二距离的差值符合第一阈值的曲线为标记对象;
确定各个待分析图像中的标记对象的标记数量。
进一步地,根据各个待分析图像对应圆环的位置及其标记数量,确定各个长度等级的网丝根数包括:
根据圆环的位置为圆环分配对应的长度等级;
根据每两个在端面中位置相邻的圆环的标记数量的差值,确定标记数量较多的圆环对应的长度等级的网丝根数。
进一步地,根据各个长度等级的网丝根数,确定端面是否存在网丝缺陷:
根据各个长度等级的网丝根数与预设系数的乘积的总和,确定端面是否存在网丝缺陷。
进一步地,还包括:
根据端面是否存在网丝缺陷,确定卷装长丝是否存在网丝缺陷。
进一步地,卷装长丝的端面包括上端面和下端面,根据端面是否存在网丝缺陷,确定卷装长丝是否存在网丝缺陷包括:
当上端面和下端面中的至少一个存在网丝缺陷时,确定卷装长丝存在网丝缺陷;当上端面和下端面均无网丝缺陷时,确定卷装长丝不存在网丝缺陷。
本发明实施例的卷装长丝的网丝缺陷检测方法,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,提取用于判断网丝缺陷的缺陷特征(即圆环的位置及圆环的标记对象的标记数量),根据不同网丝缺陷的缺陷特征的性质,确定卷装长丝是否存在网丝缺陷。
本发明实施例的卷装长丝的网丝缺陷检测方法,适用于化纤领域内的卷装长丝的网丝缺陷检测,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网丝缺陷检测方法的流程图;
图2为图1中步骤S120的具体方法的流程图;
图3为图1中步骤S130的具体方法的流程图;
图4为本发明实施例中的目标图像的示意图;
图5为图1中步骤S140的具体方法的流程图;
图6为图1中步骤S150的具体方法的流程图;
图7为本发明实施例中的膨胀处理后的待分析图像的示意图;
图8为图1中步骤S160的具体方法的流程图;
图9为本发明另一个实施例的卷装长丝的网丝缺陷检测方法的流程图;
图10为本发明实施例的卷装长丝的结构示意图。
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网丝缺陷检测方法,包括:
S110、获取包含卷装长丝的端面的采集图像;
S120、截取采集图像中与端面对应的目标图像;
S130、沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像;
S140、根据待分析图像,确定圆环内的多根曲线;
S150、根据多根曲线选取标记对象,并确定各个待分析图像中的标记对象的标记数量;
S160、根据各个待分析图像对应圆环的位置及其标记数量,确定各个长度等级的网丝根数;
S170、根据各个长度等级的网丝根数,确定端面是否存在网丝缺陷。
在本发明实施例中,可以在对应于卷装长丝的端面的位置设置相机,具体地,可以选面阵相机采集包含卷装长丝的端面的采集图像,利用面阵相机可减少拍摄次数,节约时间。在一个实施例中,面阵相机的拍摄时间可以设置为1s。
为了方便对卷装长丝的端面进行图像采集,卷装长丝的端面可以采用圆顶照明,圆顶照明可通过各个方向提供等能力照明,表面光线均匀分布,适应面阵相机。面阵相机可以通过圆顶照明中心的开孔进行图像采集,以保证照明和图像采集的可实施性。
在本发明实施例中,如图2所示,截取采集图像中与端面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端面的内边缘和外边缘;
S123、获取内边缘和外边缘的所有像素点的坐标值;
S124、根据内边缘和外边缘的所有像素点的坐标值在采集图像中截取目标图像。
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,可以处理端面的位置出现偏差或端面的区域范围不同的情况,提高图像截取的精度。
具体地,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。
最后,可以对去噪后的复制图像进行处理,以获得内边缘和外边缘,并截取采集图像中的目标图像,具体为:
首先,设置圆心坐标(X1,Y1)、圆环面的外圆周参考线的半径R1和圆环面的内圆周参考线的半径R2。然后,根据上述设置的参数,在去噪后的复制图像内确定圆心、外圆周参考线和内圆周参考线。其次,利用图像分割算法对去噪后的复制图像进行处理,得到若干圆周线。其中,图像分割算法可以是边缘检测方法或者二值化方法,圆周线为端面对应的去噪后的复制图像里灰度亮暗变化的突变位置。最后,依据外圆周参考线选取由外圆周参考线到内圆周参考线方向上最靠近其的一条圆周线作为端面的外边缘,依据内圆周参考线选取由内圆周参考线到圆心的方向上最靠近其的一条圆周线最为端面的内边缘,并提取外边缘和内边缘所有像素点坐标值。
