CN111415349A - 一种基于图像处理技术的涤纶长丝毛丝检测方法 - Google Patents
一种基于图像处理技术的涤纶长丝毛丝检测方法 Download PDFInfo
- Publication number
- CN111415349A CN111415349A CN202010230511.8A CN202010230511A CN111415349A CN 111415349 A CN111415349 A CN 111415349A CN 202010230511 A CN202010230511 A CN 202010230511A CN 111415349 A CN111415349 A CN 111415349A
- Authority
- CN
- China
- Prior art keywords
- image
- polyester filament
- broken
- yarn
- value
- 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.)
- Granted
Links
- 229920000728 polyester Polymers 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000005520 cutting process Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 10
- 210000004209 hair Anatomy 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 210000002268 wool Anatomy 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000009941 weaving Methods 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
- 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
-
- 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
-
- 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
- G01N2021/8444—Fibrous material
-
- 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
- G06T2207/10—Image acquisition modality
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及一种基于图像处理技术的涤纶长丝毛丝检测方法,包括如下步骤:(1)获取暗箱内被测涤纶长丝的清晰图像,标定被测涤纶长丝图像像素与实际尺寸的对应关系;(2)利用多向跨度滤波联合法,对已标定的涤纶长丝图像进行预处理;(3)利用双图双阈值丝干毛丝分割方法处理经预处理的涤纶长丝图像,对丝干进行分割;(4)利用双图双阈值丝干毛丝分割方法处理涤纶长丝图像,对毛丝进行分割;(5)由非丝干位置和非毛丝位置确定背景位置;(6)利用视图标定法计算每一根毛丝长度;(7)进行统计处理,完成涤纶长丝毛丝的检测。本发明的检测方法减少了对人工操作的依赖,能满足实际应用中涤纶长丝毛丝检测的稳定、可再现、自动化等需求。
Description
技术领域
本发明属于涤纶长丝质量检测方法技术领域,涉及一种基于图像处理技术的涤纶长丝毛丝检测方法。
背景技术
毛丝是涤纶长丝的重要质量指标之一。涤纶长丝产品中毛丝的数量直接影响涤纶长丝产品质量等级,影响其产品价值,直接关系到长丝生产企业的生产效益。此外,涤纶长丝的毛丝数量与长度,直接决定后续织造加工中的生产效率与产品质量。目前,涤纶长丝加工企业主要采用人工视觉评定法对涤纶长丝毛丝量进行检测。然而,依赖于人工评定的涤纶长丝毛丝检测存在诸多问题:涤纶长丝的直径通常最高仅为数百微米,而其毛丝的直径则更是接近微米级,此类小尺寸对象在人类视觉下经常难以识别,使得其检测结果并不可靠;且长期工作产生的疲劳亦可能带来更大的检测误差。依赖于人工操作的涤纶长丝毛丝检测不但准确性低,且耗费人力。现有方法难以满足实际应用中涤纶长丝毛丝检测的稳定、可再现、自动化等需求。
因此,需要提出一种不依赖于人工评价的涤纶长丝毛丝检测方法。
发明内容
本发明提供一种基于图像处理技术的涤纶长丝毛丝检测方法,目的是解决现有技术中依赖于人工操作的涤纶长丝毛丝检测准确性低且耗时费力的问题。
