CN111707675B - 布匹表面瑕疵在线监测装置及其监测方法 - Google Patents
布匹表面瑕疵在线监测装置及其监测方法 Download PDFInfo
- Publication number
- CN111707675B CN111707675B CN202010528134.6A CN202010528134A CN111707675B CN 111707675 B CN111707675 B CN 111707675B CN 202010528134 A CN202010528134 A CN 202010528134A CN 111707675 B CN111707675 B CN 111707675B
- Authority
- CN
- China
- Prior art keywords
- cloth
- identification
- light source
- computer
- flaw
- 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
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 155
- 238000012806 monitoring device Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims description 33
- 238000012544 monitoring process Methods 0.000 title claims description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 36
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 230000009471 action Effects 0.000 claims abstract description 4
- 230000002950 deficient Effects 0.000 claims description 17
- 238000007664 blowing Methods 0.000 claims description 16
- 238000009833 condensation Methods 0.000 claims description 5
- 230000005494 condensation Effects 0.000 claims description 5
- 238000010009 beating Methods 0.000 claims description 3
- 238000004043 dyeing Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 16
- 230000007547 defect Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 238000005286 illumination Methods 0.000 description 8
- 239000000047 product Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及一种布匹表面瑕疵在线监测装置,本发明解决现有技术的问题,其技术方案要点是,配置在布匹生产线上,包括识别用电脑、用于打设瑕疵标签的标签机、编码器、正光源、背光源和识别相机,所述正光源配置在所述背光源的上方,所述正光源包括中心为矩形孔的回字形光源台,光源台的光源均匀布置在所述矩形孔的长边两侧,所述识别相机配置在所述矩形孔的上方,所述识别相机、正光源和背光源形成与布匹垂直的直线,所述识别相机的输出端与所述识别用电脑电连接,所述标签机位于识别相机的后方且动作端对准布匹,所述标签机的控制端与识别用电脑连接,所述编码器用于检测当前布匹的传输速度,所述编码器的输出端与识别用电脑连接。
Description
技术领域
本发明属于一种布匹的质检设备,涉及一种布匹表面瑕疵在线监测装置及其监测方法。
背景技术
目前布匹印染生产中产生瑕疵是一件很正常的事情,在以前布匹的瑕疵是由质检员目测方式进行检测的,检测难度大,依赖于个人经验,因此,逐渐被电脑辅助识别所代替,但是电脑辅助识别虽然效率提升较多,但是受灯光角度影响较大的情况下,很多疑似的瑕疵判断上还是会依赖于质检员个人的经验,因此,需要开发一种能够较高效率的布匹表面瑕疵在线监测装置及其监测方法势在必行。
中国专利公开号:CN207215726U在2018年公开了一种基于机器视觉的低成本布匹检测装置,包括布匹运动机器、滚筒、移动导轨、单目工业摄像机和导轨支架,所述移动导轨可滑动地安装在所述导轨支架上,所述单目工业摄像机安装在所述移动导轨上,所述布匹运动机器和滚筒前后布置,待检测布匹依次穿过布匹运动机器、滚筒和单目工业摄像机的视觉检测工位。但是此类技术,由于布匹的抖动,依然会导致灯光的变化较为剧烈,从而影响布匹瑕疵的判断,存在一定的漏检和错检。
发明内容
本发明解决了现有技术存在由于布匹的抖动,会导致灯光的变化较为剧烈,从而影响布匹瑕疵的判断,存在一定的漏检和错检的问题,提供一种布匹表面瑕疵在线监测装置及其监测方法。
本发明解决其技术问题所采用的技术方案是:一种布匹表面瑕疵在线监测装置,配置在布匹印染生产线上,包括识别用电脑、用于打设瑕疵标签的标签机、编码器、正光源、背光源和识别相机,所述正光源配置在所述背光源的上方,所述正光源包括中心为矩形孔的回字形光源台,光源台的光源均匀布置在所述矩形孔的长边两侧,所述识别相机配置在所述矩形孔的上方,所述识别相机、正光源和背光源形成与布匹垂直的直线,所述识别相机的输出端与所述识别用电脑电连接,所述标签机位于识别相机的后方且动作端对准布匹,所述标签机的控制端与识别用电脑连接,所述编码器用于检测当前布匹的传输速度,所述编码器的输出端与识别用电脑连接。本发明采用了编码器对布匹的传输距离进行读取,即对布匹进行定位,然后正光源和背光源形成两个对照的光源对布匹设定范围内进行加亮处理,此时,通过识别相机对布匹表面进行图像拾取,拾取的内容进行图像识别,通过对亮度和对比度等数据畸变的位置进行识别判断,从而识别出布匹的瑕疵,并对瑕疵的位置进行定位,确定地位地点之后由标签机在布匹上打标,进行下一道的修补等处理,本发明中,正光源和背光源与识别相机位移同于垂线,受布匹抖动和环境光照变化的影响较小,能够较为准确地识别出当前布匹的瑕疵。
作为优选,所述识别相机为工业线阵CCD相机,所述正光源和所述背光源均为可调的LED线性聚光冷光源,所述正光源和所述背光源的宽度相等且大于所述布匹的宽度。本发明中,LED线性聚光冷光源是线性可调光源,通过识别电脑的控制能够进行亮度的调节,因此,可以对布匹的整体对比度、亮度等信息进行调节,调节的方式为两种,第一种调节方式是电脑根据之前图像的亮度对比度对当前获取的图像进行亮度和对比度的软件调节,第二种调节就是在启动时对整个光源的亮度分布进行设定,保证布匹的整体亮度、对比度等信息处于一个平衡的状态,不会出现中部高亮,两侧亮度不足的情况,在整个要求下,也需要正光源和所述背光源的宽度相等且大于所述布匹的宽度,更进一步的是,正光源和背光源两者本身可调,因此两者之间可以协调为整体图像摄取后形成一个平衡的图像。
作为优选,所述识别相机为两台相同的工业线阵CCD相机,且两台工业线阵CCD相机形成的直线与布匹垂直。两台工业线阵CCD相机相互配合,在识别电脑中通过调节能够消除相机位置带来的拍摄角度误差。
作为优选,所述识别用电脑的输出端还与布匹生产线上的修复装置和报警装置连接,所述标签机、编码器、正光源、背光源和识别相机均通过控制柜与识别用电脑连接,所述识别用电脑还配置有打印机。
作为优选,识别用电脑在执行在线监测工作前通过大数据获取台进行大数据采集,所述大数据获取台包括带有瑕疵的布匹、往复传输带、正面可调光源、背面可调光源、抖动装置和编码器,编码器安装在往复传输带上对往复传输带传输距离进行编码读取,所述识别相机安装在所述往复传输带上,所述带有瑕疵的布匹安装在往复传输带上,所述正面可调光源、背面可调光源和识别相机与带有瑕疵的布匹相垂直形成直线,所述正面可调光源和背面可调光源的控制端均与所述识别用电脑的输出端连接,所述抖动装置对带有瑕疵的布匹传动,所述正面可调光源和背面可调光源的亮度可调范围大于等于所述正光源的亮度调节范围。本发明在使用的时候除了通过参数的设定进行快速识别之外,还可以通过大数据利用自学习的AI识别方式进行进一步的识别,这种识别的困难在于大数据的获取较为困难,因此,在生产线正式开启之前需要进行大数据的自学习过程。这个过程中,由于瑕疵布匹的数量有限,又缺少现有大数据库,因此只能通过本发明的大数据获取台,将人工设定好的瑕疵布匹进行重复利用,利用的过程包括通过光照调整和抖动形成不同形状,不同光照条件下的瑕疵数据和正品数据,瑕疵数据和正品数据质检通过标签进行判断结果的直接区分,如此,可以在少数相同的布匹上提供不同种类的瑕疵,并通过抖动曝光等手段形成不同形式的大数据和判断结果,由这些数据进行大数据的自学习,可以得到一个完整的智能判断方式,在此基础上,正式工作时,识别电脑可以通过人工设定的参数进行第一次的快速识别,判断出三种布匹情况,确定为瑕疵的瑕疵状态、确定为正品的正常和不确定瑕疵的待定状态,然后由大数据学习后的识别电脑进行进一步的判断,从而将不确定的瑕疵区分为确定的瑕疵和确定的正品,提高了检测的准确性,更进一步的是,不确定的瑕疵位置由识别电脑记录后,可以由人工进行准确性最终判定,经过人工准确性最终判定的瑕疵进入数据库中共识别用电脑进行重复的大数据学习,这个步骤可以提高大数据的来源丰富性,从而进一步提高识别的准确性。
作为优选,所述往复传输带包括一个主动辊和一个从动辊,所述抖动装置中还包括有若干个偏心辊,所述主动辊与所述从动辊将往复传输带张紧,所述若干个偏心辊与所述往复传输带贴合。
作为优选,所述抖动装置包括若干个吹气管和/或抽风管,吹气管和抽风管位于带有瑕疵的布匹的附近,且吹气管和抽风管与带有瑕疵的布匹的夹角各不相同,所述若干个吹气管和/或抽风管的控制端接收的控制信号为随机控制信号。随机性越大对于数据的丰富性越好,能够实现的大数据自学习准确性也越好。
作为优选,所述大数据获取台还包括有一个标签读取装置,所述带有瑕疵的布匹侧面对应瑕疵位置设置有瑕疵标签,所述瑕疵标签内包含瑕疵在布匹中的横轴位置信息。
一种布匹表面瑕疵在线监测方法,适用于如上所述的布匹表面瑕疵在线监测装置,
步骤一:布匹生产线运行,光源台的光源启动,编码器检测当前布匹生产线传输速度,识别用电脑根据编码器数据确定当前布匹的位置;
步骤二:识别相机监测当前光源范围内布匹的图像并向识别用电脑进行传输,识别用电脑接收布匹的图像信息;
步骤三:识别用电脑根据预定参数进行识别,识别中分为正常和瑕疵状态,若存在瑕疵,则识别用电脑发送控制命令至标签机,由标签机根据设定的时间对布匹进行标记。
本发明采用了编码器对布匹的传输距离进行读取,即对布匹进行定位,然后正光源和背光源形成两个对照的光源对布匹设定范围内进行加亮处理,此时,通过识别相机对布匹表面进行图像拾取,拾取的内容进行图像识别,通过对亮度和对比度等数据畸变的位置进行识别判断,从而识别出布匹的瑕疵,并对瑕疵的位置进行定位,确定地位地点之后由标签机在布匹上打标,进行下一道的修补等处理,本发明中,正光源和背光源与识别相机位移同于垂线,受布匹抖动和环境光照变化的影响较小,能够较为准确地识别出当前布匹的瑕疵。
作为优选,在执行所述步骤一前,首先执行大数据自学习步骤,
大数据自学习步骤一,将若干带有瑕疵的布匹放置在大数据获取台上进行重复运行;
大数据自学习步骤二,抖动装置运行将带有瑕疵的布匹进行抖动,同时正面可调光源和背面可调光源进行随机调节,由识别相机采集不同状态下的带有瑕疵的布匹图像信息传输至识别用电脑,同时,由标签读取装置将对应存在有瑕疵的图像信息的编码传输至识别用电脑;
大数据自学习步骤三,由识别用电脑进行大数据自学习;
大数据自学习步骤四,当识别用电脑的大数据瑕疵判断正确率大于设定值,且识别用电脑的大数据瑕疵判断所需时间小于传输带将值布匹瑕疵从识别相机下方传输至标签机位置所需时间时,完成大数据自学习步骤;
在所述步骤三中,识别用电脑根据预定参数进行初步识别,识别中分为正常、待定和瑕疵状态,若存在待定图片,则由识别用电脑启动大数据瑕疵判断方式对待定图片进行判断,判断结果分为正常和瑕疵状态。
本发明在使用的时候除了通过参数的设定进行快速识别之外,还可以通过大数据利用自学习的AI识别方式进行进一步的识别,这种识别的困难在于大数据的获取较为困难,因此,在生产线正式开启之前需要进行大数据的自学习过程。这个过程中,由于瑕疵布匹的数量有限,又缺少现有大数据库,因此只能通过本发明的大数据获取台,将人工设定好的瑕疵布匹进行重复利用,利用的过程包括通过光照调整和抖动形成不同形状,不同光照条件下的瑕疵数据和正品数据,瑕疵数据和正品数据质检通过标签进行判断结果的直接区分,如此,可以在少数相同的布匹上提供不同种类的瑕疵,并通过抖动曝光等手段形成不同形式的大数据和判断结果,由这些数据进行大数据的自学习,可以得到一个完整的智能判断方式,在此基础上,正式工作时,识别电脑可以通过人工设定的参数进行第一次的快速识别,判断出三种布匹情况,确定为瑕疵的瑕疵状态、确定为正品的正常和不确定瑕疵的待定状态,然后由大数据学习后的识别电脑进行进一步的判断,从而将不确定的瑕疵区分为确定的瑕疵和确定的正品,提高了检测的准确性,更进一步的是,不确定的瑕疵位置由识别电脑记录后,可以由人工进行准确性最终判定,经过人工准确性最终判定的瑕疵进入数据库中共识别用电脑进行重复的大数据学习,这个步骤可以提高大数据的来源丰富性,从而进一步提高识别的准确性。更进一步的,由于在初步判断的过程中,不需要直接对所有的判断区域完成所有的判断,因此,可以采用模糊计算中的隶属度方式进行分段区分,而不需要像之前的所有判断直接进行阈值的区分,提高了初次判断的准确性,而二次判断在数据充分去情况下,准确性也会逐步走高,而且,由于经过了初次判断,也就是说这个瑕疵本身就是属于细微、极细微的瑕疵,一般甚至是可以认为处于瑕疵和正品之间,即使出现了漏检和错检不会对最终产品的声誉造成影响。本发明结合了快速的初次判断和精准的大数据判断,降低了大数据判断的工作范围,降低了运算量,保证了快速识别和准确识别两者兼顾。
本发明的实质性效果是:本发明结合了快速的初次判断和精准的大数据判断,降低了大数据判断的工作范围,降低了运算量,保证了快速识别和准确识别两者兼顾。
附图说明
图1为本发明的一种整体原理示意图;
图2为本发明中电气部分的一种示意图;
图3为本发明的一种使用效果图;
图4为本发明的一种使用效果图;
图5为本发明中大数据获取台的一种结构原理图。
图中,1、识别相机,2、正光源,3、背光源,4、标签机,5、编码器,11、安装支架,12、控制柜,13、识别用电脑,14、打印机,15、数据库,16、报警装置,17、修复装置,21、正面可调光源,22、背面可调光源,23、往复传输带,24、吹气管,25、抖动装置。
具体实施方式
下面通过具体实施例,对本实施例的技术方案作进一步的具体说明。
实施例1:
一种布匹表面瑕疵在线监测装置(参见附图1至4),通过安装支架11配置在布匹生产线上,包括识别用电脑、用于打设瑕疵标签的标签机4、编码器5、正光源2、背光源3和识别相机1,所述正光源配置在所述背光源的上方,所述正光源包括中心为矩形孔的回字形光源台,光源台的光源均匀布置在所述矩形孔的长边两侧,所述识别相机配置在所述矩形孔的上方,所述识别相机、正光源和背光源形成与布匹垂直的直线,所述识别相机的输出端与所述识别用电脑电连接,所述标签机位于识别相机的后方且动作端对准布匹,所述标签机的控制端与识别用电脑连接,所述编码器用于检测当前布匹的传输速度,所述编码器的输出端与识别用电脑连接。
本发明采用了编码器对布匹的传输距离进行读取,编码器的工作方式可以是直接与生产线上的传送带接触从而读取位移的变量,与可以是加装在主动辊、传输辊等传动机械处,对位移的变量进行读取,由于本实施例中的编码器为后续加装,因此直接与传送带相接触,在初始设计中需要加装本实施例的,推荐直接加装在主动辊、传输辊等传动机械处,编码器对布匹进行定位,然后正光源和背光源形成两个对照的光源对布匹设定范围内进行加亮处理,此时,通过识别相机对布匹表面进行图像拾取,拾取的内容进行图像识别,通过对亮度和对比度等数据畸变的位置进行识别判断,从而识别出布匹的瑕疵,并对瑕疵的位置进行定位,一般是采用亮度和色彩等数据出现较大的变化,则可直接判读为出现瑕疵,其中,如果是色彩数据瑕疵采用彩色工业线阵CCD相机效果为佳,当然出于成本控制的目的,采用不采用彩色工业线阵CCD相机也能进行色彩差异的识别,但是其难度较大确定地位地点之后由标签机在布匹上打标,进行下一道的修补等处理,本发明中,正光源和背光源与识别相机位移同于垂线,受布匹抖动和环境光照变化的影响较小,能够较为准确地识别出当前布匹的瑕疵。
本实施例的试运行中,存在识别难度较大的瑕疵有:
擦毛:肉眼直视的辨识度很低,相机直拍检测精度较差,容易因为设备检测精度不足无法检测出,此情况下,通过增加单侧的相机数量提升检测精度。
色差:由于采用的是黑白相机,对于色彩差异的感应不敏感,同时现场环境因素,如布匹的抖动性,也会降低相机的拍摄效果,因此很难直接判断相机所能辨识的色差能否达到现场生产的要求。
勾丝:勾丝是一种可检测的常规缺陷,单组相机无法完全拍摄出正反两面的勾丝,因此本实施例在必要时加装一组识别相机在布匹的背面,进行双面检测即可解决此问题。
本实施例中,所述识别相机为工业线阵CCD相机,所述正光源和所述背光源均为可调的LED线性聚光冷光源,所述正光源和所述背光源的宽度相等且大于所述布匹的宽度。本发明中,LED线性聚光冷光源是线性可调光源,通过识别电脑的控制能够进行亮度的调节,因此,可以对布匹的整体对比度、亮度等信息进行调节,调节的方式为两种,第一种调节方式是电脑根据之前图像的亮度对比度对当前获取的图像进行亮度和对比度的软件调节,第二种调节就是在启动时对整个光源的亮度分布进行设定,保证布匹的整体亮度、对比度等信息处于一个平衡的状态,不会出现中部高亮,两侧亮度不足的情况,在整个要求下,也需要正光源和所述背光源的宽度相等且大于所述布匹的宽度,更进一步的是,正光源和背光源两者本身可调,因此两者之间可以协调为整体图像摄取后形成一个平衡的图像。所述识别相机为两台相同的工业线阵CCD相机,且两台工业线阵CCD相机形成的直线与布匹垂直。两台工业线阵CCD相机相互配合,在识别电脑中通过调节能够消除相机位置带来的拍摄角度误差。所述识别用电脑的输出端还与布匹生产线上的修复装置17和报警装置16连接,所述标签机、编码器、正光源、背光源和识别相机均通过控制柜12与识别用电脑13连接,所述识别用电脑还配置有打印机14。电控柜的作用就是将数据、信号进行转换和传输,接收传输控制信号至识别用电脑,通过识别用电脑进行强弱电的控制,识别用电脑将各项数据存储入数据库中,数据库15的存储介质可以是可移动介质,也可以是识别用电脑自带存储器。
实施例2 :
本实施例与实施例1基本相同,不同之处在于,本实施例中,识别用电脑在执行在线监测工作前通过大数据获取台进行大数据采集,所述大数据获取台包括带有瑕疵的布匹、往复传输带23、正面可调光源21、背面可调光源22、抖动装置25和编码器,编码器安装在往复传输带上对往复传输带传输距离进行编码读取,所述识别相机安装在所述往复传输带上,所述带有瑕疵的布匹安装在往复传输带上,所述正面可调光源、背面可调光源和识别相机与带有瑕疵的布匹相垂直形成直线,所述正面可调光源和背面可调光源的控制端均与所述识别用电脑的输出端连接,所述抖动装置对带有瑕疵的布匹传动,所述正面可调光源和背面可调光源的亮度可调范围大于等于所述正光源的亮度调节范围。本实施例中,所述往复传输带包括一个主动辊和一个从动辊,所述抖动装置中还包括有若干个偏心辊,所述主动辊与所述从动辊将往复传输带张紧,所述若干个偏心辊与所述往复传输带贴合。所述抖动装置包括若干个吹气管24和/或抽风管,吹气管和抽风管位于带有瑕疵的布匹的附近,且吹气管和抽风管与带有瑕疵的布匹的夹角各不相同,所述若干个吹气管和/或抽风管的控制端接收的控制信号为随机控制信号。随机性越大对于数据的丰富性越好,能够实现的大数据自学习准确性也越好。所述大数据获取台还包括有一个标签读取装置,所述带有瑕疵的布匹侧面对应瑕疵位置设置有瑕疵标签,所述瑕疵标签内包含瑕疵在布匹中的横轴位置信息。瑕疵标签为一维码,其中还可以包括有瑕疵类型、瑕疵程度等数据。通过本实施例,对色差擦毛和勾丝的识别率有明确的提升。本实施例在使用的时候除了通过参数的设定进行快速识别之外,还可以通过大数据利用自学习的AI识别方式进行进一步的识别,这种识别的困难在于大数据的获取较为困难,因此,在生产线正式开启之前需要进行大数据的自学习过程。这个过程中,由于瑕疵布匹的数量有限,又缺少现有大数据库,因此只能通过本发明的大数据获取台,将人工设定好的瑕疵布匹进行重复利用,利用的过程包括通过光照调整和抖动形成不同形状,不同光照条件下的瑕疵数据和正品数据,瑕疵数据和正品数据质检通过标签进行判断结果的直接区分,如此,可以在少数相同的布匹上提供不同种类的瑕疵,并通过抖动曝光等手段形成不同形式的大数据和判断结果,由这些数据进行大数据的自学习,可以得到一个完整的智能判断方式。
实施例3:
一种布匹表面瑕疵在线监测方法,适用于如实施例2所述的布匹表面瑕疵在线监测装置,
步骤一:布匹生产线运行,光源台的光源启动,编码器检测当前布匹生产线传输速度,识别用电脑根据编码器数据确定当前布匹的位置;
步骤二:识别相机监测当前光源范围内布匹的图像并向识别用电脑进行传输,识别用电脑接收布匹的图像信息;
步骤三:识别用电脑根据预定参数进行识别,识别中分为正常和瑕疵状态,若存在瑕疵,则识别用电脑发送控制命令至标签机,由标签机根据设定的时间对布匹进行标记。
本发明采用了编码器对布匹的传输距离进行读取,即对布匹进行定位,然后正光源和背光源形成两个对照的光源对布匹设定范围内进行加亮处理,此时,通过识别相机对布匹表面进行图像拾取,拾取的内容进行图像识别,通过对亮度和对比度等数据畸变的位置进行识别判断,从而识别出布匹的瑕疵,并对瑕疵的位置进行定位,确定地位地点之后由标签机在布匹上打标,进行下一道的修补等处理,本发明中,正光源和背光源与识别相机位移同于垂线,受布匹抖动和环境光照变化的影响较小,能够较为准确地识别出当前布匹的瑕疵。
在执行所述步骤一前,首先执行大数据自学习步骤,
大数据自学习步骤一,将若干带有瑕疵的布匹放置在大数据获取台上进行重复运行;
大数据自学习步骤二,抖动装置运行将带有瑕疵的布匹进行抖动,同时正面可调光源和背面可调光源进行随机调节,由识别相机采集不同状态下的带有瑕疵的布匹图像信息传输至识别用电脑,同时,由标签读取装置将对应存在有瑕疵的图像信息的编码传输至识别用电脑;
大数据自学习步骤三,由识别用电脑进行大数据自学习;
大数据自学习步骤四,当识别用电脑的大数据瑕疵判断正确率大于设定值,且识别用电脑的大数据瑕疵判断所需时间小于传输带将值布匹瑕疵从识别相机下方传输至标签机位置所需时间时,完成大数据自学习步骤;
在所述步骤三中,识别用电脑根据预定参数进行初步识别,识别中分为正常、待定和瑕疵状态,若存在待定图片,则由识别用电脑启动大数据瑕疵判断方式对待定图片进行判断,判断结果分为正常和瑕疵状态。
本发明在使用的时候除了通过参数的设定进行快速识别之外,还可以通过大数据利用自学习的AI识别方式进行进一步的识别,这种识别的困难在于大数据的获取较为困难,因此,在生产线正式开启之前需要进行大数据的自学习过程。这个过程中,由于瑕疵布匹的数量有限,又缺少现有大数据库,因此只能通过本发明的大数据获取台,将人工设定好的瑕疵布匹进行重复利用,利用的过程包括通过光照调整和抖动形成不同形状,不同光照条件下的瑕疵数据和正品数据,瑕疵数据和正品数据质检通过标签进行判断结果的直接区分,如此,可以在少数相同的布匹上提供不同种类的瑕疵,并通过抖动曝光等手段形成不同形式的大数据和判断结果,由这些数据进行大数据的自学习,可以得到一个完整的智能判断方式,在此基础上,正式工作时,识别电脑可以通过人工设定的参数进行第一次的快速识别,判断出三种布匹情况,确定为瑕疵的瑕疵状态、确定为正品的正常和不确定瑕疵的待定状态,然后由大数据学习后的识别电脑进行进一步的判断,从而将不确定的瑕疵区分为确定的瑕疵和确定的正品,提高了检测的准确性,更进一步的是,不确定的瑕疵位置由识别电脑记录后,可以由人工进行准确性最终判定,经过人工准确性最终判定的瑕疵进入数据库中共识别用电脑进行重复的大数据学习,这个步骤可以提高大数据的来源丰富性,从而进一步提高识别的准确性。更进一步的,由于在初步判断的过程中,不需要直接对所有的判断区域完成所有的判断,因此,可以采用模糊计算中的隶属度方式进行分段区分,例如根据亮度变化率建立一个隶属度函数,对存在亮度数据变化的区域,根据亮度变化值代入建立的隶属度函数判断当前位置的瑕疵的隶属度、正品的隶属度和待定的隶属度,当待定的隶属度大于设定值时进入大数据判断模式,当瑕疵的隶属度大于设定值时直接判读为瑕疵,通过这个方法进行瑕疵和待定的区别,这个做法而不需要像之前的所有判断直接进行阈值的区分,提高了初次判断的准确性,降低了需要进行二次判断的量,而二次判断在数据充分去情况下,准确性也会逐步走高,而且,由于经过了初次判断,也就是说这个瑕疵本身就是属于细微、极细微的瑕疵,一般甚至是可以认为处于瑕疵和正品之间,即使出现了漏检和错检不会对最终产品的声誉造成影响。本发明结合了快速的初次判断和精准的大数据判断,降低了大数据判断的工作范围,降低了运算量,保证了快速识别和准确识别两者兼顾。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (9)
1.一种布匹表面瑕疵在线监测装置,其特征在于,配置在布匹印染生产线上,包括识别用电脑、用于打设瑕疵标签的标签机、编码器、正光源、背光源和识别相机,所述正光源配置在所述背光源的上方,所述正光源包括中心为矩形孔的回字形光源台,光源台的光源均匀布置在所述矩形孔的长边两侧,所述识别相机配置在所述矩形孔的上方,所述识别相机、正光源和背光源形成与布匹垂直的直线,所述识别相机的输出端与所述识别用电脑电连接,所述标签机位于识别相机的后方且动作端对准布匹,所述标签机的控制端与识别用电脑连接,所述编码器用于检测当前布匹的传输速度,所述编码器的输出端与识别用电脑连接;识别用电脑在执行在线监测工作前通过大数据获取台进行大数据采集,所述大数据获取台包括带有瑕疵的布匹、往复传输带、正面可调光源、背面可调光源、抖动装置和编码器,编码器安装在往复传输带上对往复传输带传输距离进行编码读取,所述识别相机安装在所述往复传输带上,所述带有瑕疵的布匹安装在往复传输带上,所述正面可调光源、背面可调光源和识别相机与带有瑕疵的布匹相垂直形成直线,所述正面可调光源和背面可调光源的控制端均与所述识别用电脑的输出端连接,所述抖动装置对带有瑕疵的布匹传动,所述正面可调光源和背面可调光源的亮度可调范围大于等于所述正光源的亮度调节范围。
2.根据权利要求1所述的布匹表面瑕疵在线监测装置,其特征在于:所述识别相机为工业线阵CCD相机,所述正光源和所述背光源均为可调的LED线性聚光冷光源,所述正光源和所述背光源的宽度相等且大于所述布匹的宽度。
3.根据权利要求2所述的布匹表面瑕疵在线监测装置,其特征在于:所述识别相机为两台相同的工业线阵CCD相机,且两台工业线阵CCD相机形成的直线与布匹垂直。
4.根据权利要求3所述的布匹表面瑕疵在线监测装置,其特征在于:所述识别用电脑的输出端还与布匹生产线上的修复装置和报警装置连接,所述标签机、编码器、正光源、背光源和识别相机均通过控制柜与识别用电脑连接,所述识别用电脑还配置有打印机。
5.根据权利要求1所述的布匹表面瑕疵在线监测装置,其特征在于:所述抖动装置包括若干个吹气管和/或抽风管,吹气管和抽风管位于带有瑕疵的布匹的附近,且吹气管和抽风管与带有瑕疵的布匹的夹角各不相同,所述若干个吹气管和/或抽风管的控制端接收的控制信号为随机控制信号。
6.根据权利要求1所述的布匹表面瑕疵在线监测装置,其特征在于:所述往复传输带包括一个主动辊和一个从动辊,所述抖动装置中还包括有若干个偏心辊,所述主动辊与所述从动辊将往复传输带张紧,所述若干个偏心辊与所述往复传输带贴合。
7.根据权利要求1所述的布匹表面瑕疵在线监测装置,其特征在于:所述大数据获取台还包括有一个标签读取装置,所述带有瑕疵的布匹侧面对应瑕疵位置设置有瑕疵标签,所述瑕疵标签内包含瑕疵在布匹中的横轴位置信息。
8.一种布匹表面瑕疵在线监测方法,适用于如权利要求5所述的布匹表面瑕疵在线监测装置,其特征在于,
步骤一:布匹生产线运行,光源台的光源启动,编码器检测当前布匹生产线传输速度,识别用电脑根据编码器数据确定当前布匹的位置;
步骤二:识别相机监测当前光源范围内布匹的图像并向识别用电脑进行传输,识别用电脑接收布匹的图像信息;
步骤三:识别用电脑根据预定参数进行识别,识别中分为正常和瑕疵状态,若存在瑕疵,则识别用电脑发送控制命令至标签机,由标签机根据设定的时间对布匹进行标记。
9.根据权利要求8所述的布匹表面瑕疵在线监测方法,其特征在于:在执行所述步骤一前,首先执行大数据自学习步骤,
大数据自学习步骤一,将若干带有瑕疵的布匹放置在大数据获取台上进行重复运行;
大数据自学习步骤二,抖动装置运行将带有瑕疵的布匹进行抖动,同时正面可调光源和背面可调光源进行随机调节,由识别相机采集不同状态下的带有瑕疵的布匹图像信息传输至识别用电脑,同时,由标签读取装置将对应存在有瑕疵的图像信息的编码传输至识别用电脑;
大数据自学习步骤三,由识别用电脑进行大数据自学习;
大数据自学习步骤四,当识别用电脑的大数据瑕疵判断正确率大于设定值,且识别用电脑的大数据瑕疵判断所需时间小于传输带将值布匹瑕疵从识别相机下方传输至标签机位置所需时间时,完成大数据自学习步骤;
在所述步骤三中,识别用电脑根据预定参数进行初步识别,识别中分为正常、待定和瑕疵状态,若存在待定图片,则由识别用电脑启动大数据瑕疵判断方式对待定图片进行判断,判断结果分为正常和瑕疵状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010528134.6A CN111707675B (zh) | 2020-06-11 | 2020-06-11 | 布匹表面瑕疵在线监测装置及其监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010528134.6A CN111707675B (zh) | 2020-06-11 | 2020-06-11 | 布匹表面瑕疵在线监测装置及其监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111707675A CN111707675A (zh) | 2020-09-25 |
CN111707675B true CN111707675B (zh) | 2024-05-14 |
Family
ID=72540859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010528134.6A Active CN111707675B (zh) | 2020-06-11 | 2020-06-11 | 布匹表面瑕疵在线监测装置及其监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111707675B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324999B (zh) * | 2021-08-04 | 2021-10-15 | 南通市通州卧特曼家用纺织品有限公司 | 一种床品瑕疵双面检测定位设备 |
CN113640303A (zh) * | 2021-08-09 | 2021-11-12 | 联宝(合肥)电子科技有限公司 | 一种用于笔记本电脑的表面瑕疵检验设备及其检测方法 |
CN114264661B (zh) * | 2021-12-06 | 2024-05-31 | 浙江大学台州研究院 | 一种清晰度自适应的卷材检测方法及装置、系统 |
CN114486903B (zh) * | 2021-12-06 | 2024-05-14 | 浙江大学台州研究院 | 一种灰度自适应的卷材检测系统及装置、算法 |
CN114910483B (zh) * | 2022-07-15 | 2022-11-04 | 中科视语(北京)科技有限公司 | 超晶板质量检测装置、方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205317684U (zh) * | 2015-12-22 | 2016-06-15 | 无锡市同威软件有限公司 | 基于图像的染布瑕疵检测系统 |
CN205484100U (zh) * | 2016-01-11 | 2016-08-17 | 深圳市麦克斯泰有限公司 | 布匹的瑕疵离线检测系统 |
CN108414528A (zh) * | 2018-02-23 | 2018-08-17 | 杭州如涵控股股份有限公司 | 面料瑕疵图片标记辅助系统 |
CN110596126A (zh) * | 2018-05-25 | 2019-12-20 | 上海翌视信息技术有限公司 | 一种基于图像采集的片状玻璃边缘瑕疵检测方法 |
CN110672635A (zh) * | 2019-12-04 | 2020-01-10 | 杭州利珀科技有限公司 | 一种布匹疵点检测装置及实时检测方法 |
-
2020
- 2020-06-11 CN CN202010528134.6A patent/CN111707675B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205317684U (zh) * | 2015-12-22 | 2016-06-15 | 无锡市同威软件有限公司 | 基于图像的染布瑕疵检测系统 |
CN205484100U (zh) * | 2016-01-11 | 2016-08-17 | 深圳市麦克斯泰有限公司 | 布匹的瑕疵离线检测系统 |
CN108414528A (zh) * | 2018-02-23 | 2018-08-17 | 杭州如涵控股股份有限公司 | 面料瑕疵图片标记辅助系统 |
CN110596126A (zh) * | 2018-05-25 | 2019-12-20 | 上海翌视信息技术有限公司 | 一种基于图像采集的片状玻璃边缘瑕疵检测方法 |
CN110672635A (zh) * | 2019-12-04 | 2020-01-10 | 杭州利珀科技有限公司 | 一种布匹疵点检测装置及实时检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111707675A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707675B (zh) | 布匹表面瑕疵在线监测装置及其监测方法 | |
CN101576508B (zh) | 芯片外观缺陷自动检测装置及检测方法 | |
CN203750868U (zh) | 基于计算机视觉的毛边检测装置 | |
CN201434842Y (zh) | 芯片外观缺陷自动检测装置 | |
CN107643295A (zh) | 一种基于机器视觉的布匹缺陷在线检测的方法和系统 | |
CN111220544A (zh) | 一种镜片质量检测装置及检测方法 | |
CN113962962B (zh) | 一种玻纤的短切纱罗拉绕丝检测方法 | |
CN106841222A (zh) | 一种用于自动验布的图像检测系统 | |
KR100938318B1 (ko) | 직물 검사방법과 그 장치 | |
CN104132945A (zh) | 一种基于光纤传导的棒材表面质量在线视觉检测装置 | |
CN110346377A (zh) | 基于机器视觉的无纺布表面检测系统及其检测方法 | |
CN108120353A (zh) | 一种基于智能相机的传火孔检测装置及其方法 | |
CN204789383U (zh) | 布料缺陷的检测系统 | |
CN114187348B (zh) | 一种基于计算机视觉的电缆护套断裂伸长率测量方法 | |
CN108776966A (zh) | 一种磁体外观缺陷检测的方法及系统 | |
KR20230137584A (ko) | 원단 결함 검출을 위한 비전검사 시스템 | |
CN112881427B (zh) | 可见光和红外热成像的电子元器件缺陷检测装置及方法 | |
CN113376175A (zh) | 一种基于图像特征的涡流纺断纱检测方法 | |
CN206178859U (zh) | 一种喷码检测识别装置 | |
CN211079719U (zh) | 集成于织机上的机器视觉验布系统 | |
CN201345056Y (zh) | 一种橡胶生产在线监测装置 | |
CN105699386B (zh) | 一种采用接触式图像传感器的自动验布标记方法 | |
CN105973910A (zh) | 基于结构纹理特征的灯管质量检测与瑕疵分类方法及系统 | |
CN110605244A (zh) | 一种产品品质检测装置 | |
CN107014830A (zh) | Ito导电玻璃检测方法与检测装置 |
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 |