CN110954548B - 基于机器视觉的验布机及采用其检测布匹缺陷的方法 - Google Patents

基于机器视觉的验布机及采用其检测布匹缺陷的方法 Download PDF

Info

Publication number
CN110954548B
CN110954548B CN201911187451.XA CN201911187451A CN110954548B CN 110954548 B CN110954548 B CN 110954548B CN 201911187451 A CN201911187451 A CN 201911187451A CN 110954548 B CN110954548 B CN 110954548B
Authority
CN
China
Prior art keywords
camera
cloth
image
computer
inspecting machine
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
Application number
CN201911187451.XA
Other languages
English (en)
Other versions
CN110954548A (zh
Inventor
赵瑾
景军锋
高原
李帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Huode Image Technology Co ltd
Original Assignee
Xi'an Huode Image Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Huode Image Technology Co ltd filed Critical Xi'an Huode Image Technology Co ltd
Priority to CN201911187451.XA priority Critical patent/CN110954548B/zh
Publication of CN110954548A publication Critical patent/CN110954548A/zh
Application granted granted Critical
Publication of CN110954548B publication Critical patent/CN110954548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06H—MARKING, INSPECTING, SEAMING OR SEVERING TEXTILE MATERIALS
    • D06H3/00—Inspecting textile materials
    • D06H3/08—Inspecting textile materials by photo-electric or television means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • G01N2021/8908—Strip illuminator, e.g. light tube
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Textile Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Materials Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开的一种基于机器视觉的验布机，包括送卷装置、收卷装置和验布机控制箱，送卷装置和收卷装置之间的布面上设置有检测装置，检测装置通过数据线连接有计算机，计算机上依次电连接有单片机和位于送卷装置上的编码器，单片机还分别检测装置与验布机控制箱电连接。本发明还涉及上述基于机器视觉的验布机检测布匹缺陷的方法，采用本发明检测布匹缺陷的方法能够提高布匹质量，提高检测效率，减小人工工作量；能够有效节省相机部分的成本，给企业带来更大效益。