获取了边缘线所有像素点坐标值后,可以依据复制图像中的边缘像素点坐标值,对采集图像进行同样像素点坐标值的提取,并根据其进行外边缘和内边缘的切割,截取外边缘和内边缘之间的图像作为目标图像,其余部分用黑色填充,以此减少非处理对象对目标图像的干扰。在本发明实施例中,沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像前,还包括:
对目标图像进行去噪处理。
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。由于目标图像的图像噪点聚集在一定频率区域,因此,滤波处理可以采用带阻滤波器。带阻滤波器可以使频率在fp1至fp2的范围内的信号被衰减,并保持剩余的信号正常通过,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,如图3所示,沿目标图像内的端面的内边缘向外边缘将端面分割为多个圆环,获得多张与圆环对应的待分析图像包括:
S131、确定端面的内边缘的第一圆心和外边缘的第二圆心;
S132、根据第一圆心和第二圆心确定圆环的圆环圆心;
S133、按照预设半径和圆环圆心将端面分割为多个圆环,并获得多张与圆环对应的待分析图像。
具体地,可以在端面上划分出多个子区域,并将每个子区域单独提取后,作为一个圆环,并生成包括该圆环的待分析图像。
在本发明实施例中,可以提取内边缘的第一圆心的坐标(x1,y1)和外边缘的第二圆心的坐标(x2,y2),并获得内边缘的第一半径R1和外边缘的第二半径R2。
由于卷绕的精度导致每个卷装长丝的卷径都不一致,故在对端面进行子区域划分时,不能使用固定半径进行划分。因此,对每个端面获取其第一圆心、第二圆心、第一半径和第二半径,对卷装长丝的端面进行自适应的子区域划分。
在本发明实施例中,可以对第一圆心和第二圆心的坐标进行平均计算,求出圆环的圆环圆心的坐标,(x1/2+x2/2,y1/2+y2/2)。
在本发明实施例中,可以根据第一半径R1和外边缘的第二半径R2,计算出卷装长丝的端面用于划分圆环的半径范围R2-R1,然后算出平均区域范围(R2-R1)/N,其中,N为子区域划分的总数量。最后,计算出各个子区域的划分半径的范围为(R1,R1+n1(R2-R1)/N),(R1+n1(R2-R1)/N,R1+n1(R2-R1)/N+n2(R2-R1)/N),以此类推,完成子区域的划分。其中,n1,n2,...为各区域的修正数。
在本发明一个实施例中,如图4所示,可以将端面101划分为9个子区域102。此时,圆环圆心107根据内边缘103的第一圆心105和外边缘104的第二圆心106确定。同时,可以设置N=9,修正数n1,n2…,n9可以分别设置为0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4。根据卷装长丝自身的特点(靠近纸管的地方高于远离纸管的地方),故在端面101正拍取样的情况下,靠近纸管部分到相机的光线路径短于远离纸管部分的光线路径,这导致靠近纸管部分的卷装长丝的端面101的亮度高。另外,网丝缺陷大部分出现在靠近纸管的区域,故在卷装长丝的端面101进行子区域划分时,为增强算法的可靠性,靠近纸管部分子区域应该划分的精细些,即子区域的宽度沿着半径方向逐步增大。
在本发明实施例中,如图5所示,根据待分析图像,确定圆环内的多根曲线包括:
S141、利用二值化方法过滤待分析图像的背景图案;
S142、利用膨胀处理方法将圆环内小于预定面积的具有第二颜色的区域利用第一颜色填充;
S143、提取填充第一颜色后的圆环内的具有第二颜色的多根曲线。
在本发明实施例中,利用二值化方法过滤待分析图像的背景图案可以先对待分析图像进行边缘检测,然后再对边缘检测后的待分析图像进行二值化处理。
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噪后的采集图像的原始细节,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,得到仅有第一颜色和第二颜色的图像。在一个实施例中,第一颜色可以为红色,第二颜色可以为黑色。根据预设的长度和面积参数对二值化处理后的图像进行过滤,以去除背景图案的干扰。其中,最优阈值可以设置为84-89,并且可以过滤掉面积参数≤0.02mm2以及预设的长度≤0.5mm的第一颜色的背景图案。
