丝盘绕丝的乱丝检测的方法、装置、设备及存储介质
技术领域
本发明涉及丝类产品绕丝技术领域,特别是涉及一种丝盘绕丝的乱丝检测的方法、装置、设备及计算机可读存储介质。
背景技术
在丝线类材料生产制造过程中,为了方便分装、运输和销售,往往需要将成品丝线分绕在丝盘上,以实现丝线成品的独立包装和运输。而由于丝线直径与丝盘宽度不完全匹配、丝线上存在打结、或者绕丝机构本身的机械误差等原因,在绕丝的过程中可能出现丝线跳丝,导致乱丝的现象。
在丝线材料卷绕过程中,出现乱丝现象后,若不及时停止绕丝过程,则在后续的绕丝过程中会产生丝线的堆叠现象,丝盘上各部分缠绕丝线受力不均导致丝线断裂的情况。对于某些本身具备一定硬度的丝线而言,例如金属焊丝,极易在金属焊丝断裂情况下出现断裂部位向周边反弹,严重威胁丝线机构附近的工作人员与设备的安全,后果非常严重。而对于其他丝线产品而言,绕丝过程出现乱丝的情况也会影响产品的合格率。
发明内容
本发明的目的是提供一种丝盘绕丝的乱丝检测的方法、装置、设备以及计算机可读存储介质,能够自动化检测绕丝过程中的乱丝情况,保证工作人员安全和产品合格率。
为解决上述技术问题,本发明提供一种丝盘绕丝的乱丝检测的方法,包括:
实时采集丝线缠绕丝盘过程中的绕盘灰度图像;
在所述绕盘灰度图像中划分感兴趣区域;
利用边缘检测算子,对所述感兴趣区域的各个像素点进行梯度运算,识别所述感兴趣区域中绕丝区域的边缘线;
判断所述边缘线包含的直线段数量是否大于2,若是,则所述丝盘上存在乱丝情况。
在一种可选地实施例中,所述在所述绕盘灰度图像中划分感兴趣区域包括:
采用高斯混合滤波算法,对当前帧的所述绕盘灰度图像的前N帧绕盘灰度图像进行滤波运算,获得背景灰度图像;
将所述背景灰度图像和当前帧的所述绕盘灰度图像作帧差运算,获得当前帧的所述绕盘灰度图像的动态变化区域;
根据所述动态变化区域在垂直方向上的像素坐标位置,确定所述感兴趣区域的垂直方向位置范围,其中,所述绕盘灰度图像中的垂直方向和丝盘旋转中心轴垂直;
根据当前帧的所述绕盘灰度图像中的绕丝层数,确定所述绕丝区域边缘在水平方向上的宽度为所述感兴趣区域的水平方向位置范围;
根据所述垂直方向位置范围和所述水平方向位置范围,在当前帧的所述绕盘灰度图像中划分所述感兴趣区域。
在一种可选地实施例中,确定当前帧的所述绕盘灰度图像中的绕丝层数的过程包括:
将当前帧所述绕盘灰度图像和当前帧的相邻帧绕盘灰度图像分别对应的动态变化区域进行对比,确定当前帧的所述绕盘灰度图像对应的动态变化区域中的丝头位置;
根据所述丝头位置在当前帧所述绕盘灰度图像中的像素坐标,确定绕丝层数;其中,所述丝头位置为所述丝盘上当前正在缠绕的一圈丝线在所述绕盘灰度图像中的位置。
在一种可选地实施例中,所述利用边缘检测算子,对所述感兴趣区域的各个像素点垂直方向的梯度运算,获得所述感兴趣区域中的边缘线,获得所述感兴趣区域中的边缘线包括:
利用边缘检测算子,对所述感兴趣区域进行垂直方向梯度运算,获得梯度图像;
提取所述梯度图像中像素值大于0的像素点为边缘线像素点;
利用图像形态学算法,对所述梯度图像进行开操作和闭操作处理,获得去噪后的梯度图像;
根据去噪后的所述梯度图像的边缘线像素点,获得所述边缘线。
在一种可选地实施例中,判断所述边缘线包含的直线段数量是否大于2,若是,则所述丝盘上存在乱丝情况包括:
采用两个在水平方向上的宽度均等于单根丝线直径的矩形滑块窗口,并排在所述边缘线上沿水平方向逐点滑动检测;
当所述边缘线分别落入两个所述矩形滑块窗口内的边缘像素点,在垂直方向上的像素坐标值差值大于预设坐标差值,则两个所述边缘像素点的位置为所述边缘线上的倾斜结构位置;
当所述矩形滑块窗口滑动检测完整个所述边缘线后,根据所述倾斜结构位置的数量,确定所述边缘线包含的直线段数量,并判断所述直线段数量是否大于2。
本申请还提供了一种丝盘绕丝的乱丝检测的装置,包括:
图像获取模块,用于实时采集丝线缠绕丝盘过程中的绕盘灰度图像;
区域划分模块,用于在所述绕盘灰度图像中划分感兴趣区域;
边缘检测模块,用于利用边缘检测算子,对所述感兴趣区域的各个像素点进行梯度运算,获得所述感兴趣区域中绕丝区域的边缘线;
乱丝检测模块,用于判断所述边缘线包含的直线段数量是否大于2,若是,则所述丝盘上存在乱丝情况。
在一种可选地实施例中,所述区域划分模块具体包括:
滤波运算单元,用于采用高斯混合滤波算法,对当前帧所述绕盘灰度图像的前N帧绕盘灰度图像进行滤波运算,获得背景灰度图像;
背景运算单元,用于将所述背景灰度图像和当前帧所述绕盘灰度图像作帧差运算,获得的动态变化区域;
区域划分单元,根据所述动态变化区域在垂直方向上的像素坐标位置,确定所述感兴趣区域的垂直方向位置范围,其中,所述绕盘灰度图像中的垂直方向和丝盘旋转中心轴垂直;
根据当前帧的所述绕盘灰度图像中的绕丝层数,确定所述绕丝区域边缘在水平方向上的宽度为所述感兴趣区域的水平方向位置范围;
根据所述垂直方向位置范围和所述水平方向位置范围,在当前帧的所述绕盘灰度图像中划分所述感兴趣区域。
在一种可选地实施例中,所述边缘检测模块具体包括:
边缘运算单元,用于利用边缘检测算子,对所述感兴趣区域进行垂直方向梯度运算,获得梯度图像;
像素点提取单元,用于提取所述梯度图像中像素值大于0的像素点为边缘线像素点;
图像去噪单元,用于利用图像形态学算法,对所述梯度图像进行开操作和闭操作处理,获得去噪后的梯度图像;
边缘线获取单元,用于根据去噪后的所述梯度图像的边缘线像素点,获得所述边缘线。
本申请还提供了一种丝盘绕丝的乱丝检测的设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述的丝盘绕丝的乱丝检测方法的步骤。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的丝盘绕丝的乱丝检测方法的步骤。
本发明所提供的丝盘绕丝的乱丝检测的方法,包括实时采集丝线缠绕丝盘过程中的绕盘灰度图像;在绕盘灰度图像中划分感兴趣区域;利用边缘检测算子,对感兴趣区域的各个像素点进行梯度运算,识别感兴趣区域中绕丝区域的边缘线;判断边缘线包含的直线段数量是否大于2,若是,则丝盘上存在乱丝情况。
本申请中提供的丝盘绕丝过程中,对乱丝情况进行检测识别的方法,实时采集丝盘绕丝过程中的绕盘灰度图像,因为对于丝盘而言,在拍摄采集的图像中,绕丝区域和非绕丝区域交界的边缘线在出现乱丝情况和未出现乱丝的正常情况下,该边缘线的分布特征明显存在区别,正常情况下边缘线应当大体呈一条或者两条直线段结构,而乱丝情况下,则一般会出现两条以上的直线段,由此本申请中以这一特性为依据,即可判断识别出当前的绕盘灰度图像是否存在乱丝情况。本申请中利用通过图像识别的方式自动识别出丝盘绕丝的乱丝情况,以便及时警示工作人员及时中断乱丝绕丝,实现丝盘绕丝过程中对乱丝情况的自动化检测,提高丝盘绕丝的乱丝检测的工作效率,保证了丝盘绕丝过程中工作人员及设备的安全,并有利于保证丝线产品的产品质量。
本申请还提供了一种丝盘绕丝的乱丝检测的装置、设备以及计算机可读存储介质,具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的丝盘绕丝的乱丝检测的方法的流程示意图;
图2为本申请实施例提供的绕盘灰度图像的示意图;
图3为本申请实施例提供的乱丝状态的绕盘灰度图像的示意图;
图4为本申请实施例提供的划定感兴趣区域的流程示意图;
图5为本申请实施例提供的边缘线检测的流程示意图;
图6为本申请实施例提供的进行边缘检测获得的感兴趣区域的梯度图像示意图;
图7为本申请实施例提供的乱丝识别的流程示意图;
图8为本申请实施例提供的矩形滑块窗口滑动检测边缘线的示意图;
图9为本发明实施例提供的丝盘绕丝的乱丝检测的装置的结构框图。
具体实施方式
本发明的核心是提供一种丝盘绕丝的乱丝检测的技术方案,能够在丝线产品绕盘时实时的对绕丝情况进行监测,及时发现绕丝过程中的乱丝情况,避免出现乱丝现象,危害工作人员的人身安全以及影响丝线产品质量。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,图1为本申请实施例提供的丝盘绕丝的乱丝检测的方法的流程示意图,包括:
步骤S11:实时采集丝线缠绕丝盘过程中的绕盘灰度图像。
具体地,可以在丝盘上方固定设置一个摄像头,实时的拍摄丝盘绕丝过程中的绕盘图像,再将绕盘图像进行灰度处理即可获得绕盘灰度图像。
需要说明的是,在绕盘灰度图像中,覆盖缠绕在丝盘上的丝线区域可以称之为绕丝区域,而其他区域为非绕丝区域。在进行乱丝检测时显然绕丝区域是检测的重点。为了增强绕盘灰度图像中绕丝区域的清晰度,提高乱丝检测的准确性,可以在丝盘上方设置光源,在光照环境中拍摄绕盘图像,提高拍摄的图像中绕丝区域的清晰度。并且,对于不同的丝线材料可以采用的光源种类也不相同。例如对于镀铜焊丝而言,器对红外光的反射能力更强,因此可以在红外光源照射下拍摄绕盘图像中绕丝区域更为明亮,而其他背景区域中颜色更暗,形成明暗对比,有利于根据绕盘图像对乱丝情况进行检测。
步骤S12:在绕盘灰度图像中划分感兴趣区域。
具体地,如图2所示,图2为本申请实施例提供的绕盘灰度图像的示意图。图2中,线框1内表示绕盘灰度图像内的画面区域,感兴趣区域的具体位置可以参考图2中的虚线框2。本申请中感兴趣区域划分的原则即是将绕盘灰度图像中绕丝区域最上端的边缘线划入感兴趣区域内,图2中用加粗线条表示该边缘线4。
另外,本申请的实施例中所指的上下左右,均是以图2中所示图像的上下左右为基准进行说明的,后续涉及这一问题不再详细赘述。
步骤S13:利用边缘检测算子,对感兴趣区域的各个像素点进行梯度运算,获得感兴趣区域中绕丝区域的边缘线。
通过边缘检测算子进行梯度运算,可以将感兴趣区域中绕丝区域的边缘线加以突出显示,而其他图案进行弱化,进而更准确地获得绕丝区域的边缘线。
可选地,进一步地考虑到正常情况下,该边缘线4在图2中应当是大体上呈水平方向的直线,为此,在本申请的具体实施例中,采用边缘检测算子对感兴趣区域进行梯度运算时,可以是对感兴趣区域进行垂直方向梯度运算。
该垂直方向即是图2中的垂直方向,和丝盘旋转中心轴垂直。丝盘旋转中心轴是指丝盘10在绕丝过程中,为使得丝线缠绕在丝盘10上而旋转的中心轴,具体可以参照图2中的虚线条3。图2中绕盘灰度图像的垂直方向和丝盘旋转中心轴垂直,是拍摄图像的角度在特定角度拍摄的结果。但在实际应用中,并不需要对拍摄角度作特别的限制,可以在拍摄获得绕盘灰度图像后,将图像旋转调整至如图2中所示的绕盘灰度图像的方向即可。
另外,本实施例中的边缘线是指绕盘灰度图像中绕丝区域和非绕丝区域之间的交界线。如图2所示,在正常未出现乱丝的情况下,当丝盘10上丝线的当前缠绕层恰好缠绕满层时,该边缘线4应当是一条直线段;而当丝盘10上丝线的当前缠绕层为非满层缠绕时,该边缘线4应当是两条直线段,且这两条直线段的连接部位成倾斜结构41。
如图3所示,图3为本申请实施例提供的乱丝状态的绕盘灰度图像的示意图,但在乱丝情况下,该边缘线4就可能存在图3中所示多条直线段情况,相邻边缘直线段之间在垂直方向上的位置坐标存在跳变且通过倾斜结构41连接。而且无论是正常绕丝还是乱丝情况下,边缘线4所呈的直线段应当大体和丝盘旋转中心轴3平行。
由此可知对于绕盘灰度图像而言,其正常绕丝状态和乱丝状态下的边缘线4是不相同的,本申请中即可以此作为判断丝线绕盘是否存在乱丝情况的检测依据。
本实施例中采用边缘检测算子对感兴趣区域的图像进行了梯度运算,即可使得感兴趣区域内的边缘线4在横向上的更为突出,便于更清晰的识别出边缘线4是否呈一条或者两条直线段分布,以判断该丝线绕盘是否存在乱丝情况。
步骤S14:判断边缘线包含的直线段数量是否大于2,若是,则丝盘上存在乱丝情况,若否,则进入步骤S11。
如前所述,若是存在乱丝情况,该边缘线4在感兴趣区域内呈现多段相互平行的边缘直线段,相邻边缘直线段之间在垂直方向上的像素坐标值是不同的,由此根据边缘线上各个像素点的在垂直方向上的像素坐标值的分布情况,即可确定出边缘线的直线段数量,进而判断出是否存在乱丝的情况。
进一步地,在实际应用过程中,当检测到丝线存在乱丝情况时,可以立即向工作人员发出报警,并立即停止绕丝,避免乱丝情况继续累积甚至拉断丝线。
本申请中利用相机实时拍摄获得绕盘灰度图像,并对图像进行边缘检测运算处理后,使得绕盘灰度图像中绕丝区域和非绕丝区域的边缘线更为突出,并且利用乱丝情况下和正常为乱丝情况下边缘线的不同特点对丝线绕盘过程中的乱丝情况进行自动化的监测,无需工作人员人工监测,在很大程度上提高了金属焊丝等丝线的乱丝检测的准确性和安全性,并提高了丝线绕盘的产品质量。
进一步的,本申请中的丝盘绕丝中的乱丝检测方法可用于各种不同丝线产品中,例如,金属丝、电缆、光缆、镀铜焊丝等等,当然本申请中所提供的方向也并不仅限与此,对于其具体应用的场景,本申请中不做具体限制。
上述实施例中提供了丝盘绕丝的乱丝检测方法的整体实现步骤,下面,将以具体实施例的方式对乱丝检测的各个步骤进行更为详细的说明。
可选地,在本申请的另一具体实施例中,如图4所示,图4为本申请实施例提供的划定感兴趣区域的流程示意图,参考图4对于上述步骤S12具体可以包括:
步骤S121:采用高斯混合滤波算法,对当前帧的绕盘灰度图像的前N帧绕盘灰度图像进行滤波运算,获得背景灰度图像。
采用高斯混合滤波算法对多帧图像进行滤波运算,获得的背景图像保留了各帧图像的静态部分(即不发生变化的部分)而去除了动态部分(单帧图像相对于其他图像存在变化的部分)。例如,在车辆穿行的马路上在同一角度不同时间点拍摄多帧图像进行高斯混合滤波算法处理后,获得的就是一帧无车辆穿行的马路的图像,而各帧图像中穿行的汽车每帧图像中汽车的位置均不相同,因此属于各帧图像中的动态变化的部分,在背景图像中被去除。
而本实施例中,假设N=5,设定每帧绕盘灰度图像均比前一帧绕盘灰度图像多绕一圈丝线。那么当前帧绕盘灰度图像的第前1帧绕盘灰度图像相对于当前帧绕盘灰度图像少缠绕了1圈丝线;第前2帧绕盘灰度图像比第前1帧绕盘灰度图像少缠绕1圈丝线;以此类推可知,第前5帧绕盘灰度图像比当前帧的绕盘灰度图像少绕了5圈丝线。将第前1帧至第前5帧的绕盘灰度图像进行高斯混合滤波算法的滤波运算后,获得的背景灰度图像应当和当前帧的第前5帧绕盘灰度图像大致相同。
需要说明的是,这里之所以要通过高斯混合滤波算法对前5帧绕盘灰度图像进行滤波运算,获得背景灰度图像,而并非采用和背景灰度图像大致相同的第前5帧绕盘灰度图像,是考虑到在实际拍摄过程中,丝盘绕丝不可避免的存在轻微的抖动,或者是拍摄过程中存在其他噪声,采用高斯混合滤波算法获得的背景灰度图像,能够在一定程度上降低噪声干扰,具有更好的参考价值。
另外,还需要说明的是,每帧绕盘灰度图像均比前一帧图像多缠绕一圈丝线仅仅是一种举例的说法,在实际应用过程中,可能相邻帧的绕盘灰度图像之间会相差多圈丝线也可能不到一圈丝线,这和相机的成像时间间隔以及丝盘绕丝速度相关,对此本申请中不做具体限制。
并且对于前N帧的绕盘灰度图像的N的取值,也需要要根据实际绕丝的情况选定,对此本申请中不做具体限定。
步骤S122:将背景灰度图像和当前帧的绕盘灰度图像作帧差运算,获得动态变化区域。
如前所述,背景灰度图像中大致上和第前N帧绕盘灰度图像相同。因此背景灰度图像和当前帧绕盘灰度图像之间做帧差运算后,即可获得当前帧绕盘灰度图像相对于背景灰度图像多缠绕的几圈绕丝区域,也即是动态变化区域。
具体地,图2中虚线框5即可能是动态变化区域的一种。在实际应用中,尽管图2中虚线框5下方的位置相对于背景灰度图像也覆盖了一层新的丝线圈,但相邻两层缠绕层在的中间区域对比并不明显,因此,一般可以被忽略,或者是,即便帧差运算获得的动态变化区域还包括图2中虚线框下面一部分,也可以区动态变化区域的最上端部分作为实际需要参照的动态变化区域。而该动态变化区域在垂直方向上的最上端的边缘线也即是丝线区域和非丝线区域之间交界的边缘线的一部分,由此即可确定出边缘线在垂直方向上的具体位置坐标值。而本实施例中划定的感兴趣区域最主要目的即是将边缘线划定在感兴趣区域之内。
步骤S123:根据动态变化区域在垂直方向上的像素坐标位置,确定感兴趣区域的垂直方向位置范围。
具体地,可以图2中虚线框5中的动态变化区域为中心,距离该动态变化区域的中心预设距离范围内划分为感兴趣区域的垂直方向位置范围。
步骤S124:根据当前帧的绕盘灰度图像中的绕丝层数,确定绕丝区域边缘在水平方向上的宽度为感兴趣区域的水平方向位置范围。
步骤S125:根据垂直方向位置范围和所述水平方向位置范围,在当前帧的所述绕盘灰度图像中划分所述感兴趣区域。
对于感兴趣区域在水平方向上的位置范围,因为采集图像的相机在拍摄过程中的位置是不变的,但在丝盘上随着绕丝过程的进行,丝盘上最外层丝线距离相机的距离逐渐减小,使得绕盘灰度图像中的绕丝区域的宽度随着绕丝层数的增加而逐渐增大。相应地,边缘线在水平方向上的长度也逐层增加。因此,本实施例中可以预先对每层缠绕层预先设定对应的感兴趣区域的宽度范围,在进行感兴趣区域划分时,即可先确定当前丝线缠绕层数,进而确定感兴趣区域的在水平方向上的宽度范围。
对于特定的丝盘而言,其每层能够缠绕的丝线圈数是确定的,而丝盘旋转绕丝则是通过电机驱动丝盘旋转完成的,因此可以根据电机驱动丝盘旋转圈数确定出丝盘当前的绕丝层数。
考虑到统计丝盘旋转圈数确定当前绕丝层数,可能会因为统计误差造成获得的绕丝层数不准确,为此本申请中还可以进一步地将相邻两帧绕盘灰度图像的动态变化区域进行对比,即可确定出丝头位置,根据丝头位置在当前帧的绕盘灰度图像中的像素坐标,主要是丝头最上端,也即是在对应边缘线部分的位置,确定绕丝层数。其中,丝头位置为丝盘上当前正在缠绕的一圈丝线在绕盘灰度图像中的位置。
因为随着缠绕层数的增加,丝头位置在丝盘灰度图像的垂直方向上的位置也是逐层上移的,也即是说丝头位置在垂直方向上的坐标值是逐层变化的,因此即可根据丝头位置确定出绕丝层数。
本实施例中也可以提前拍摄获得丝盘绕丝的各层缠绕层对应的绕盘灰度图像,并针对各层缠绕层对应的绕盘灰度图设定好感兴趣区域的。在乱丝检测过程中,直接根据绕丝层数采用对应的感兴趣区域也能够实现本申请的技术方案。但是采用动态变化区域识别结合绕丝层数的信息划定感兴趣区域范围更为精准,提高感兴趣区域划定的准确性。
基于上述任一实施例,在本申请的另一具体实施例中,如图5所示,图5为本申请实施例提供的边缘线检测的流程示意图,对于上述步骤S13具体可以包括:
步骤S131:利用边缘检测算子,对感兴趣区域进行垂直方向的梯度运算,获得梯度图像。
具体地该边缘检测算子具体可以采用Scharry算子,也可以采用其他边缘检测算子,获得感兴趣区域内的梯度图像。
如图6所示,图6为本申请实施例提供的进行边缘检测获得的感兴趣区域的梯度图像示意图。图6中白色区域为边缘线。
步骤S132:提取梯度图像中像素值大于0的像素点为边缘线像素点。
根据图6可知,在梯度图像中,边缘线的像素点颜色更为明亮而其他部分的区域为黑色区域,由此可以根据梯度图像中的像素点的像素值确定边缘线的像素点像素坐标。
步骤S133:利用图像形态学算法,对梯度图像进行开操作和闭操作处理,获得去噪后的梯度图像。
步骤S134:根据去噪后的梯度图像的边缘线像素点,获得边缘线。
为了能够更准确的识别出感兴趣区域内的边缘线,可以对梯度图像进行去噪声处理,提高识别边缘线的可靠性。
本实施例中利用边缘线大体上为一条直线段的特性,采用边缘检测算子对感兴趣区域中的边缘线进行检测,且利用图像形态学对感兴趣区域中的噪声进行处理,进而获得更为清晰准确的边缘线,提高后续根据边缘线判断乱丝情况的准确性。
基于上述实施例,在本申请的另一具体实施例中,如图7所示,图7为本申请实施例提供的乱丝识别的流程示意图,对于上述步骤S14具体可以包括:
步骤S141:采用两个在水平方向上的宽度均等于单根丝线直径的矩形滑块窗口,并排在边缘线上沿水平方向逐点滑动检测。
步骤S142:当边缘线分别落入两个矩形滑块窗口内两部分像素点区域的中心像素点,在垂直方向上的像素坐标值大于预设坐标差值,则边缘线分别落入两个矩形滑块窗口中的位置为边缘线的倾斜结构位置。
步骤S143:当矩形滑块窗口滑动检测完整个边缘线后,根据倾斜结构位置的数量,确定边缘线包含的直线段数量,并判断所述直线段数量是否大于2。
如图8所示,图8为本申请实施例提供的矩形滑块窗口滑动检测边缘线的示意图,图8中的两个并排的矩形滑块窗口沿着边缘线依次滑动检测,显然,当矩形滑块窗口滑动至倾斜结构时,两个矩形滑动窗口内的边缘线上的像素点,在垂直方向上的像素坐标应当恰好相差将近一个丝线直径的距离,本实施例中即可以此为依据逐点检测倾斜结构的数量。一般情况下倾斜结构的数量确定,边缘线包含的直线段的数量也就确定,当边缘线包含的直线段的数量大于2时,即可确定出现乱丝现象。可选地,为了便于统计直线段的数量,可以在每检测到一个倾斜结构,就将该倾斜结构的像素点的颜色变为和非边缘线相同的背景色黑色,最终根据剩余的轮廓线的数量即可实现直线段数量的计算。
进一步地,因为感兴趣区域中边缘像素点的粗细并不恰好只有一个像素点的宽度,因此,在两个矩形滑块窗口中的边缘像素点进行对比时,是采用落入矩形滑块窗口边缘像素点的中心点作为对比依据。另外,每个矩形滑块窗口的宽度近似的等于一个丝线直径的尺寸。
本实施例中通过矩形滑块窗口对边缘线上逐个像素点进行检测,能够准确的识别出边缘线上的倾斜结构,进而判断出该丝盘绕丝是否存在乱丝情况,保证了乱丝检测的准确性。
下面对本发明实施例提供的丝盘绕丝的乱丝检测的装置进行介绍,下文描述的丝盘绕丝的乱丝检测的装置与上文描述的丝盘绕丝的乱丝检测的方法可相互对应参照。
图9为本发明实施例提供的丝盘绕丝的乱丝检测的装置的结构框图,参照图9的丝盘绕丝的乱丝检测的装置可以包括:
图像获取模块100,用于实时采集丝线缠绕丝盘过程中的绕盘灰度图像;
区域划分模块200,用于在所述绕盘灰度图像中划分感兴趣区域;
边缘检测模块300,用于利用边缘检测算子,对所述感兴趣区域的各个像素点进行垂直方向梯度运算,获得所述感兴趣区域中绕丝区域的边缘线,其中,所述绕盘灰度图像中的垂直方向和丝盘旋转中心轴垂直;
乱丝检测模块400,用于判断所述边缘线包含的直线段数量是否大于2,若是,则所述丝盘上存在乱丝情况。
可选地,在本申请的另一具体实施例中,所述区域划分模块200具体包括:
滤波运算单元,用于采用高斯混合滤波算法,对当前帧所述绕盘灰度图像的前N帧绕盘灰度图像进行滤波运算,获得背景灰度图像;
背景运算单元,用于将所述背景灰度图像和当前帧所述绕盘灰度图像作帧差运算,获得当前帧所述绕盘灰度图像的动态变化区域;
区域划分单元,用于根据当前帧所述绕盘灰度图像中的绕丝层数,确定所述绕丝区域边缘在水平方向上的宽度为所述感兴趣区域的水平方向宽度范围,以在垂直方向上距离所述动态变化区域为预设距离范围的长度为所述感兴趣区域的垂直方向宽度范围,在当前帧所述绕盘灰度图像中划分所述感兴趣区域。
可选地,在本申请的另一具体实施例中,所述区域划分单元具体用于将当前帧所述绕盘灰度图像对应的动态变化区域,和当前帧的相邻帧的绕盘灰度图像对应的动态变化区域进行对比,确定当前帧所述绕盘灰度图像对应的动态变化区域中的丝头位置;根据所述丝头位置在当前帧所述绕盘灰度图像中的像素坐标,确定绕丝层数;其中,所述丝头位置为所述丝盘上当前正在缠绕的一圈丝线在所述绕盘灰度图像中的位置。
可选地,在本申请的另一具体实施例中,所述边缘检测模块300具体包括:
边缘运算单元,用于利用边缘检测算子,对所述感兴趣区域进行垂直方向的梯度运算,获得梯度图像;
像素点提取单元,用于提取所述梯度图像中像素值大于0的像素点为边缘线像素点;
图像去噪单元,用于利用图像形态学算法,对所述梯度图像进行开操作和闭操作处理,获得去噪后的梯度图像;
边缘线获取单元,用于根据去噪后的所述梯度图像的边缘线像素点,获得所述边缘线。
可选地,在本申请的另一具体实施例中,乱丝检测模块400用于:
采用两个在水平方向上的宽度均等于单根丝线直径的矩形滑块窗口,并排在所述边缘线上沿水平方向逐点滑动检测;当所述边缘线分别落入两个所述矩形滑块窗口内两部分像素点区域的中心像素点,在垂直方向上的像素坐标值大于预设坐标差值,则所述边缘线分别落入两个所述矩形滑块窗口中的位置为所述边缘线的倾斜结构位置;当所述矩形滑块窗口滑动检测完整个所述边缘线后,根据所述倾斜结构位置的数量,确定所述边缘线包含的直线段数量,并判断所述直线段数量是否大于2。
本实施例的丝盘绕丝的乱丝检测的装置用于实现前述的丝盘绕丝的乱丝检测的方法,因此丝盘绕丝的乱丝检测的装置中的具体实施方式可见前文中的丝盘绕丝的乱丝检测的方法的实施例部分,例如,图像获取模块100,区域划分模块200,边缘检测模块300,乱丝检测模块400,分别用于实现上述丝盘绕丝的乱丝检测的方法中步骤S11,S12,S13和S14,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本申请中还提供了一种丝盘绕丝的乱丝检测的设备的实施例,该设备具体可以包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一实施例所述的丝盘绕丝的乱丝检测方法的步骤该步骤具体如下:
实时采集丝线缠绕丝盘过程中的绕盘灰度图像;
在所述绕盘灰度图像中划分感兴趣区域;
利用边缘检测算子,对所述感兴趣区域的各个像素点进行垂直方向梯度运算,获得所述感兴趣区域中绕丝区域的边缘线,其中,所述绕盘灰度图像中的垂直方向和丝盘旋转中心轴垂直;
根据所述边缘线上各个像素点在垂直方向上的像素坐标值,确定所述丝盘上是否存在乱丝情况。
本实施例存储器中存储的计算机程序,被处理器执行可以实现对丝线绕盘过程中乱丝情况进行自动检测,无需耗费人工监督检测,避免丝线断丝对工作人员产生危险,并保证了丝线产品的产品质量。
本申请中还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项实施例所述的丝盘绕丝的乱丝检测方法的步骤。
其中,该计算机可读存储介质具体可以是随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。