CN111507942B - 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法 - Google Patents

一种基于多视角图像分析的化纤长丝毛丝检测装置与方法 Download PDF

Info

Publication number
CN111507942B
CN111507942B CN202010229503.1A CN202010229503A CN111507942B CN 111507942 B CN111507942 B CN 111507942B CN 202010229503 A CN202010229503 A CN 202010229503A CN 111507942 B CN111507942 B CN 111507942B
Authority
CN
China
Prior art keywords
image
filament
chemical fiber
image analysis
mirror
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
CN202010229503.1A
Other languages
English (en)
Other versions
CN111507942A (zh
Inventor
周建
尹立新
汤方明
王丽丽
魏存宏
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.)
Jiangsu Hengli Chemical Fiber Co Ltd
Original Assignee
Jiangsu Hengli Chemical Fiber 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 Jiangsu Hengli Chemical Fiber Co Ltd filed Critical Jiangsu Hengli Chemical Fiber Co Ltd
Priority to CN202010229503.1A priority Critical patent/CN111507942B/zh
Publication of CN111507942A publication Critical patent/CN111507942A/zh
Application granted granted Critical
Publication of CN111507942B publication Critical patent/CN111507942B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及一种基于多视角图像分析的化纤长丝毛丝检测装置及方法，其中，方法为：(1)去除有两个视角的长丝图像A的背景区域得到图像A1，两个视角的夹角为90°；(2)获取A中的毛丝区域；(3)采用A1中所有像素点灰度值的平均值V对图像A1进行二值化得到二值化图像A2；(4)统计A2中毛丝区域内的像素点灰度值满足条件的像素点个数，并判断是否存在毛丝。本发明的装置包括图像采集模块和图像分析模块；其中，图像采集模块包括工业相机和镜子，镜子的安装角度满足长丝可以在其上成像，且长丝的镜像与长丝在其长度方向平行；A即由工业相机连续采集；图像分析模块用于采用本发明的方法对长丝图像A进行处理，并判断是否存在毛丝。

Description

一种基于多视角图像分析的化纤长丝毛丝检测装置与方法
技术领域
本发明属于化纤长丝质量检测技术领域，涉及一种基于多视角图像分析的化纤长丝毛丝检测装置与方法。
背景技术
化纤长丝通常由多股直径细小的单丝经网络点加工而成，有称复丝或网络丝，然而在实际生产中的长丝会因外力刮蹭、摩擦等原因，导致单丝断裂、丝头脱散于纱体表面，进而形成毛丝。毛丝数目会对下游的织造加工及染色等方面有很大的影响，直接决定最终产品的质量。因此，对毛丝的检测是长丝重要质量指标之一。
由于毛丝直径小，难以通过肉眼观察，当前化纤生产企业一般是通过检测丝饼表面和端面的毛丝情况对其质量进行评价，无法检测丝饼内部的毛丝情况。现有的国内长丝毛丝自动检测方法主要是基于图像处理与激光衍射。专利申请CN201611036029.0和专利申请CN201610495406.0提供了一种基于图像处理的毛丝检测方法，通过CCD相机拍摄粘胶长丝图像，再经过一系列图像处理操作将纱体和毛丝区域分离，最后统计毛丝区域面积实现毛丝的判定检测，但该方法只能检测出一个视角能观测到的毛丝，无法实现完整的毛丝区域检测；专利申请CN200710051837.9还提供了一种基于激光衍射的非接触式的毛丝检测方法，通过测量粘胶长丝的激光衍射结构来判断是否有毛丝，该方案对光电传感器依赖很大，且测量的精度受毛丝的尺寸所限制。
因此，研究一种检测精度高、效率高且检测结果稳定的方法非常重要。
发明内容
本发明提供一种基于多视角图像分析的化纤长丝毛丝检测装置及方法，目的是解决现有技术中检测化纤长丝的毛丝时，检测角度单一造成检测精度低、效率低和结果不稳定的问题。本发明是通过将工业相机、镜子和待检测化纤长丝置于一定的位置关系，而使得工业相机连续采集获取两个不同视角的长丝图像，并对采集到的长丝图像进行处理分析，分离出毛丝区域，达到准确检测毛丝的目的。
为达到上述目的，本发明采用的方案如下：
一种基于多视角图像分析的化纤长丝毛丝检测方法，包括如下步骤：
(1)去除长丝图像A的背景区域：将长丝图像A减去背景图像T，获得长丝图像A1；
所述长丝图像A中有同一长丝的两个视角的长丝图像，且两个视角的夹角为90°，长丝图像A的大小为m像素×n像素，m和n为正整数，m为行数，n为列数；长丝图像A中长丝长度方向和行的方向平行；
(2)获取长丝图像A中的毛丝区域：采用阈值分割法获取长丝图像A1中两个视角的长丝主干边界的四个水平位置点，所述四个水平位置点所在的行记为第k1行、第k2行、第k3行和第k4行，且k1<k2<k3<k4；
则所述毛丝区域为第1行到第k1行形成的矩形区域1，第k2行到第k3行形成的矩形区域2和第k4行到最后1行形成的矩形区域3；其中，第k1行即过k1点的行，第k2行即过k2点的行，第k3行即过k3点的行，第k4行即过k4点的行；
(3)对图像A1进行图像分割：计算图像A1中所有像素点灰度值的平均值，记为V；采用V对图像A1进行二值化，即大于V的像素点灰度值为M，小于或等于V的像素点灰度值为O，得到二值化图像A2；
(4)判断是否存在毛丝：统计二值化图像A2中毛丝区域内的像素点灰度值等于M的像素点个数，记为N；
设定阈值T，当N＞T时，则图像A1中存在毛丝；反之，则图像A1中不存在毛丝。
作为优选的技术方案：
如上所述的方法，所述阈值分割法中，k1、k2、k3和k4的获取步骤如下：
(1)对图像A1进行水平投影，即计算图像A1中每行的像素点灰度值的平均值，记为P(i)；
其中，n为图像A1中的列数，A(i,j)为图像A1中的第i行第j列；
(2)设定阈值t：其中，m为图像A1中的行数；
(3)采用阈值t对P(i)进行二值化，即大于t的P(i)取值1，小于等于t的P(i)取值0，获取二值化的P1(i)；
(4)根据行数，从大到小或者从小到大的顺序查询P1(i)，即令i＝k，其中，k＝1,2,3,……,m，
当第1次查询到满足P1(k-1)＝0且P1(k)＝0且P1(k+1)＝1且P1(k+2)＝1的k值时，则k1＝k；
当第1次查询到满足P1(k-1)＝1且P1(k)＝1且P1(k+1)＝0且P1(k+2)＝0的k值时，则k2＝k；
当第2次查询到满足P1(k-1)＝0且P1(k)＝0且P1(k+1)＝1且P1(k+2)＝1的k值时，则k3＝k；
当第2次查询到满足P1(k-1)＝1且P1(k)＝1且P1(k+1)＝0且P1(k+2)＝0的k值时，则k4＝k。
如上所述的方法，所述的M为255，O为0。
本发明还提供一种基于多视角图像分析的化纤长丝毛丝检测装置，包括图像采集模块和图像分析模块；
所述图像采集模块包括工业相机和镜子，所述镜子所在平面与所述工业相机的成像平面的夹角为45度，且使得长丝可以在其上成像，长丝的镜像与长丝的长度方向平行；所述工业相机的镜头所指的方向与长丝长度方向垂直，且朝向长丝与镜子；所述工业相机用于连续采集长丝图像A；所述长丝图像A中有长丝正面图像及其侧面在镜子中的反射图像；进而得到两个视角的长丝图像A；
所述图像分析模块用于采用如上所述一种基于多视角图像分析的化纤长丝毛丝检测的方法对长丝图像A进行处理，并判断是否存在毛丝。
作为优选的技术方案：
如上所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，还包括张力器、导纱轮、传动辊和工控机。
所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，所述传动辊用于牵引待测化纤长丝运动。
所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，所述运动为匀速运动。检测时，所述待测化纤长丝在沿着张力器、镜子、导纱轮作匀速运动。工业相机连续采集图像时，工业相机的帧频和长丝的运动速度匹配：运动速度快，则拍摄的帧频高。
如上所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，所述工控机内放置图像分析模块(图像分析模块是个算法，以程序的形式运行)；
所述工控机还用于控制工业相机采集长丝图像A(如工业相机开始/结束采集、采集的帧频等参数都是由工控机控制)、保存长丝图像A(具体为：工业相机采集图像后，工业相机先自动保存，工控机再发出指令将其转移给图像分析模块进行图像分析)、检测结果显示及保存操作。
本发明的构思是：
由于长丝的毛丝是分布在长丝主干的四周，而且方向是随机分布的，当采用单一视角检测毛丝时，则该视角下与长丝主干重叠的毛丝无法被观测而造成漏检；当采用多视角时，多个相机的安装会增加成本。本发明的化纤长丝毛丝检测装置中利用镜子反射同时获取两个视角的毛丝图像，克服了前述的两种缺陷。
下面请阐述图像分析模块对长丝图像处理中，该方法的特点和优势(上一段描述的是装置的特点，请区分装置和方法)：
对于获取的两个视角的毛丝图像，本发明采用先去除长丝图像的背景区域，再获取长丝图像中的毛丝区域，通过对去除背景后长丝图像进行图像分割得到二值化图像，最后设定阈值来判定毛丝区域中是否存在毛丝的方法，有效地提高了毛丝检测精度。
有益效果：
(1)本发明的一种基于多视角图像分析的化纤长丝毛丝检测方法，分析多个视角下的化纤长丝图像，提高了毛丝检测准确度；
(2)本发明的一种基于多视角图像分析的化纤长丝毛丝检测装置，自动化程度高，减少了对人工操作的依赖，满足实际应用中长丝毛丝检测高效稳定检测。
附图说明
图1为本发明中一种基于多视角图像分析的化纤长丝毛丝检测装置的结构示意图；
图2为本发明中一种基于多视角图像分析的化纤长丝毛丝检测装置中长丝、镜子和工业相机的相对位置的侧视图；
图3为本发明中一种基于多视角图像分析的化纤长丝毛丝检测装置采集到的长丝图像A；
图4为去除长丝图像A的拍摄背景后的图像A1；
图5为长丝图像A中纱干边界的水平位置的标记线，其中1是毛丝，2是边界线；
图6为长丝图像A中分割出毛丝区域的图像，其中1是毛丝；
其中，1-工业相机，2-镜子，3-导纱轮，4-张力器，5-长丝，6-传动辊，7-工控机。
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。
一种基于多视角图像分析的化纤长丝毛丝检测装置，如图1和2所示，包括图像采集模块、图像分析模块、张力器4、导纱轮3、传动辊6和工控机7；
图像采集模块包括工业相机1和镜子2，镜子所在平面与工业相机的成像平面的夹角为45度，且使得涤纶长丝5可以在其上成像，且长丝的镜像与长丝在其长度方向平行；工业相机的镜头所指的方向与长丝长度方向垂直，且朝向长丝与镜子；检测时，传动辊用于牵引待测化纤长丝在沿着张力器、镜子、导纱轮作匀速运动，且工业相机连续采集长丝图像A，该长丝图像A如图3所示；其中，长丝图像A中有长丝正面图像及其侧面在镜子中的反射图像；进而得到两个视角且大小为450像素×1292像素的涤纶长丝图像A；
工控机内安装图像分析模块；工控机用于控制工业相机采集长丝图像A，具体为：工业相机采集图像后，工业相机先自动保存，工控机再发出指令将其转移给图像分析模块进行图像分析，分析完成后，在工控机上显示检测结果并保存。
图像分析模块采用如下方法对涤纶长丝图像A进行处理，具体步骤为：
(1)将工业相机获得的大小为450像素×1292像素的涤纶长丝图像A，450为行数，1292为列数，涤纶长丝图像A中有两个视角的长丝图像，且两个视角的夹角为90°，其中，长丝图像A中长丝长度方向和行的方向平行；
(2)如图4所示，将长丝图像A减去拍摄的背景图像T，获得仅包含长丝纱体的长丝图像A1；即A1＝A-T。
(3)获取长丝图像A中的毛丝区域：
(3.1)对图像A1进行水平投影，即计算图像A1中每行的像素点灰度值的平均值，记为P(i)；
其中，A(i,j)为图像A1中的第i行第j列；
(3.2)设定阈值t：
(3.3)采用阈值t对P(i)进行二值化，即大于t的P(i)取值1，小于等于t的P(i)取值0，获取二值化的P1(i)；
(3.4)根据行数，从大到小或者从小到大的顺序查询P1(i)，即令i＝k，其中，k＝1,2,3,……,450；
当第1次查询到满足P1(k-1)＝0且P1(k)＝0且P1(k+1)＝1且P1(k+2)＝1的k值时，则k1＝156；
当第1次查询到满足P1(k-1)＝1且P1(k)＝1且P1(k+1)＝0且P1(k+2)＝0的k值时，则k2＝187；
当第2次查询到满足P1(k-1)＝0且P1(k)＝0且P1(k+1)＝1且P1(k+2)＝1的k值时，则k3＝270；
当第2次查询到满足P1(k-1)＝1且P1(k)＝1且P1(k+1)＝0且P1(k+2)＝0的k值时，则k4＝302。
通过所得的边界的水平位置点k1、k2、k3和k4，得到四个水平位置点所在的行(即边界线2)，如图5中的标记线所示，因此，毛丝区域为第1行到第156行形成的矩形区域1、第187行到第270行形成的矩形区域2和第302行到最后1行(第450行)形成的矩形区域3；
(4)对图像A1进行图像分割：计算图像A1中所有像素点灰度值的平均值，记为V＝25.7；采用V对图像A1进行二值化，即大于阈值V的像素点灰度值为255，小于或等于V的像素点灰度值为0；得到二值化图像A2；
(5)评价：统计二值化图像A2中毛丝区域(矩形区域1、2和3)内的像素点灰度值等于255的像素点个数，记为N＝5933；
设定阈值T＝2000，由于N>T，则图像A1中存在毛丝1，其检测效果如图6所示。
通过图6可以看出，两个视角的图像都包含毛丝，通过本发明提供的方法能准确地识别存在的毛丝。然而，如果单独采用任一视角进行毛丝检测，由于毛丝信息获取不完整，很容易造成漏检，从而降低检测精度。

Claims (7)

1.一种基于多视角图像分析的化纤长丝毛丝检测方法，其特征是包括如下步骤：
(1)去除长丝图像A的背景区域：将长丝图像A减去背景图像T，获得长丝图像A1；
所述长丝图像A中有同一长丝的两个视角的图像，且两个视角的夹角为90°，长丝图像A的大小为m像素×n像素，m和n为正整数，m为行数，n为列数；长丝图像A中长丝长度方向和行的方向平行；
(2)获取长丝图像A中的毛丝区域：采用阈值分割法获取长丝图像A1中两个视角的长丝主干边界的四个水平位置点，所述四个水平位置点所在的行记为第k1行、第k2行、第k3行和第k4行，且k1<k2<k3<k4；
则所述毛丝区域为第1行到第k1行形成的矩形区域1、第k2行到第k3行形成的矩形区域2和第k4行到最后1行形成的矩形区域3；
(3)对图像A1进行图像分割：计算图像A1中所有像素点灰度值的平均值，记为V；采用V对图像A1进行二值化，即大于V的像素点灰度值为M，小于或等于V的像素点灰度值为O，得到二值化图像A2；
(4)判断是否存在毛丝：统计二值化图像A2中毛丝区域内的像素点灰度值等于M的像素点个数，记为N；
设定阈值T，当N＞T时，则图像A1中存在毛丝；反之，则图像A1中不存在毛丝；
所述阈值分割法中，k1、k2、k3和k4的获取步骤如下：
(1)对图像A1进行水平投影，即计算图像A1中每行的像素点灰度值的平均值，记为P(i)；
其中，n为图像A1中的列数，A(i,j)为图像A1中的第i行第j列；
(2)设定阈值t：其中，m为图像A1中的行数；
(3)采用阈值t对P(i)进行二值化，即大于t的P(i)取值1，小于等于t的P(i)取值0，获取二值化的P1(i)；
(4)根据行数，从大到小或者从小到大的顺序查询P1(i)，即令i＝k，其中，k＝1,2,3,……,m；
当第1次查询到满足P1(k-1)＝0且P1(k)＝0且P1(k+1)＝1且P1(k+2)＝1的k值时，则k1＝k；
当第1次查询到满足P1(k-1)＝1且P1(k)＝1且P1(k+1)＝0且P1(k+2)＝0的k值时，则k2＝k；
当第2次查询到满足P1(k-1)＝0且P1(k)＝0且P1(k+1)＝1且P1(k+2)＝1的k值时，则k3＝k；
当第2次查询到满足P1(k-1)＝1且P1(k)＝1且P1(k+1)＝0且P1(k+2)＝0的k值时，则k4＝k。
2.根据权利要求1所述的一种基于多视角图像分析的化纤长丝毛丝检测方法，其特征在于，所述的M为255，O为0。
3.采用如权利要求1或2所述的一种基于多视角图像分析的化纤长丝毛丝检测方法的一种基于多视角图像分析的化纤长丝毛丝检测装置，其特征是：包括图像采集模块和图像分析模块；
所述图像采集模块包括工业相机和镜子，所述镜子所在平面与所述工业相机的成像平面的夹角为45度，且使得长丝可以在其上成像，长丝的镜像与长丝的长度方向平行；所述工业相机的镜头所指的方向与长丝长度方向垂直，且朝向长丝与镜子；所述工业相机用于连续采集长丝图像A；所述长丝图像A中有长丝正面图像及其侧面在镜子中的反射图像；
所述图像分析模块用于对长丝图像A进行处理，并判断是否存在毛丝。
4.根据权利要求3所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，其特征在于，还包括张力器、导纱轮、传动辊和工控机。
5.根据权利要求4所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，其特征在于，所述传动辊用于牵引待测化纤长丝运动。
6.根据权利要求5所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，其特征在于，所述运动为匀速运动。
7.根据权利要求4所述的一种基于多视角图像分析的化纤长丝毛丝检测装置，其特征在于，所述工控机内放置图像分析模块；
所述工控机还用于控制工业相机采集长丝图像A、保存长丝图像A、检测结果显示及保存操作。
CN202010229503.1A 2020-03-27 2020-03-27 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法 Active CN111507942B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010229503.1A CN111507942B (zh) 2020-03-27 2020-03-27 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010229503.1A CN111507942B (zh) 2020-03-27 2020-03-27 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法

Publications (2)

Publication Number Publication Date
CN111507942A CN111507942A (zh) 2020-08-07
CN111507942B true CN111507942B (zh) 2023-08-01

Family

ID=71877873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010229503.1A Active CN111507942B (zh) 2020-03-27 2020-03-27 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法

Country Status (1)

Country Link
CN (1) CN111507942B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113640289B (zh) * 2021-07-22 2024-05-10 云梦佳汇化纤有限公司 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法
CN113724241B (zh) * 2021-09-09 2022-08-02 常州市宏发纵横新材料科技股份有限公司 一种碳纤维经编织物的毛丝检测方法、装置和存储介质
CN115311297A (zh) * 2022-10-12 2022-11-08 南通甜享纺织品有限公司 一种有色丝毛丝智能识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102253043B (zh) * 2011-06-22 2012-09-19 上海工程技术大学 一种单目ccd多角度纱线外观数字化分析方法
CN103645190B (zh) * 2013-11-27 2016-04-06 上海工程技术大学 用于纱线外观参数测量的可调节双扭镜盒及其装置
CN107889522B (zh) * 2015-08-26 2020-08-28 Abb瑞士股份有限公司 对象多视角检测设备及其方法
CN106596584B (zh) * 2016-11-15 2019-10-25 江汉大学 一种粘胶长丝毛丝检测的方法和装置
CN109540917B (zh) * 2018-10-24 2021-06-29 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
CN110261388A (zh) * 2019-04-28 2019-09-20 烟台南山学院 一种多角度纱线外观数字化测试装置及测试方法

Also Published As

Publication number Publication date
CN111507942A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111507942B (zh) 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法
CN109969736B (zh) 一种大型运载皮带跑偏故障智能检测方法
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN106596568A (zh) 一种基于线激光的实时非接触纱线断头检测方法
CN102441581A (zh) 基于机器视觉的型钢断面尺寸在线检测的装置及方法
CN103759662A (zh) 一种纺织纱线直径动态快速测量装置与方法
CN103645190A (zh) 用于纱线外观参数测量的可调节双扭镜盒及其装置
CN106897995A (zh) 一种面向机械装配过程的零部件自动识别方法
CN117333489B (zh) 一种薄膜破损检测装置及检测系统
CN115239701A (zh) 一种用于医用纱布表面异物检测的方法
CN110880184A (zh) 一种基于光流场进行摄像头自动巡检的方法及装置
CN112767384A (zh) 一种弹力布克重在线检测系统的补偿方法和装置
CN110672209A (zh) 一种经编布匹色差在线检测方法
CN102103090A (zh) 基于计算机视觉的梳棉机棉网质量在线检测装置与方法
CN105738376B (zh) 一种采用接触式图像传感器的自动验布机
CN113333329A (zh) 一种基于深度学习的烟支缺陷检测系统
CN105699386B (zh) 一种采用接触式图像传感器的自动验布标记方法
CN115615998B (zh) 一种圆形磁芯侧面缺陷检测装置及其方法
CN111929315A (zh) 一种缠绕式线缆表皮检测装置及其检测方法
CN116128769A (zh) 摇摆运动机构的轨迹视觉记录系统
CN110866917A (zh) 一种基于机器视觉的药片类型及排列方式识别方法
CN114359260B (zh) 一种烟条表面的缺陷检测方法及装置
CN112365452B (zh) 一种基于双侧图像的网络丝网络点的检测方法
CN111626946B (zh) 用于高速物料传输视觉检测系统的运动模糊核测量方法
EP4308901A1 (en) System for determining the shape of particles in motion using an event-based camera

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