在本发明实施例中,利用膨胀处理方法将圆环内每两个相邻的具有第二颜色的区域,通过填充第一颜色连接,将圆环进一步填充颜色,此时,可以不对过滤背景图案后的采集图像像造成不必要的干扰。具体地,以第一颜色为红色,第二颜色为黑色为例,可以将待分析图像内圆环对应的区域分割成多块,然后,将两块红色区域之间的区域面积小于或等于预定面积的黑色区域填充红色,以进一步填充圆环的颜色。由于膨胀处理的方法能有效地填充每两个相邻的具有第一颜色的区域之间小于预定面积的具有第二颜色的区域,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。当进一步填充圆环的颜色完成后,可以提取圆环中依然为第二颜色的区域,并将其作为提取的曲线。
在本发明实施例中,如图6所示,根据多根曲线选取标记对象,并确定各个待分析图像中的标记对象的标记数量包括:
S151、根据曲线的曲线长度和曲线宽度,在多根曲线中选取第一曲线;
S152、获取第一曲线的第一端点和第二端点,并确定第一端点到圆环的圆环圆心的第一距离和第二端点到圆环的圆环圆心的第二距离;
S153、选取第一距离和第二距离的差值符合第一阈值的曲线为标记对象;
S154、确定各个待分析图像中的标记对象的标记数量。
在本发明的一个实施例中,可以先提取曲线的曲线长度和曲线宽度,并且剔除曲线长度≤2.5mm或曲线宽度≤0.08mm的细小曲线、以及曲线长度≥25mm且曲线宽度≥0.02mm的边线曲线,仅留下除细小曲线和边线曲线之外的第一曲线。
然后,获取第一曲线两端的第一端点的坐标(xA,yA)和第二端点的坐标(xB,yB),分别计算第一端点和第二端点到圆环圆心(x1/2+x2/2,y1/2+y2/2)的第一距离和第二距离。若第一距离和第二距离的差值≤2mm,则将其作为干扰对象,若第一距离和第二距离的差值>2mm,则将其作为标记对象。
如图7所示,以圆环201的第一曲线202和第一曲线203为例进行说明。第一曲线202具有第一端点A和第一端点B,计算第一端点A到圆环圆心107的第一距离204和第二端点B到圆环圆心107的第二距离205的差值≤2mm,因此,第一曲线202为干扰曲线。第一曲线203具有第一端点C和第一端点D,计算第一端点C到圆环圆心107的第一距离206和第二端点D到圆环圆心107的第二距离207的差值>2mm,因此,第一曲线203为标记对象。
在本发明实施例中,如图8所示,根据各个待分析图像对应圆环的位置及其标记数量,确定各个长度等级的网丝根数包括:
S161、根据圆环的位置为圆环分配对应的长度等级;
S162、根据每两个在端面中位置相邻的圆环的标记数量的差值,确定标记数量较多的圆环对应的长度等级的网丝根数。
在本发明的一个实施例中,以将端面划分为9个圆环为例,按照圆环对应于端面由内边缘到外边缘的顺序可以将其命名为第一区域到第九区域,对应的,仅在第一区域中出现的网丝的长度等级为第一级网丝,仅在第二区域中出现的网丝的长度等级为第二级网丝,……,同理,仅在第九区域中出现的网丝的长度等级为第九级网丝。
在前述步骤中,已经获取了第一区域到第九区域中每个区域内的标记对象的标记数量A1-A9。
因此,可以计算:第九级网丝的网丝根数为A9,第八级网丝的网丝根数为(A8-A9),第七级网丝的网丝根数为(A7-A8),……,第一级网丝的网丝根数为(A1-A2)。
在本发明实施例中,根据各个长度等级的网丝根数,确定端面是否存在网丝缺陷:
根据各个长度等级的网丝根数与预设系数的乘积的总和,确定端面是否存在网丝缺陷。
在本发明一个实施例中,可以根据多次试验的结果,设置第一级网丝到第九级网丝的预设系数分别为1.2,1.4,1.6,1,8,2.0,2.2,2.4,2.6,2.8。
若各个长度等级的网丝根数与预设系数的乘积的总和<14,则端面不存在网丝缺陷。即若1.2(A1-A2)+1.4(A2-A3)+1.6(A3-A4)+1.8(A4-A5)+2.0(A5-A6)+2.2(A6-A7)+2.4(A7-A8)+2.6(A8-A9)+2.8A9<14,则端面不存在网丝缺陷。
若14≤各个长度等级的网丝根数与预设系数的乘积的总和≤28,则端面存在A级降级网丝缺陷。即14≤1.2(A1-A2)+1.4(A2-A3)+1.6(A3-A4)+1.8(A4-A5)+2.0(A5-A6)+2.2(A6-A7)+2.4(A7-A8)+2.6(A8-A9)+2.8A9≤28,则端面存在A级降级网丝缺陷。
若各个长度等级的网丝根数与预设系数的乘积的总和>28,则端面存在B级降级网丝缺陷。即1.2(A1-A2)+1.4(A2-A3)+1.6(A3-A4)+1.8(A4-A5)+2.0(A5-A6)+2.2(A6-A7)+2.4(A7-A8)+2.6(A8-A9)+2.8A9>28,则端面存在B级降级网丝缺陷。
在本发明实施例中,如图9所示,还包括:
S180、根据端面是否存在网丝缺陷,确定卷装长丝是否存在网丝缺陷。