为达到上述目的,本发明采用的技术方案如下:
一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤如下:
(1)获取暗箱内被测涤纶长丝的清晰图像,标定被测涤纶长丝图像像素与实际尺寸的对应关系,利用该标定的对应关系在后续处理中可以将毛丝像素长度转换至实际物理长度;
(2)利用多向跨度滤波联合法对步骤(1)获取到的已标定的涤纶长丝图像进行预处理,即通过联合多方向的跨度滤波响应,去除涤纶长丝图像中的毛丝部分;去除了毛丝的经预处理的涤纶长丝图像可用于确定图像中长丝丝干区域位置,即丝干分割,去除毛丝是为了避免毛丝对丝干分割的干扰;
(3)利用双图双阈值丝干毛丝分割方法处理步骤(2)中经预处理的涤纶长丝图像,对丝干进行分割,即通过经预处理的涤纶长丝图像的灰度直方图梯度确定阈值t1,利用t1分割经预处理的涤纶长丝图像,获得丝干与非丝干位置的分割图;
(4)利用双图双阈值丝干毛丝分割方法处理涤纶长丝图像,对毛丝进行分割,即通过步骤(3)得到的丝干位置的涤纶长丝图像的灰度分布确定阈值t2,利用t2分割非丝干位置的涤纶长丝图像,获得毛丝与非毛丝位置的分割图;
(5)由非丝干位置和非毛丝位置确定背景位置;非丝干位置和非毛丝位置的重叠区域即为背景位置;
(6)利用视图标定法计算毛丝部分的每一根毛丝长度;
(7)进行统计处理,完成涤纶长丝毛丝的检测。
作为优选的技术方案:
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,所述图像为8位灰度图像,其像素灰度值取值范围为0至255之间的整数;
所述清晰是指涤纶长丝丝干及其表面毛丝处于相机成像景深范围内,在图像中呈现明显的边缘梯度;
所述明显的边缘梯度为梯度绝对值大于10灰度/(像素×255灰度)。
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤(1)中采用线阵CCD相机获取暗箱内被测涤纶长丝的清晰图像,具体过程为:
在暗箱内架设光源及相机,将光源垂直照射至相机,使被测涤纶长丝在光源与相机之间匀速运动并通过暗箱,采集连续的涤纶长丝图像并存储为涤纶长丝图像数据组;
采用标定板标定法标定被测涤纶长丝图像像素与实际尺寸的对应关系。
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤(2)中利用多向跨度滤波联合法对涤纶长丝图像进行预处理,是指对涤纶长丝图像数据组进行预处理,具体过程为:
(2.1)生成多向跨度滤波器组f={fa,fb,fc,fd};
(2.2)利用多向跨度滤波器组f分别对涤纶长丝图像I进行卷积操作,得到经预卷积的图像集合 If={Ia,Ib,Ic,Id};
(2.3)在每个像素位置处计算图像集合If中各图像及原始图像I的最大值,得到经预处理的涤纶长丝图像Ip;
Ip=max{Ia,Ib,Ic,Id,I}。
通过如上步骤获得的涤纶长丝预处理图像中将不包含毛丝。
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤(3)中对丝干 进行分割的具体过程为:绘制经预处理的涤纶长丝图像Ip的灰度直方图Hp,从直方图Hp的右峰值点pr=(ir,Hp(ir))的横坐标ir向左逐点搜索,直到搜索到一点pt=(it,Hp(it))满足条件:灰度直方图Hp在该点的梯度小于5像素,即Hp(it+1)-Hp(it)<5,且灰度直方图在该点取值小于图像高度h的1/10,即Hp(it)<h/10;将搜索到的pt点的横坐标取值it作为第一图像阈值t1,用来分割经预处理的涤纶长丝图像Ip,获得涤纶长丝丝干的分割图Bc,Bc与Ip具有相同的图像宽度与高度;所述分割的过程中,对Ip中所有像素坐标(x,y)作判断,若Ip在任一坐标取值Ip(x,y)大于t1,则Bc在该坐标处的取值Bc(x,y)为1,否则,Bc在该坐标处的取值Bc(x,y)为0;最终,Bc取值为0的像素坐标对应位置为丝干位置,Bc取值为1的图像坐标对应位置为非丝干位置,即
其中,(x,y)为像素点在图像中的坐标,x=1,2,3,...,w,w为图像宽度,y=1,2,3,...,h,h为图像高度, Ip(x,y)为坐标(x,u)下经预处理的涤纶长丝图像Ip的灰度值,Bc(x,y)为该坐标下涤纶长丝丝干的分割图 Bc的灰度值;所述图像高度h和图像宽度w的单位为像素。
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤(4)中对毛丝进行分割的具体过程为:以涤纶长丝图像I在所有丝干位置的灰度值构成集合D,即D={I(x,y)|Bc(x,y)=0};以集合D 的最小值作为第二图像阈值t2;以t2作为阈值,对涤纶长丝图像I进行进一步分割,获得涤纶长丝毛丝的分割图Bh,Bh与Ip具有相同的图像宽度与高度;所述分割的过程中,对I中所有像素坐标(x,y)作判断,若I在任一坐标取值I(x,y)小于t2,且涤纶长丝丝干的分割图Bc在该坐标处取值Bc(x,y)为1,则Bh在该坐标处的取值Bh(x,y)为1,否则,Bh在该坐标处的取值Bh(x,y)为0;最终,Bh取值为1的像素坐标对应位置为毛丝位置,Bh取值为0的图像坐标对应位置为非毛丝位置,即
其中,(x,y)为像素点在图像中的坐标,x=1,2,3,...,w,w为图像宽度,y=1,2,3,...,h,h为图像高度, I(x,y)为坐标(x,y)下涤纶长丝图像I的灰度值,Bc(x,y)为该坐标下涤纶长丝丝干的分割图Bc的灰度值, Bh(x,y)为该坐标下涤纶长丝毛丝的分割图Bh的灰度值;所述图像高度h和图像宽度w的单位为像素。
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤(6)中利用视图标定法计算涤纶长丝毛丝长度的过程为:
(6.1)计算毛丝分割图Bh中的取值为1像素的连通域个数n,记为毛丝根数;
(6.2)计算每一个连通域j包含的像素点个数aj,记为第j根毛丝的面积;
(6.3)计算每一个连通域j的毛丝长度lj,lf=aj×γ,记为第j根毛丝的长度,其中,γ为拍摄像素分辨率,单位为毫米/像素。
如上所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,步骤(5)中所述的统计处理,是指利用步骤(2)~(6)的方法对获取到的所有涤纶长丝图像数据组进行处理,获得涤纶长丝图像中包含的所有毛丝总根数N、每一根毛丝k的面积ak和每一根毛丝的长度lk,统计不同长度毛丝的根数,作出毛丝长度分布直方图Hl,通过Hl反映毛丝的长度分布指标。
有益效果:
本发明针对依赖于人工操作的涤纶长丝毛丝检测准确性低、耗费时费力的缺点,提出基于图像处理技术的涤纶长丝毛丝检测方法,减少了对人工操作的依赖,满足实际应用中涤纶长丝毛丝检测的稳定、可再现、自动化等需求,应用前景十分广阔。
附图说明
图1为一帧被测涤纶长丝图像;
图2中的(a)、(b)、(c)、(d)为经预卷积的图像集合If,(e)为图1中的涤纶长丝图像,(f)为经预处理的涤纶长丝图像;
图3为经预处理的涤纶长丝图像Ip的灰度直方图Hp;
图4为涤纶长丝丝干的分割图Bc;
图5为涤纶长丝毛丝的分割图Bh;
图6为毛丝长度分布直方图Hl。
具体实施方式
下面结合具体实施方式,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种基于图像处理技术的涤纶长丝毛丝检测方法,具体步骤如下:
(1)获取暗箱内被测涤纶长丝的清晰图像,采用标定板标定法标定被测涤纶长丝图像像素与实际尺寸的对应关系;所述图像为8位灰度图像,其像素灰度值取值范围为0至255之间的整数;所述清晰是指长丝丝干及其表面毛丝处于相机成像景深范围内,在图像中呈现明显的边缘梯度;所述明显的边缘梯度为梯度绝对值大于10灰度/(像素×255灰度);其中采用线阵CCD相机获取暗箱内被测涤纶长丝的清晰图像,具体过程为:在暗箱内架设光源及相机,将光源垂直照射至相机,使被测涤纶长丝在光源与相机之间匀速运动并通过暗箱,采集连续的涤纶长丝图像并存储为涤纶长丝图像数据组;
作为优选的,本实施例中,被测涤纶长丝的运动速度为12(m/min);
作为优选的,本实施例中,被测涤纶长丝图像的连续采集帧频为10(fps),对120m的涤纶长丝进行了连续图像采集,并存储为涤纶长丝图像数据组,数据组中一共包含共6000帧图像;
作为优选的,本实施例中,被测涤纶长丝的图像像素尺寸与实际尺寸的对应关系表示为分辨率,具体为0.02(毫米/像素);
作为优选的,本实施例中,被测涤纶长丝图像的宽度w为1024像素,高度h为1960像素,参考图 1;
(2)利用多向跨度滤波联合法对步骤(1)获取到的所有涤纶长丝图像数据组进行预处理,即通过联合多方向的跨度滤波响应,去除涤纶长丝图像中的毛丝部分,具体过程为:
(2.1)生成多向跨度滤波器组f={fa,fb,fc,fd};
(2.2)利用多向跨度滤波器组f分别对涤纶长丝图像I进行卷积操作,得到经预卷积的图像集合 If={Ia,Ib,Ic,Id},参考图2(a-d);
(2.3)在每个像素位置处计算图像集合If中各图像及原始图像I的最大值,得到经预处理的涤纶长丝图像Ip,参考图2(f);
Ip=max{Ia,Ib,Ic,Id,I};
(3)利用双图双阈值丝干毛丝分割方法处理步骤(2)中经预处理的涤纶长丝图像,对丝干进行分割,具体过程为:绘制经预处理的涤纶长丝图像Ip的灰度直方图Hp,参考图3,从直方图Hp的右峰值点 pr=(ir,Hp(ir))的横坐标ir向左逐点搜索(具体地,本实施例中,对于图1所示的涤纶长丝图像,其ir为 101)直到搜索到一点pt=(it,Hp(it))满足条件:灰度直方图Hp在该点的梯度小于5像素,即 Hp(it+1)-Hp(it)<5,且灰度直方图在该点取值小于图像高度h的1/10,即Hp(it)<h/10(具体地,本实施例中,对于图1所示的涤纶长丝图像,其pt为(78,49));将搜索到的pt点的横坐标取值it作为第一图像阈值t1,(具体地,本实施例中,对于图1所示的涤纶长丝图像,其t1为78)用来分割经预处理的涤纶长丝图像Ip,获得与Ip具有相同的图像宽度与高度的涤纶长丝丝干的分割图Bc;所述分割的过程中,对Ip中所有像素坐标(x,y)作判断,若Ip在任一坐标取值Ip(x,y)大于t1,则Bc在该坐标处的取值Bc(x,y)为1,否则,Bc在该坐标处的取值Bc(x,y)为0;最终,Bc取值为0的像素坐标对应位置为丝干位置,Bc取值为1的图像坐标对应位置为非丝干位置,参考图4,即
其中,(x,y)为像素点在图像中的坐标,x=1,2,3,...,w,w为图像宽度,y=1,2,3,...,h,h为图像高度, Ip(x,y)为坐标(x,y)下经预处理的涤纶长丝图像Ip的灰度值,Bc(x,y)为该坐标下涤纶长丝丝干的分割图 Bc的灰度值;
(4)利用双图双阈值丝干毛丝分割方法处理涤纶长丝图像,对毛丝进行分割,具体过程为:以涤纶长丝图像I在所有丝干位置的灰度值构成集合D,即D={I(x,y)|Bc(x,y)=0};以集合D的最小值作为第二图像阈值t2(具体地,本实施例中,对于图1所示的涤纶长丝图像,其t2为95);以t2作为阈值,对涤纶长丝图像I进行进一步分割,获得与Ip具有相同的图像宽度与高度的涤纶长丝毛丝的分割图Bh;所述分割的过程中,对I中所有像素坐标(x,y)作判断,若I在任一坐标取值I(x,y)小于t2,且涤纶长丝丝干的分割图Bc在该坐标处取值Bc(x,y)为1,则Bh在该坐标处的取值Bh(x,y)为1,否则,Bh在该坐标处的取值Bh(x,y)为0;最终,Bh取值为1的像素坐标对应位置为毛丝位置,Bh取值为0的图像坐标对应位置为非毛丝位置,即
其中,(x,y)为像素点在图像中的坐标,x=1,2,3,...,w,w为图像宽度,y=1,2,3,...,h,h为图像高度, I(x,y)为坐标(x,y)下涤纶长丝图像I的灰度值,Bc(x,y)为该坐标下涤纶长丝丝干的分割图Bc的灰度值, Bh(x,y)为该坐标下涤纶长丝毛丝的分割图Bh的灰度值,参考图5;所述图像高度h和图像宽度w的单位为像素;
(5)由非丝干位置和非毛丝位置确定背景位置;非丝干位置和非毛丝位置的重叠区域即为背景位置;
(6)利用视图标定法计算毛丝部分的每一根毛丝长度,具体过程为:
(6.1)计算毛丝分割图Bh中的取值为1像素的连通域个数n,记为毛丝根数;具体地,本实施例中,对于图1所示的涤纶长丝图像,其毛丝分割图Bh中的取值为1像素的连通域个数n为1;
(6.2)计算每一个连通域j包含的像素点个数aj,记为第j根毛丝的面积;具体地,本实施例中,对于图1所示的涤纶长丝图像,其a1=677;
(6.3)计算每一个连通域j的毛丝长度lj,lj=aj×γ,记为第j根毛丝的长度,其中,γ为拍摄像素分辨率,单位为毫米/像素;具体地,本实施例中,对于图1所示的涤纶长丝图像,其a1=677(像素),γ=0.02(毫米/像素),l1=13.54(毫米);
(7)进行统计处理,即利用步骤(2)~(6)的方法对获取到的所有涤纶长丝图像进行处理,获得涤纶长丝图像中包含的所有毛丝总根数N、每一根毛丝k的面积ak和每一根毛丝的长度lk,统计不同长度毛丝的根数,作出毛丝长度分布直方图Hl,如图6所示,通过Hl反映毛丝的长度分布指标。
经过如上步骤,完成涤纶长丝毛丝的检测过程。
所获得的最终评价结果为涤纶长丝毛丝长度分布直方图,该结果为定量测量分析所得,较人工目测评级法具有更高的客观性与准确性,且可测量更长的涤纶长丝样本,具有更佳的统计评价意义。
Claims (8)
1.一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征是:步骤如下:
(1)获取被测涤纶长丝的清晰图像,标定被测涤纶长丝图像像素与实际尺寸的对应关系;
(2)利用多向跨度滤波联合法对步骤(1)获取到的已标定的涤纶长丝图像进行预处理,即通过联合多方向的跨度滤波响应,去除涤纶长丝图像中的毛丝部分;
(3)利用双图双阈值丝干毛丝分割方法处理步骤(2)中经预处理的涤纶长丝图像,对丝干进行分割,即通过经预处理的涤纶长丝图像的灰度直方图梯度确定阈值t1,利用t1分割经预处理的涤纶长丝图像,获得丝干与非丝干位置的分割图;
(4)利用双图双阈值丝干毛丝分割方法处理涤纶长丝图像,对毛丝进行分割,即通过步骤(3)得到的丝干位置的涤纶长丝图像的灰度分布确定阈值t2,利用t2分割非丝干位置的涤纶长丝图像,获得毛丝与非毛丝位置的分割图;
(5)由非丝干位置和非毛丝位置确定背景位置;非丝干位置和非毛丝位置的重叠区域即为背景位置;
(6)利用视图标定法计算每一根毛丝长度;
(7)进行统计处理,完成涤纶长丝毛丝的检测。
2.根据权利要求1所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征在于,所述图像为8位灰度图像,其像素灰度值取值范围为0至255之间的整数;
所述清晰是指涤纶长丝丝干及其表面毛丝处于相机成像景深范围内,在图像中呈现明显的边缘梯度;
所述明显的边缘梯度为梯度绝对值大于10灰度/(像素×255灰度)。
3.根据权利要求1所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征在于,步骤(1)中采用线阵CCD相机获取被测涤纶长丝的清晰图像,具体过程为:
在暗箱内架设光源及相机,将光源垂直照射至相机,使被测涤纶长丝在光源与相机之间匀速运动并通过暗箱,采集连续的涤纶长丝图像并存储为涤纶长丝图像数据组;
采用标定板标定法标定被测涤纶长丝图像像素与实际尺寸的对应关系。
5.根据权利要求1所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征在于,步骤(3)中对丝干进行分割的具体过程为:绘制经预处理的涤纶长丝图像Ip的灰度直方图Hp,从Hp的右峰值点pr=(ir,Hp(ir))的横坐标ir向左逐点搜索,直到搜索到一点pt=(it,Hp(it))满足条件:Hp在该点的梯度小于5像素,即Hp(it+1)-Hp(it)<5,且Hp在该点取值小于图像高度h的1/10,即Hp(it)<h/10;将搜索到的pt点的横坐标取值it作为第一图像阈值t1,用来分割Ip,获得涤纶长丝丝干的分割图Bc∶Bc与Ip具有相同的图像宽度与高度;所述分割的过程中,对Ip中所有像素坐标(x,y)作判断,若Ip在任一坐标取值Ip(x,y)大于t1,则Bc在该坐标处的取值Bc(x,y)为1,否则,Bc在该坐标处的取值Bc(x,y)为0;最终,Bc取值为0的像素坐标对应位置为丝干位置,Bc取值为1的图像坐标对应位置为非丝干位置,即
其中,(x,y)为像素点在图像中的坐标,x=1,2,3,...,w,w为图像宽度,y=1,2,3,...,h,h为图像高度,Ip(x,y)为坐标(x,y)下经预处理的涤纶长丝图像Ip的灰度值,Bc(x,y)为该坐标下涤纶长丝丝干的分割图Bc的灰度值。
6.根据权利要求1所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征在于,步骤(4)中对毛丝进行分割的具体过程为:以涤纶长丝图像I在所有丝干位置的灰度值构成集合D,以集合D中的最小值作为第二图像阈值t2;以t2作为阈值,对涤纶长丝图像I进行进一步分割,获得涤纶长丝毛丝的分割图Bh,Bh与Ip具有相同的图像宽度与高度;所述分割的过程中,对I中所有像素坐标(x,y)作判断,若I在任一坐标取值I(x,y)小于t2,且涤纶长丝丝干的分割图Bc在该坐标处取值Bc(x,y)为1,则Bh在该坐标处的取值Bh(x,y)为1,否则,Bh在该坐标处的取值Bh(x,y)为0;最终,Bh取值为1的像素坐标对应位置为毛丝位置,Bh取值为0的图像坐标对应位置为非毛丝位置,即
其中,(x,y)为像素点在图像中的坐标,x=1,2,3,...,w,w为图像宽度,y=1,2,3,...,h,h为图像高度,I(x,y)为坐标(x,y)下涤纶长丝图像I的灰度值,Bc(x,y)为该坐标下涤纶长丝丝干的分割图Bc的灰度值,Bh(x,y)为该坐标下涤纶长丝毛丝的分割图Bh的灰度值。
7.根据权利要求1所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征在于,步骤(6)中利用视图标定法计算涤纶长丝毛丝长度的过程为:
(6.1)计算毛丝分割图Bh中的取值为1像素的连通域个数n,记为毛丝根数;
(6.2)计算每一个连通域j包含的像素点个数aj,记为第j根毛丝的面积;
(6.3)计算每一个连通域j的毛丝长度lj,lj=aj×γ,记为第j根毛丝的长度,其中,γ为拍摄像素分辨率,单位为毫米/像素。
8.根据权利要求1所述的一种基于图像处理技术的涤纶长丝毛丝检测方法,其特征在于,步骤(7)中所述的统计处理,是指利用步骤(2)~(6)的方法对获取到的所有涤纶长丝图像数据组进行处理,获得涤纶长丝图像中包含的所有毛丝总根数N、每一根毛丝k的面积ak和每一根毛丝的长度lk,统计不同长度毛丝的根数,作出毛丝长度分布直方图Hl,通过Hl反映毛丝的长度分布指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010230511.8A CN111415349B (zh) | 2020-03-27 | 2020-03-27 | 一种基于图像处理技术的涤纶长丝毛丝检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010230511.8A CN111415349B (zh) | 2020-03-27 | 2020-03-27 | 一种基于图像处理技术的涤纶长丝毛丝检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111415349A true CN111415349A (zh) | 2020-07-14 |
CN111415349B CN111415349B (zh) | 2023-08-29 |
Family
ID=71491519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010230511.8A Active CN111415349B (zh) | 2020-03-27 | 2020-03-27 | 一种基于图像处理技术的涤纶长丝毛丝检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415349B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365452A (zh) * | 2020-10-26 | 2021-02-12 | 江苏恒力化纤股份有限公司 | 一种基于双侧图像的网络丝网络点的检测方法 |
CN113393444A (zh) * | 2021-06-21 | 2021-09-14 | 江苏恒力化纤股份有限公司 | 一种基于图像处理技术的涤纶dty网络点检测方法 |
CN113406097A (zh) * | 2021-05-17 | 2021-09-17 | 杭州电子科技大学 | 基于机器视觉的锦纶丝饼油污等级评定方法 |
CN117745730A (zh) * | 2024-02-21 | 2024-03-22 | 江苏嘉通能源有限公司 | 一种基于图像处理技术的涤纶长丝毛丝检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030081215A1 (en) * | 2001-01-09 | 2003-05-01 | Ajay Kumar | Defect detection system for quality assurance using automated visual inspection |
CN102007368A (zh) * | 2008-03-18 | 2011-04-06 | 株式会社岛精机制作所 | 纱线的计测装置、计测程序及计测方法 |
CN106468666A (zh) * | 2016-07-19 | 2017-03-01 | 江南大学 | 一种基于双斜交平面镜成像的纱线毛羽三维检测方法 |
CN109540917A (zh) * | 2018-10-24 | 2019-03-29 | 上海工程技术大学 | 一种多角度模式下纱线外观特征参数提取与分析方法 |
-
2020
- 2020-03-27 CN CN202010230511.8A patent/CN111415349B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030081215A1 (en) * | 2001-01-09 | 2003-05-01 | Ajay Kumar | Defect detection system for quality assurance using automated visual inspection |
CN102007368A (zh) * | 2008-03-18 | 2011-04-06 | 株式会社岛精机制作所 | 纱线的计测装置、计测程序及计测方法 |
CN106468666A (zh) * | 2016-07-19 | 2017-03-01 | 江南大学 | 一种基于双斜交平面镜成像的纱线毛羽三维检测方法 |
CN109540917A (zh) * | 2018-10-24 | 2019-03-29 | 上海工程技术大学 | 一种多角度模式下纱线外观特征参数提取与分析方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365452A (zh) * | 2020-10-26 | 2021-02-12 | 江苏恒力化纤股份有限公司 | 一种基于双侧图像的网络丝网络点的检测方法 |
CN112365452B (zh) * | 2020-10-26 | 2023-06-02 | 江苏恒力化纤股份有限公司 | 一种基于双侧图像的网络丝网络点的检测方法 |
CN113406097A (zh) * | 2021-05-17 | 2021-09-17 | 杭州电子科技大学 | 基于机器视觉的锦纶丝饼油污等级评定方法 |
CN113393444A (zh) * | 2021-06-21 | 2021-09-14 | 江苏恒力化纤股份有限公司 | 一种基于图像处理技术的涤纶dty网络点检测方法 |
CN113393444B (zh) * | 2021-06-21 | 2023-06-02 | 江苏恒力化纤股份有限公司 | 一种基于图像处理技术的涤纶dty网络点检测方法 |
CN117745730A (zh) * | 2024-02-21 | 2024-03-22 | 江苏嘉通能源有限公司 | 一种基于图像处理技术的涤纶长丝毛丝检测方法及系统 |
CN117745730B (zh) * | 2024-02-21 | 2024-04-26 | 江苏嘉通能源有限公司 | 一种基于图像处理技术的涤纶长丝毛丝检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111415349B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111415349B (zh) | 一种基于图像处理技术的涤纶长丝毛丝检测方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN108764257B (zh) | 一种多视角的指针式仪表识别方法 | |
CN116843678B (zh) | 一种硬碳电极生产质量检测方法 | |
CN109886939B (zh) | 基于张量投票的桥梁裂缝检测方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN109580630A (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN105699218B (zh) | 一种在线测量有机玻璃疲劳裂纹扩展的方法 | |
CN111724358A (zh) | 基于图像和卷积神经网络的混凝土质量检测方法及系统 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测系统及方法 | |
CN109410139A (zh) | 一种文物内部和表面病害数字化分析评估方法 | |
CN108629790A (zh) | 一种基于深度残差网络的光条图像阈值分割方法 | |
CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
Wang et al. | Study on the detection of yarn hairiness morphology based on image processing technique | |
CN111724354A (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
CN110458809A (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
CN111256596A (zh) | 基于cv技术的尺寸测量方法、装置、计算机设备及介质 | |
Li et al. | A direct measurement method of yarn evenness based on machine vision | |
Wang et al. | Study on estimation method of plant leaf area based on image processing technology | |
CN110954002A (zh) | 一种光纤直径测量方法 | |
Min et al. | Research on Rapid Detection of Tooth Profile Parameters of the Clothing Wires Based on Image Processing | |
CN111473944A (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 |
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 |