CN111139562A - 基于梯度分析的纺机纱线监测方法 - Google Patents

基于梯度分析的纺机纱线监测方法 Download PDF

Info

Publication number
CN111139562A
CN111139562A CN201911404011.5A CN201911404011A CN111139562A CN 111139562 A CN111139562 A CN 111139562A CN 201911404011 A CN201911404011 A CN 201911404011A CN 111139562 A CN111139562 A CN 111139562A
Authority
CN
China
Prior art keywords
image sensor
yarn
processor
spinning machine
gradient
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
Application number
CN201911404011.5A
Other languages
English (en)
Inventor
刘瑜
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.)
Hangzhou Jingyi Intelligent Science and Technology Co Ltd
Original Assignee
Hangzhou Jingyi Intelligent Science and 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 Hangzhou Jingyi Intelligent Science and Technology Co Ltd filed Critical Hangzhou Jingyi Intelligent Science and Technology Co Ltd
Priority to CN201911404011.5A priority Critical patent/CN111139562A/zh
Publication of CN111139562A publication Critical patent/CN111139562A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • D—TEXTILES; PAPER
    • D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
    • D01H—SPINNING OR TWISTING
    • D01H13/00—Other common constructional features, details or accessories
    • D01H13/14—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Textile Engineering (AREA)
  • Filamentary Materials, Packages, And Safety Devices Therefor (AREA)
  • Spinning Or Twisting Of Yarns (AREA)

Abstract

本发明公开一种基于梯度分析的纺机纱线监测方法，设置外壳，以及设置在外壳内部的电子控制装置，包括电源电路、处理器，与处理器连接的红外发射单元和图像传感器，图像传感器上设置红外滤波片，红外发射单元设置在图像传感器的正上方，处理器的内部设置纺机纱线监测方法，其步骤为：(1)每隔固定周期T，处理器采集图像传感器输出的图像数据f t(x,y)；(2)计算图像数据f t(x,y)的梯度分布gt(x,y)；(3)计算当前采样的梯度分布gt(x,y)与前次采样的梯度分布gt‑1(x,y)的差值S；(4)当差值S大于或者等于预设阈值K时，判定纱线处于运动状态；否则，判定纱线处于静止状态。

Description

基于梯度分析的纺机纱线监测方法
技术领域
本发明涉及一种基于梯度分析的纺机纱线监测方法，属于纺织电子的技术领域。
背景技术
在纺织行业，无人化生产对于提高效率、降低成本并提升竞争力是至关重要的。其中，对纱线的状态，包括断纱、缺纱等信息的监测就尤为重要了。目前使用的纱线状态传感器采用差分式的红外光敏二极管进行检测的。这种方式具有原理简单，成本低的优点，但是放大电路的增益非常大，容易受到干扰，并且检测区域非常狭小，对安装要求很高。
机器视觉是模拟人类的视觉功能，可采集丰富的信息，包括形状、色彩、梯度等信息，在各行各业都开始得到推广的应用。因此基于图像分析的纱线状态检测势必成为未来的必然趋势。而梯度的本意是一个向量，表示图像在该点处的方向导数沿着该方向取得最大值，即图像在该点处沿着该方向变化最快，变化率最大。因此，梯度的分布可以表征纱线的形状，可以作为识别的依据。
发明内容
本发明的目的是为了克服现有技术中的不足之处，采用图像传感器的检测方式，提供一种基于梯度分析的纺机纱线监测方法，计算纱线投影的梯度分布并进行对比分析，该方案原理简单，工作可靠，并且是无接触式的检测方案。
本发明解决其技术问题所采用的技术方案是：
基于梯度分析的纺机纱线监测方法，设置U形的外壳，以及设置在所述的外壳内部的电子控制装置，所述的电子控制装置包括提供电源的电源电路、进行运算处理的处理器，与所述的处理器连接的红外发射单元和图像传感器，所述的图像传感器上设置红外滤波片，所述的红外发射单元设置在所述的图像传感器的正上方，纱线从所述的红外发射单元的下方穿过，并投影到所述的图像传感器上，所述的处理器的内部设置纺机纱线监测方法，其步骤为：
(1)、每隔固定周期T，所述的处理器采集所述的图像传感器输出的图像数据f t(x,y)，x=1~M，y=1~N，其中，M为x轴方向上的最大像素个数，N为y轴方向上的最大像素个数；
(2)、计算图像数据f t(x,y)的梯度分布gt(x,y)；
(3)、计算当前采样的梯度分布gt(x,y)与前次采样的梯度分布gt-1(x,y)的差值S；
(4)、当差值S大于或者等于预设阈值K时，判定纱线处于运动状态；当差值S小于预设阈值K时，判定纱线处于静止状态。
步骤(2)中，梯度分布gt(x,y)的计算方法为：gt(x,y)={[f t(x+1,y)-f t(x-1,y)]2+[f t(x,y+1)-f t(x,y-1)]2}1/2。
步骤(3)中，差值S的计算方法为：S=
Figure RE-849845DEST_PATH_IMAGE002
。
实施本发明的积极效果是：1、采用图像传感器的检测方式，计算纱线投影的梯度分布并进行对比分析，判断纱线的微动状态；2、原理简单，工作可靠；3、无接触式检测，对纱线无影响。
附图说明
图1是电子控制装置的安装图；
图2是二值函数的示意图。
具体实施方式
现结合附图对本发明作进一步说明：
参照图1－2，基于梯度分析的纺机纱线监测方法，设置U形的外壳，以及设置在所述的外壳内部的电子控制装置，所述的电子控制装置包括提供电源的电源电路、进行运算处理的处理器，与所述的处理器连接的红外发射单元1和图像传感器2，所述的图像传感器2上设置红外滤波片3。
所述的电源电路是将输入电源进行电平转换，并稳压，为其他电路提供电源。
所述的图像传感器2设置为对红外线敏感的CCD线性图像传感器或者CMOS线性图像传感器，所述的处理器可根据需要进行读取图像数据。
所述的红外滤波片3，可滤除红外光以外的光线，这样可大大提高环境适应性，避免外界光源的干扰。为了加强纱线成像的清晰度和对比度，所述的红外发射单元1设置在所述的图像传感器2的正上方，纱线从所述的红外发射单元1的下方穿过，并投影到所述的图像传感器2上。
所述的处理器的内部设置纱线状态识别方法，可以检测纱线的运动状态和静止状态，其步骤为：
(1)、每隔固定周期T，所述的处理器采集所述的图像传感器输出的图像数据f t(x,y)，x=1~M，y=1~N，其中，M为x轴方向上的最大像素个数，N为y轴方向上的最大像素个数；
在步骤(1)中，所述的处理器1每隔固定周期T进行采样，得到二维矩阵的图像序列f t(x,y)，f t-1(x,y)，f t-2(x,y)，．．．．．
(2)、计算图像数据f t(x,y)的梯度分布gt(x,y)；
步骤(2)中，梯度分布gt(x,y)的计算方法为：gt(x,y)={[f t(x+1,y)-f t(x-1,y)]2+[f t(x,y+1)-f t(x,y-1)]2}1/2。对x轴和y轴方向上的梯度值进行求和。
(3)、计算当前采样的梯度分布gt(x,y)与前次采样的梯度分布gt-1(x,y)的差值S；
步骤(3)中，差值S的计算方法为：S=
Figure RE-DEST_PATH_IMAGE004
。 将当前采样的梯度分布gt(x,y)与前次采样的梯度分布gt-1(x,y)，逐点计算差的绝对值，并 进行累计求和。
(4)、当差值S大于或者等于预设阈值K时，判定纱线处于运动状态；当差值S小于预设阈值K时，判定纱线处于静止状态。
按照纱线静止时，差值S接近于零的原则进行判断。

Claims (3)

1.基于梯度分析的纺机纱线监测方法，设置U形的外壳，以及设置在所述的外壳内部的电子控制装置，所述的电子控制装置包括提供电源的电源电路、进行运算处理的处理器，与所述的处理器连接的红外发射单元和图像传感器，所述的图像传感器上设置红外滤波片，所述的红外发射单元设置在所述的图像传感器的正上方，纱线从所述的红外发射单元的下方穿过，并投影到所述的图像传感器上，其特征在于：所述的处理器的内部设置纺机纱线监测方法，其步骤为：
(1)、每隔固定周期T，所述的处理器采集所述的图像传感器输出的图像数据f t(x,y)，x=1~M，y=1~N，其中，M为x轴方向上的最大像素个数，N为y轴方向上的最大像素个数；
(2)、计算图像数据f t(x,y)的梯度分布gt(x,y)；
(3)、计算当前采样的梯度分布gt(x,y)与前次采样的梯度分布gt-1(x,y)的差值S；
(4)、当差值S大于或者等于预设阈值K时，判定纱线处于运动状态；当差值S小于预设阈值K时，判定纱线处于静止状态。
2.根据权利要求1所述的基于梯度分析的纺机纱线监测方法，其特征是：步骤(2)中，梯度分布gt(x,y)的计算方法为：gt(x,y)={[f t(x+1,y)-f t(x-1,y)]2+[f t(x,y+1)-f t(x,y-1)]2}1/2。
3.根据权利要求1所述的基于梯度分析的纺机纱线监测方法，其特征是：步骤(3)中，差值S的计算方法为：S=
Figure RE-736776DEST_PATH_IMAGE002
。
CN201911404011.5A 2019-12-31 2019-12-31 基于梯度分析的纺机纱线监测方法 Pending CN111139562A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911404011.5A CN111139562A (zh) 2019-12-31 2019-12-31 基于梯度分析的纺机纱线监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911404011.5A CN111139562A (zh) 2019-12-31 2019-12-31 基于梯度分析的纺机纱线监测方法

Publications (1)

Publication Number Publication Date
CN111139562A true CN111139562A (zh) 2020-05-12

Family

ID=70522236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911404011.5A Pending CN111139562A (zh) 2019-12-31 2019-12-31 基于梯度分析的纺机纱线监测方法

Country Status (1)

Country Link
CN (1) CN111139562A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102031605A (zh) * 2010-11-12 2011-04-27 刘瑜 一种纺机纱线状态的检测装置及其检测方法
CN102409458A (zh) * 2011-07-14 2012-04-11 刘瑜 基于小型图像传感器的纱线状态检测装置和检测方法
CN103336962A (zh) * 2013-07-16 2013-10-02 慈溪思达电子科技有限公司 纱线状态传感器的图像判定方法
CN103352283A (zh) * 2013-07-19 2013-10-16 慈溪思达电子科技有限公司 纱线状态传感器判断微动状态的图像识别方法
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN108627171A (zh) * 2018-04-20 2018-10-09 杭州晶智能科技有限公司 基于无线信号强度梯度的移动机器人定位充电基座的智能方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102031605A (zh) * 2010-11-12 2011-04-27 刘瑜 一种纺机纱线状态的检测装置及其检测方法
CN102409458A (zh) * 2011-07-14 2012-04-11 刘瑜 基于小型图像传感器的纱线状态检测装置和检测方法
CN103336962A (zh) * 2013-07-16 2013-10-02 慈溪思达电子科技有限公司 纱线状态传感器的图像判定方法
CN103352283A (zh) * 2013-07-19 2013-10-16 慈溪思达电子科技有限公司 纱线状态传感器判断微动状态的图像识别方法
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN108627171A (zh) * 2018-04-20 2018-10-09 杭州晶智能科技有限公司 基于无线信号强度梯度的移动机器人定位充电基座的智能方法

Similar Documents

Publication Publication Date Title
CN103336962B (zh) 纱线状态传感器的图像判定方法
CN103352283A (zh) 纱线状态传感器判断微动状态的图像识别方法
US20220060622A1 (en) Environmental Model Maintenance Using Event-Based Vision Sensors
CN111139562A (zh) 基于梯度分析的纺机纱线监测方法
CN111058131A (zh) 基于移动距离分析的纺机纱线监测方法
JP2022009474A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
CN111005152B (zh) 基于图形相似性比较的纱线检测方法
CN111058182A (zh) 基于投影区域统计的纱线状态检测方法
CN113052019A (zh) 目标跟踪方法及装置、智能设备和计算机存储介质
CN111139581A (zh) 基于特征点位置分析的纺机纱线监测方法
CN108734706B (zh) 一种融合区域分布特性与边缘尺度角度信息的转子绕线图像检测方法
CN111141748A (zh) 基于绒边分析的纱线状态检测方法
CN111139580A (zh) 基于纵向直方图分析的纺机纱线监测方法
CN111058183B (zh) 基于图像形态识别的纱线检测方法
CN111088597B (zh) 基于轮廓线分析的纱线状态检测方法
CN111058270A (zh) 基于重心分析的纱线状态检测方法
CN111139582A (zh) 基于边缘投影分析的纺机纱线监测方法
CN111139579A (zh) 基于纵向宽度分布的纺机纱线监测方法
CN112255141A (zh) 一种热成像气体监测系统
Hoang Object size measurement and camera distance evaluation for electronic components using Fixed-Position camera
Jing et al. Research on visual measurement for levitation gap in Maglev system
CN112760802A (zh) 基于特征两维度描述的纱线状态判别方法
Du et al. Automatic Analysis of Calibration Board Image Orientation for Online Hand-Eye Calibration
Maddalena et al. Moving object detection for real-time applications
Sohail et al. Object Detection and Mapping in 3D Space for Quad-Copter Control Application

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200512