具体地,在本发明实施例中,如图10所示,卷装长丝的端面包括上端面110和下端面120,根据端面是否存在网丝缺陷,确定卷装长丝是否存在网丝缺陷包括:
当上端面110和下端面120中的至少一个存在网丝缺陷时,确定卷装长丝存在网丝缺陷;当上端面110和下端面120均无网丝缺陷时,确定卷装长丝不存在网丝缺陷。具体地,在本发明一个实施例中,若上端面110和下端面120中的至少一个存在B级降级网丝缺陷时,判断卷装长丝存在B级降级缺陷;若上端面110和下端面120中不存在B级降级网丝缺陷,且上端面110和下端面120中的至少一个存在A级降级网丝缺陷时,判断卷装长丝存在A级降级缺陷;若上端面110和下端面120均无网丝缺陷时,卷装长丝不存在网丝缺陷。
根据本发明实施例的卷装长丝的网丝缺陷检测方法,正确检出网丝缺陷率可以达到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网丝缺陷检测方法,可以广泛适用于化纤领域内的卷装长丝的网丝缺陷的在线检测,易于分析外观缺陷。并且,通过对网丝缺陷特征进行提取和判断的方法检测网丝缺陷,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,快速判别网丝缺陷,降低误检率。另外,本发明采用多工位、多相机、多光源检测,节约检测时间,降低生产成本。
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)
1.一种卷装长丝的网丝缺陷检测方法,其特征在于,包括:
获取包含所述卷装长丝的端面的采集图像;
截取所述采集图像中与所述端面对应的目标图像;
沿所述目标图像内的所述端面的内边缘向外边缘将所述端面分割为多个圆环,获得多张与所述圆环对应的待分析图像;
根据所述待分析图像,确定所述圆环内的多根曲线;
根据所述多根曲线选取标记对象,并确定各个所述待分析图像中的所述标记对象的标记数量;
根据各个所述待分析图像对应所述圆环的位置及其标记数量,确定各个长度等级的网丝根数;
根据所述各个长度等级的网丝根数,确定所述端面是否存在网丝缺陷。
2.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,截取所述采集图像中与所述端面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所述端面的所述内边缘和所述外边缘;
获取所述内边缘和所述外边缘的所有像素点的坐标值;
根据所述内边缘和所述外边缘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。
3.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,沿所述目标图像内的所述端面的内边缘向外边缘将所述端面分割为多个圆环,获得多张与所述圆环对应的待分析图像前,还包括:
对所述目标图像进行去噪处理。
4.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,沿所述目标图像内的所述端面的内边缘向外边缘将所述端面分割为多个圆环,获得多张与所述圆环对应的待分析图像包括:
确定所述端面的所述内边缘的第一圆心和所述外边缘的第二圆心;
根据所述第一圆心和所述第二圆心确定所述圆环的圆环圆心;
按照预设半径和所述圆环圆心将所述端面分割为多个圆环,并获得多张与所述圆环对应的所述待分析图像。
5.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,根据所述待分析图像,确定所述圆环内的多根曲线包括:
利用二值化方法过滤所述待分析图像的背景图案;
利用膨胀处理方法将所述圆环内小于预定面积的具有第二颜色的区域利用第一颜色填充;
提取填充所述第一颜色后的所述圆环内的具有所述第二颜色的所述多根曲线。
6.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,根据所述多根曲线选取标记对象,并确定各个所述待分析图像中的所述标记对象的标记数量包括:
根据所述曲线的曲线长度和曲线宽度,在所述多根曲线中选取第一曲线;
获取所述第一曲线的第一端点和第二端点,并确定所述第一端点到所述圆环的圆环圆心的第一距离和所述第二端点到所述圆环的圆环圆心的第二距离;
选取所述第一距离和所述第二距离的差值大于第一阈值的曲线为所述标记对象;
确定各个所述待分析图像中的所述标记对象的标记数量。
7.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,根据各个所述待分析图像对应所述圆环的位置及其标记数量,确定各个长度等级的网丝根数包括:
根据所述圆环的位置为所述圆环分配对应的长度等级;
根据每两个在所述端面中位置相邻的圆环的所述标记数量的差值,确定所述标记数量较多的圆环对应的长度等级的网丝根数。
8.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,根据所述各个长度等级的网丝根数,确定所述端面是否存在网丝缺陷:
根据各个所述长度等级的网丝根数与预设系数的乘积的总和,确定所述端面是否存在网丝缺陷。
9.如权利要求1所述的卷装长丝的网丝缺陷检测方法,其特征在于,还包括:
根据所述端面是否存在网丝缺陷,确定所述卷装长丝是否存在网丝缺陷。
10.如权利要求9所述的卷装长丝的网丝缺陷检测方法,其特征在于,所述卷装长丝的端面包括上端面和下端面,根据所述端面是否存在网丝缺陷,确定所述卷装长丝是否存在网丝缺陷包括:
当所述上端面和所述下端面中的至少一个存在网丝缺陷时,确定所述卷装长丝存在网丝缺陷;当所述上端面和所述下端面均无网丝缺陷时,确定所述卷装长丝不存在网丝缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975261.3A CN110895803B (zh) | 2018-08-24 | 2018-08-24 | 一种卷装长丝的网丝缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975261.3A CN110895803B (zh) | 2018-08-24 | 2018-08-24 | 一种卷装长丝的网丝缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110895803A CN110895803A (zh) | 2020-03-20 |
CN110895803B true CN110895803B (zh) | 2023-03-28 |
Family
ID=69785194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810975261.3A Active CN110895803B (zh) | 2018-08-24 | 2018-08-24 | 一种卷装长丝的网丝缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110895803B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815564B (zh) * | 2020-06-09 | 2024-03-29 | 浙江华睿科技股份有限公司 | 一种检测丝锭的方法、装置及丝锭分拣系统 |
CN112330595B (zh) * | 2020-10-13 | 2024-04-02 | 浙江华睿科技股份有限公司 | 一种绊丝检测方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000281267A (ja) * | 1999-03-29 | 2000-10-10 | Teijin Ltd | 糸条パッケージの綾外れ検査装置 |
JP2002303584A (ja) * | 2001-04-05 | 2002-10-18 | Toray Ind Inc | 巻糸パッケージの表面汚れ検査方法 |
CN104339358A (zh) * | 2013-07-27 | 2015-02-11 | 昝士录 | 高楼外层表面擦洗或喷涂技能机器人 |
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN106529551A (zh) * | 2016-11-02 | 2017-03-22 | 南通大学 | 面向包装行业的类圆对象智能识别计数检测算法 |
CN107230200A (zh) * | 2017-05-15 | 2017-10-03 | 东南大学 | 一种提取电机转子中线圈轮廓特征的方法 |
-
2018
- 2018-08-24 CN CN201810975261.3A patent/CN110895803B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000281267A (ja) * | 1999-03-29 | 2000-10-10 | Teijin Ltd | 糸条パッケージの綾外れ検査装置 |
JP2002303584A (ja) * | 2001-04-05 | 2002-10-18 | Toray Ind Inc | 巻糸パッケージの表面汚れ検査方法 |