Description

基于机器视觉的验布机及采用其检测布匹缺陷的方法
技术领域
本发明属于机器视觉技术领域，具体涉及一种基于机器视觉的验布机。本发明还涉及上述基于机器视觉的验布机检测布匹缺陷的方法。
背景技术
布匹疵点是影响纺织品品质优良的第一个因素。在布匹的生产过程中，需要对布匹的缺陷进行检测，根据缺陷的类型和严重程度对布匹划分等级。而目前，大多数布匹的缺陷检测是靠人工检测的方式来完成的，但是这种方式有很多不足之处：
1.主观意识高，容易产生漏检；
2.成本高。人工检测不但要花费人工工资，同时还要为漏检造成的投诉等损失支付赔偿；
3.损害工作人员健康。长期验布，会损害工作者的视力；
以色列EVS公司发明的IQ-TEX4自动检测系统，能够很好的解决以上问题，但由于其采用的相机数量多，检测系统复杂，导致成本大的缺点，致使大多数织布机厂家仍然采用最原始的人工检测方式，难以解决验布行业的根本问题。
发明内容
本发明的目的在于提供一种基于机器视觉的验布机，解决了现有检测方式检测率低且成本高的问题。
本发明的另一目的在于提供上述基于机器视觉的验布机检测布匹缺陷的方法。
本发明所采用的第一种技术方案是：一种基于机器视觉的验布机，包括送卷装置、收卷装置和验布机控制箱，送卷装置和收卷装置之间的布面上设置有检测装置，检测装置通过数据线连接有计算机，计算机上依次电连接有单片机和位于送卷装置上的编码器，单片机还分别检测装置与验布机控制箱电连接。
本发明第一种技术方案的特点还在于，
检测装置包括沿布面宽度方向在其上方设置的第一横梁，第一横梁上均匀间隔设置有正对布面的1号相机、2号相机和3号相机，第一横梁的两侧分别设置有与其同向的第一光源和第二光源，第一光源和第二光源均45度朝内照射布面；还包括沿布面宽度方向在其上方设置的第二横梁，第二横梁上设置有正对布面的4号相机，布面的下方正对第二横梁设置有第三光源；计算机通过网线分别与1号相机、2号相机、3号相机和4号相机连接，单片机分别与1号相机、2号相机、3号相机和4号相机电连接。
单片机还电连接有报警灯。
布面上设置有布边传感器，布边传感器电连接至单片机。
单片机与计算机通过串口通讯。
本发明所采用的第二种技术方案是：一种基于机器视觉的验布机检测布匹缺陷的方法，包括以下步骤：
步骤1：计算机系统开始初始化；1号相机、2号相机、3号相机和4号相机开始初始化；
步骤2：验布机控制箱控制送卷装置启动后带动编码器旋转，编码器的运动触发1号相机、2号相机、3号相机和4号相机采集图像；
步骤3：步骤2中采集的图像通过数据线传送至计算机，计算机通过算法检测布匹的临时特征图像，再通过特征进行筛选是否属于缺陷；
步骤4：若计算机检测的图像中存在缺陷，记录缺陷的类型、位置、和图像信息；若计算机检测的图像中不存在缺陷，则返回至步骤2；
步骤5：当计算机检测出缺陷后，判断是否满足停机条件，如果满足，则发送停机命令至单片机，单片机通过验布机控制箱控制验布机停机；若计算机检测出的缺陷不满足停机条件，则返回至步骤2。
本发明第二种技术方案的特点还在于，
步骤3中计算机首先对获取到的图像信息进行相机号的判断，若为1号相机、2号相机或3号相机，则采用以下步骤：
步骤3.11：采用直接阈值的方式，提取布面图像，剪裁布边；
步骤3.12：对步骤3.11所剪裁后的图像分别采用水平和垂直的sobel梯度算子进行处理；
步骤3.13：对步骤3.12所处理的结果图像进行转换，转换为byte类型的图像；
步骤3.14：对步骤3.13所处理的结果图像分别采用水平和垂直的均值滤波对图像进行特征增强；
步骤3.15：对步骤3.14所处理的结果图像进行动态阈值，得到二值化结果；
步骤3.16：对步骤3.15所处理的结果图像进行感兴趣区域提取，根据水平的结果判断是否属于节丝，根据垂直结果判断是否属于断经。
步骤3中计算机首先对获取到的图像信息进行相机号的判断，若为4号相机，则采用以下步骤：
步骤3.21：对4号相机采集的图像进行5*3的均值滤波；
步骤3.22：对步骤3.21所处理的结果图像进行sobel水平特征增强；
步骤3.23：对步骤3.22所处理的结果图像进行对比度增强；
步骤3.24：对步骤3.23所处理的结果图像进行200*8的均值滤波；
步骤3.25：对步骤3.24所处理的结果图像进行sobel水平特征增强；
步骤3.26：对步骤3.25所处理的结果图像进行200*12的均值滤波；
步骤3.27：对步骤3.26所处理的结果图像进行转换，转换为byte类型的图像；
步骤3.28：对步骤3.27所处理的结果图像进行动态阈值，得到二值化结果；
步骤3.29：对步骤3.28所处理的结果图像进行感兴趣区域提取，判断是否属于缺陷，进而根据缺陷的高度判断缺陷属于断纬还是开车痕。
本发明的有益效果是：
1.由于机械段、开车痕等缺陷难以检测，需要更大分辨率多个相机才能够满足检测需求。本发明根据这种缺陷通幅存在的特点，将这种难以检测的缺陷与其他缺陷分开检测，采用一个相机近距离拍摄，既降低系统的复杂性从而节省成本，又能满足日常的检测需求。
2.本发明能够实时在线监测，实时统计百码缺陷数量，达到降等要求立即停机，及时裁剪不符合质量要求的布匹，避免整卷批量降级，从而减少布匹浪费，提高产品的质量与产量。
3.本发明能够准确记录缺陷图片、位置、时间等信息。弥补人工记录不详细不直观的缺点。而且疵点的浏览记录可以长时间保存，能够满足生产企业对布匹的质量管控需求。
附图说明
图1是本发明一种基于机器视觉的验布机的结构示意图；
图2是本发明一种基于机器视觉的验布机检测布匹缺陷的方法流程图；
图3是本发明一种基于机器视觉的验布机检测布匹缺陷方法中计算机对1号相机、2号相机或3号相机采集到的图像是否存在缺陷的算法流程图；
图4是本发明一种基于机器视觉的验布机检测布匹缺陷方法中计算机对4采集到的图像是否存在缺陷的算法流程图。
图中，1.计算机，2.单片机，3.报警灯，4.编码器，5.送卷装置，6.1号相机，7.2号相机，8.3号相机，9.4号相机，10.第三光源，11.第一光源，12.第二光源，13.第一横梁，14.第二横梁，15.布面，16.布边传感器，17.收卷装置，18.验布机控制箱，19.数据线。
具体实施方式
下面结合附图以及具体实施方式对本发明进行详细说明。
本发明提供了一种基于机器视觉的验布机，如图1所示，包括送卷装置5、收卷装置17和验布机控制箱18，送卷装置5和收卷装置17之间的布面15上设置有检测装置，检测装置通过数据线19连接有计算机1，计算机1上依次电连接有单片机2和位于送卷装置5上的编码器4，单片机2还分别检测装置与验布机控制箱18电连接。
检测装置包括沿布面15宽度方向在其上方设置的第一横梁13，第一横梁13上均匀间隔设置有正对布面15的1号相机6、2号相机7和3号相机8，第一横梁13的两侧分别设置有与其同向的第一光源11和第二光源12，第一光源11和第二光源12均45度朝内照射布面15；还包括沿布面15宽度方向在其上方设置的第二横梁14，第二横梁14上设置有正对布面15的4号相机9，布面15的下方正对第二横梁14设置有第三光源10；计算机1通过网线19分别与1号相机6、2号相机7、3号相机8和4号相机9连接，单片机2分别与1号相机6、2号相机7、3号相机8和4号相机9电连接。
布面15上设置有布边传感器16，布边传感器16电连接至单片机2。如果布边传感器16检测到布边不齐，传递信号给单片机2，单片机2通过验布机控制箱18控制收卷装置17左右移动，自动对齐布边。
单片机2与计算机1通过串口通讯；单片机2还电连接有报警灯3，检测出缺陷时可报警。
本发明还提供了一种基于机器视觉的验布机检测布匹缺陷的方法，如图2所示，其步骤包括：
a.开机打开智能验布机软件，系统开始初始化，加载串口设置，打开串口；相机开始初始化，加载相机参数，相机设置为硬件触发方式，打开相机；
b.点击开始检测，验布机开始工作，编码器放置在送布装置上，通过送布装置带动编码器旋转，再通过编码器的运动触发相机采集图像；
c.将采集到的图像通过网线或者USB线传送至计算机，通过不同的算法检测布匹的临时特征图像，再通过特征进行筛选是否属于缺陷；
d.如果图像中存在缺陷，记录缺陷的类型，位置，图像等信息；
e.当系统检测出缺陷后，判断是否满足停机条件，如果满足，则通过串口发送停机命令至单片机，进而控制验布机停机。
其中，步骤c中通过不同算法来检测是否存在缺陷。其算法分为两种，第一种是随机分布的缺陷，节丝，断经等；第二种是通幅出现的缺陷，比如断纬，双纬，机械段，开车痕等。其算法步骤是：
c1：从获取到的图像信息中判断相机号，如果是1，2，3号相机，如图3所示，则采用以下步骤：
c11：由于布面与背景差异较大，采用直接阈值的方式，提取布面图像，剪裁布边，避免背景影响整个图像处理的结果；
c12：对c11所剪裁后的图像分别采用水平和垂直的sobel梯度算子进行处理；
c13：对c12所处理的结果图像进行转换，转换为byte类型的图像；
c14：对c13所处理的结果图像分别采用水平(200*3)和垂直(3*100)的均值滤波对图像进行特征增强；
c15：对c14所处理的结果图像进行动态阈值，得到二值化结果；
c16：对c15所处理的结果图像进行感兴趣区域提取，比如根据水平的结果判断是否属于节丝，根据垂直结果判断是否属于断经等。
c2：如果相机属于4号相机，由于机械段、开车痕缺陷有些非常不明显，则需要多次增强图像的特征，如图4所示，需采用以下步骤：
c21：对相机采集的图像进行5*3的均值滤波；
c22：对c21所处理的结果图像进行sobel水平特征增强；
c23：对c22所处理的结果图像进行对比度增强；
c24：对c23所处理的结果图像进行200*8的均值滤波；
c25：对c24所处理的结果图像进行sobel水平特征增强；
c26：对c25所处理的结果图像进行200*12的均值滤波；
c27：对c26所处理的结果图像进行转换，转换为byte类型的图像；
c28：对c27所处理的结果图像进行动态阈值，得到二值化结果；
c29：对c28所处理的结果图像进行感兴趣区域提取，判断是否属于缺陷，进而根据缺陷的高度判断缺陷属于断纬还是开车痕。
对于其中的sobel算子，共有两个，一个是检测水平边缘的；另一个是检测垂直边缘的。与Prewitt算子相比，Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。
其模板如下：
Figure BDA0002292741240000081
通过上述方式，本发明基于机器视觉的验布机检测布匹缺陷的方法能够提高布匹质量，提高检测效率，减小人工工作量；能够有效节省相机部分的成本，给企业带来更大效益。

Claims (3)

1.一种基于机器视觉的验布机检测布匹缺陷的方法，其特征在于，所述验布机包括送卷装置（5）、收卷装置（17）和验布机控制箱（18），送卷装置（5）和收卷装置（17）之间的布面（15）上设置有检测装置，检测装置通过数据线（19）连接有计算机（1），计算机（1）上依次电连接有单片机（2）和位于送卷装置（5）上的编码器（4），单片机（2）还分别与 检测装置、 验布机控制箱（18）电连接；
所述检测装置包括沿布面（15）宽度方向在其上方设置的第一横梁（13），第一横梁（13）上均匀间隔设置有正对布面（15）的1号相机（6）、2号相机（7）和3号相机（8），第一横梁（13）的两侧分别设置有与其同向的第一光源（11）和第二光源（12），第一光源（11）和第二光源（12）均45度朝内照射布面（15）；还包括沿布面（15）宽度方向在其上方设置的第二横梁（14），第二横梁（14）上设置有正对布面（15）的4号相机（9），布面（15）的下方正对第二横梁（14）设置有第三光源（10）；计算机（1）通过数据线（19）分别与1号相机（6）、2号相机（7）、3号相机（8）和4号相机（9）连接，单片机（2）分别与1号相机（6）、2号相机（7）、3号相机（8）和4号相机（9）电连接；
所述布面（15）上设置有布边传感器（16），布边传感器（16）电连接至单片机（2）；
其检测方法包括以下步骤：
步骤1：计算机（1）系统开始初始化；1号相机（6）、2号相机（7）、3号相机（8）和4号相机（9）开始初始化；
步骤2：验布机控制箱（18）控制送卷装置（5）启动后带动编码器（4）旋转，编码器（4）的运动触发1号相机（6）、2号相机（7）、3号相机（8）和4号相机（9）采集图像；
步骤3：步骤2中采集的图像通过数据线（19）传送至计算机（1），计算机（1）通过算法检测布匹的临时特征图像，再通过特征进行筛选是否属于缺陷；
步骤4：若计算机（1）检测的图像中存在缺陷，记录缺陷的类型、位置、和图像信息；若计算机（1）检测的图像中不存在缺陷，则返回至步骤2；
步骤5：当计算机（1）检测出缺陷后，判断是否满足停机条件，如果满足，则发送停机命令至单片机（2），单片机（2）通过验布机控制箱（18）控制验布机停机；若计算机（1）检测出的缺陷不满足停机条件，则返回至步骤2；
所述步骤3中计算机（1）首先对获取到的图像信息进行相机号的判断，若为1号相机（6）、2号相机（7）或3号相机（8），则采用以下步骤：
步骤3.11：采用直接阈值的方式，提取布面（15）图像，剪裁布边；
步骤3.12：对步骤3.11所剪裁后的图像分别采用水平和垂直的sobel梯度算子进行处理；
步骤3.13：对步骤3.12所处理的结果图像进行转换，转换为byte类型的图像；
步骤3.14：对步骤3.13所处理的结果图像分别采用水平和垂直的均值滤波对图像进行特征增强；
步骤3.15：对步骤3.14所处理的结果图像进行动态阈值，得到二值化结果；
步骤3.16：对步骤3.15所处理的结果图像进行感兴趣区域提取，根据水平的结果判断是否属于节丝，根据垂直结果判断是否属于断经；
所述步骤3中计算机（1）首先对获取到的图像信息进行相机号的判断，若为4号相机（9），则采用以下步骤：
步骤3.21：对4号相机（9）采集的图像进行5*3的均值滤波；
步骤3.22：对步骤3.21所处理的结果图像进行sobel水平特征增强；
步骤3.23：对步骤3.22所处理的结果图像进行对比度增强；
步骤3.24：对步骤3.23所处理的结果图像进行200*8的均值滤波；
步骤3.25：对步骤3.24所处理的结果图像进行sobel水平特征增强；
步骤3.26：对步骤3.25所处理的结果图像进行200*12的均值滤波；
步骤3.27：对步骤3.26所处理的结果图像进行转换，转换为byte类型的图像；
步骤3.28：对步骤3.27所处理的结果图像进行动态阈值，得到二值化结果；
步骤3.29：对步骤3.28所处理的结果图像进行感兴趣区域提取，判断是否属于缺陷，进而根据缺陷的高度判断缺陷属于断纬还是开车痕。
2.如权利要求1所述的一种基于机器视觉的验布机检测布匹缺陷的方法，其特征在于，所述单片机（2）还电连接有报警灯（3）。
3.如权利要求1所述的一种基于机器视觉的验布机检测布匹缺陷的方法，其特征在于，所述单片机（2）与计算机（1）通过串口通讯。
CN201911187451.XA 2019-11-28 2019-11-28 基于机器视觉的验布机及采用其检测布匹缺陷的方法 Active CN110954548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911187451.XA CN110954548B (zh) 2019-11-28 2019-11-28 基于机器视觉的验布机及采用其检测布匹缺陷的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911187451.XA CN110954548B (zh) 2019-11-28 2019-11-28 基于机器视觉的验布机及采用其检测布匹缺陷的方法

Publications (2)

Publication Number Publication Date
CN110954548A CN110954548A (zh) 2020-04-03
CN110954548B true CN110954548B (zh) 2022-08-30

Family

ID=69978697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911187451.XA Active CN110954548B (zh) 2019-11-28 2019-11-28 基于机器视觉的验布机及采用其检测布匹缺陷的方法

Country Status (1)

Country Link
CN (1) CN110954548B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2068113B (en) * 1980-01-08 1984-02-15 Spencer Wright Ind Inc Detection of faults in fabrics
EP0816825A3 (en) * 1996-06-26 1998-08-12 Toshiba Engineering Corporation Method and apparatus for inspecting streak
JP3671672B2 (ja) * 1998-05-06 2005-07-13 東レ株式会社 糸条の欠点検出方法及び装置
US6226088B1 (en) * 1999-01-29 2001-05-01 Barry P. Keane Optical web defect detection system
US8935104B2 (en) * 2010-03-10 2015-01-13 3M Innovative Properties Company Application-specific repeat defect detection in web manufacturing processes
CN107643295B (zh) * 2017-08-24 2019-08-20 中国地质大学（武汉） 一种基于机器视觉的布匹缺陷在线检测的方法和系统
CN209555473U (zh) * 2019-02-12 2019-10-29 潍坊博元塑业有限公司 一种织机电子送经卷取控制系统
CN110097538A (zh) * 2019-04-17 2019-08-06 江南大学 一种织机在线验布装置及疵点识别方法
CN110412037A (zh) * 2019-07-04 2019-11-05 盎古(上海)科技有限公司 一种织物疵点信息处理方法和装置

Also Published As

Publication number Publication date
CN110954548A (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN202175829U (zh) 基于机器视觉的坯布疵点在线实时检测系统
CN104949990B (zh) 一种适用于机织纺织品的瑕疵在线检测方法
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
CN108760747A (zh) 一种3d打印模型表面缺陷视觉检测方法
CN109916910B (zh) 光伏玻璃边部缺陷检测系统及相应的方法
CN103451846B (zh) 一种基于计算机视觉的坯布断纱在线检测方法与系统
CN107944342A (zh) 一种基于机器视觉的刮板机异常状态检测系统
CN206321577U (zh) 一种织物缺陷检测装置
KR102445162B1 (ko) 비전센서를 활용한 데이터 추출 및 딥러닝과 머신러닝 알고리즘에 기반한 제직 원단의 결점 검출 자동화시스템
CN210690429U (zh) 一种帘子布织布机缺陷在线检测系统
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
CN101807061A (zh) 集成电路切筋系统的视觉检测控制系统及方法
CN113592852A (zh) 一种碳纤维碳丝质量在线检测系统和方法
CN110954548B (zh) 基于机器视觉的验布机及采用其检测布匹缺陷的方法
CN108986065B (zh) 一种经编织物瑕疵融合滤波检测方法、装置、设备和存储介质
CN112080829B (zh) 捆绑纱检测影像系统
CN211122582U (zh) 一种胚布瑕疵视觉检测装置
CN115508282B (zh) 一种在线智能验布检测系统
CN117309759A (zh) 缺陷检测系统、方法、电子设备和存储介质
CN211079719U (zh) 集成于织机上的机器视觉验布系统
CN114897788B (zh) 一种基于引导滤波及离散差分的纱线卷装毛羽检测方法
CN116563223A (zh) 一种玻纤纱线绕罗拉检测方法、设备及存储介质
CN110672209A (zh) 一种经编布匹色差在线检测方法
CN109825944B (zh) 一种基于线激光的织物织造在线疵点检测方法
CN114757905A (zh) 一种基于视觉的卷绳缠绕异常检测装置及方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Machine vision based fabric inspection machine and its method for detecting fabric defects

Granted publication date: 20220830

Pledgee: Xi'an innovation financing Company limited by guarantee

Pledgor: XI'AN HUODE IMAGE TECHNOLOGY Co.,Ltd.

Registration number: Y2024980013231

PE01 Entry into force of the registration of the contract for pledge of patent right