CN104339358A (zh) * | 2013-07-27 | 2015-02-11 | 昝士录 | 高楼外层表面擦洗或喷涂技能机器人 |
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN106529551A (zh) * | 2016-11-02 | 2017-03-22 | 南通大学 | 面向包装行业的类圆对象智能识别计数检测算法 |
CN107230200A (zh) * | 2017-05-15 | 2017-10-03 | 东南大学 | 一种提取电机转子中线圈轮廓特征的方法 |
Non-Patent Citations (5)
Title |
---|
卢满怀 ; 范帅 ; 汤绮婷 ; .基于机器视觉的轴承套圈检测系统.轴承.2017,(第05期),全文. * |
汪威等."一种包装卷材快速在线检测算法".《包装工程》.2018,全文. * |
石炜 ; 王涛 ; .基于Canny算法的列车轴承内圈外表面缺陷检测.数字技术与应用.2018,(第05期),全文. * |
赵婧菲."基于图像处理的油井钢丝绳断丝缺陷检测".《中国优秀硕士学位论文全文数据库 信息科技辑》.2015,全文. * |
闫然等."浅谈大卷装拉丝丝饼常见成形缺陷的改善".《玻璃纤维》.2011,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110895803A (zh) | 2020-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110858395B (zh) | 一种卷装长丝的污丝缺陷检测方法 | |
CN110895803B (zh) | 一种卷装长丝的网丝缺陷检测方法 | |
CN105784713B (zh) | 基于机器视觉的密封圈表面缺陷检测方法 | |
CN107230207B (zh) | 轮胎的检测方法及系统 | |
CN114842016B (zh) | 一种基于计算机视觉的消防水带缺陷检测方法及系统 | |
CN112330663B (zh) | 一种基于变径圆的计算机视觉烟丝宽度检测方法 | |
US20140185883A1 (en) | Analysis of the digital image of the surface of a tyre and processing of non-measurement points | |
CN115578389A (zh) | 一种沟槽mos器件的缺陷检测方法 | |
CN114782416B (zh) | 基于图像识别的纺织品质量检测方法及系统 | |
CN115409742B (zh) | 一种基于园林绿化的植被覆盖密度评估方法 | |
KR102587710B1 (ko) | 카메라 스트림용 마스크를 생성하기 위한 방법, 컴퓨터 프로그램 제품 및 컴퓨터 판독 가능 매체 | |
CN110530883A (zh) | 一种缺陷检测方法 | |
KR102043316B1 (ko) | 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법 | |
CN103866551A (zh) | 基于机器视觉的织物纬斜快速探测方法 | |
CN110857919A (zh) | 一种卷装长丝的尾丝缺陷检测方法 | |
CN113610843A (zh) | 一种光纤编织层的实时缺陷识别系统及其方法 | |
CN110857921A (zh) | 一种卷装长丝的毛丝缺陷检测方法 | |
CN114923912A (zh) | 一种基于机器视觉的锦纶丝饼外表面缺陷检测方法 | |
CN112147147A (zh) | 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备 | |
CN110796654A (zh) | 一种引导线检测方法、装置、设备、轮胎吊及介质 | |
CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
CN111402225B (zh) | 一种布匹折叠误检疵点判别方法 | |
CN110857920A (zh) | 一种卷装长丝的成型不良缺陷检测方法 | |
CN112991251A (zh) | 一种表面缺陷检测的方法、装置及设备 | |
CN108171691B (zh) | 一种塑料容器的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |