CN111721765A - 一种纺织品纤维识别与成分检测系统及其使用方法 - Google Patents

一种纺织品纤维识别与成分检测系统及其使用方法 Download PDF

Info

Publication number
CN111721765A
CN111721765A CN201910224147.1A CN201910224147A CN111721765A CN 111721765 A CN111721765 A CN 111721765A CN 201910224147 A CN201910224147 A CN 201910224147A CN 111721765 A CN111721765 A CN 111721765A
Authority
CN
China
Prior art keywords
fiber
automatic focusing
detection system
textile
microscope
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
CN201910224147.1A
Other languages
English (en)
Inventor
樊哲新
龚晟
陈华
王子石
高茂胜
余娟
杨知方
王文
温力力
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201910224147.1A priority Critical patent/CN111721765A/zh
Publication of CN111721765A publication Critical patent/CN111721765A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明公开了一种纺织品纤维识别与成分检测系统及其使用方法，涉及纺织品的纤维成分检测领域，目的是解决现有纺织品成分检测系统的不足，提供一种无污染、自动化、无人化的纺织品成分检测装置及其使用方法，提高检测的准确度。为实现本发明目的而采用的技术方案是这样的，显微镜镜筒内部安装同轴点光源，借反光镜将同轴点光源自上而下的平行光，反射回去，形成对被观测纤维的透射效果，使得被观测对象更立体，内部和表面纹理特征更真切。同时，XY运动平台可对被观测纤维进行全面观测和拍照，使用自动对焦相机可降低人力成本，可提高检测的准确度。

Description

一种纺织品纤维识别与成分检测系统及其使用方法
技术领域
本发明涉及纺织品的纤维成分检测领域。
背景技术
目前，纺织品成分检测主要由人工实施，传统的方法包含的方法有化学法和显微镜观察法。化学法主要利用不同化学试剂对不同纤维在不同温度下的溶解特性可对部分纤维的成分进行定量分析。显微镜观察法的流程为检测员将待测纺织品样本制作为玻片，手动调节显微镜的移动，用肉眼去分辨纺织品纤维的微观形状，判断样本面料的种类，并计量尺寸。传统的纺织品成分检测方法主要有如下缺陷：化学法会产生大量硫酸废液等，严重污染检测场所、危害检测人员健康，且根据国家环保要求，不能排放、难以回收；整个流程由人工实施，效率低下，需消耗大量人力资源，人力成本高；纺织品检验所工作人员每天使用显微镜观测长达8-10小时，时间长、强度高、重复性强，长时间工作会产生疲劳，导致准确度下降。
同时，传统显微镜下的纺织品纤维成像的亮度较低，内部和表面纹理特征不够真切，降低了检测的准确度。因此，亟需将新的无污染、自动化、无人化的新技术引入到纺织品成分检测行业中，以解决传统检测系统的各种缺陷。
发明内容
本发明的目的是解决现有纺织品成分检测系统的不足，提供一种无污染、自动化、无人化的纺织品成分检测系统及其使用方法，提高检测的准确度。
为实现本发明目的而采用的技术方案是这样的，一种纺织品纤维识别与成分检测系统及其使用方法，其特征在于：包括自动对焦相机、单筒显微镜、载玻片、载物板和反光镜，所述自动对焦相机安装在单筒显微镜的目镜上端。所述单筒显微镜的物镜正下方放置有载玻片，所述载玻片用于承载待检测的纺织品纤维。所述载玻片放置在载物板的上表面，所述载物板具有贯穿其上下表面的方孔，所述方孔位于载玻片的正下方。所述载物板的下表面设置有镜面朝上的反光镜，所述反光镜位于方孔的正下方。
进一步，所述单筒显微镜设置有同轴点光源，所述同轴点光源发射的同轴光射向物镜。
进一步，所述单筒显微镜为一种自动对焦的显微镜。
进一步，所述载玻片的下表面和反光镜的上表面的距离为5mm，即所述载物板的厚度为5mm。
进一步，所述载物板的一端固定在XY运动平台上，所述XY运动平台两个方向的轨道均连接有步进电机，每个所述步进电机均电气连接有伺服器和电源适配器。所述伺服器和电源适配器之间电气连接。每个所述伺服器通过USB线与上位机连接。
进一步，所述自动对焦相机通过USB线与上位机连接。
基于上述纺织品纤维识别与成分检测系统的使用方法，包括以下步骤：
打开所述自动对焦相机的开关、同轴点光源开关和单筒显微镜的自动对焦开关。
启动所述上位机，通过应用程序向各个伺服器发送平台移动指令，所述伺服器控制对应的步进电机转动，所述步进电机带动XY运动平台滑动，从而改变了所述载物板上载玻片的位置。
所述上位机通过应用程序向自动对焦相机发送拍照指令，所述自动对焦相机透过单筒显微镜的目镜进行拍照。
所述自动对焦相机拍下图片，并保存到相应的目录。然后所述自动对焦相机向上位机发送完成拍照指令，所述上位机接收到完成拍照指令后，重复上述步骤，直到完成整个待观察纺织品样本的拍摄。
本发明的技术效果是毋庸置疑的，借反光镜将同轴点光源自上而下的平行光，反射回去，形成对被观测纤维的透射效果，使得被观测对象更立体，内部和表面纹理特征更真切。同时，XY运动平台可对被观测纤维进行全面观测和拍照，使用自动对焦相机可降低人力成本，可提高检测的准确度。
附图说明
图1为新型纺织品纤维识别与成分检测系统内部结构图；
图2为新型纺织品纤维识别与成分检测系统外观图；
图3为载物板、方孔、载玻片和反射镜位置关系图；
图4为同轴点光源位置图；
图5为新型检测装置与传统检测系统成像对比照片；
图6为完整的单根纤维照片；
图7为不完整的单根纤维照片；
图8为纤维交叉点定位模型；
图9为异常纤维过滤模型；
图10为异常纤维过滤模型处理流程；
图11为纤维识别与质量分析模型。
图中：自动对焦相机1、单筒显微镜2、同轴点光源201、支撑杆202、加强件2021、载玻片3、载物板4、方孔401、反光镜5、XY运动平台6、步进电机7、伺服器8、电源适配器9、外壳10、底座框11和脚垫12。
具体实施方式
下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
实施例1：
本实施例公开了一种纺织品纤维识别与成分检测系统，包括自动对焦相机1、单筒显微镜2、载玻片3、载物板4和反光镜5。参见图1，所述自动对焦相机1安装在单筒显微镜2的目镜上端，所述自动对焦相机1用于拍摄单筒显微镜2的成像照片。所述自动对焦相机1通过USB线与上位机连接。所述上位机可向自动对焦相机1发送拍照指令，同时，所述上位机也可以接收自动对焦相机1发送的拍照完成指令。
参见图4，所述单筒显微镜2目镜与物镜之间的镜筒内壁上安装有同轴点光源201，所述同轴点光源201向单筒显微镜2的分光镜发射光线，反射光照射在物镜上。
所述单筒显微镜2可以采用现有的自动对焦的显微镜，所述单筒显微镜2的物镜正下方放置有载玻片3。所述载玻片3用于承载待检测的纺织品纤维。所述载玻片3的制作过程如下：将待观察纺织品拆分成合适大小的样本，随后将样本放入切片器当中。在纤维上方放入少量纸巾，合上切片器，并且确定切片器之间没有空隙，确保纤维能够夹紧夹稳。切除前后多余纤维，旋转推扭，使得少部分纤维从切片器当中推出。切除此部分推出纤维，确保后续旋转推扭动作有效将纤维推出，旋转推扭，毛绒纤维旋转10格(±2格)，棉麻纤维旋转8格(±2格)。将旋转推扭后推出纤维切出，置于载玻片中央。使用胶头滴管吸取石蜡，将胶头滴管悬浮在载玻片中央上方，缓缓滴入石蜡，控制在较小一滴的量。用针将纤维搅拌均匀。最后盖上盖玻片，使用针将盖玻片抵住，缓缓盖上，完成制片。
所述单筒显微镜2的镜臂与支撑杆202的上端连接，对所述支撑杆202的下端进行固定。
参见图2，所述自动对焦相机1、单筒显微镜2和支撑杆202的组合体外表面设置有外壳10，所述外壳10预留有单筒显微镜2的物镜孔洞、调节旋钮孔洞。
参见图3，所述载玻片3放置在载物板4的上表面，所述载物板4具有贯穿其上下表面的方孔401，所述方孔401的尺寸为25mm×25mm，所述方孔401位于载玻片3的正下方。所述载物板4的下表面设置有镜面朝上的反光镜5，所述反光镜5位于方孔401的正下方。所述载玻片3的下表面和反光镜5的上表面的距离为5mm，即所述载物板4的厚度为5mm。
参见图1，所述载物板4的一端固定在XY运动平台6上，所述XY运动平台6两个方向的轨道均连接有步进电机7，每个所述步进电机7均电气连接有伺服器8和电源适配器9。所述伺服器8和电源适配器9之间电气连接。每个所述伺服器8通过USB线与上位机连接。所述上位机可向每个伺服器8发送运动指令。
参见图2，所述单筒显微镜2的下方设置有底座框11，所述底座框11的形状为空心长方体，所述XY运动平台6、步进电机7、伺服器8和电源适配器9均位于底座框11内部。所述底座框11的顶板预留有载物板4的通孔Ⅰ和支撑杆202的通孔Ⅱ，所述载物板4的上表面与底座框11顶板的上表面重合。所述底座框11底板的下表面连接有若干均匀分布的脚垫12。
参见图1，所述支撑杆202下端与底座框11底板连接处设置有加强件2021，所述加强件2021具有贯穿其上下板面的通孔Ⅲ，所述通孔Ⅲ的直径与支撑杆202的直径相匹配，所述加强件2021的下端与底座框11底板的上表面连接。所述支撑杆202下端穿过通孔Ⅱ、通孔Ⅲ连接到底座框11底板的上表面。
实施例2：
本实施例公开了一种纺织品纤维识别与成分检测系统的使用方法，基于实施例1所述的一种纺织品纤维识别与成分检测系统，包括以下步骤：
1.将待观察纺织品拆分成合适大小的样本，随后将样本放入切片器当中。在纤维上方放入少量纸巾，合上切片器，并且确定切片器之间没有空隙，确保纤维能够夹紧夹稳。切除前后多余纤维，旋转推扭，使得少部分纤维从切片器当中推出。切除此部分推出纤维，确保后续旋转推扭动作有效将纤维推出，旋转推扭，毛绒纤维旋转10格(±2格)，棉麻纤维旋转8格(±2格)。将旋转推扭后推出纤维切出，置于载玻片中央。使用胶头滴管吸取石蜡，将胶头滴管悬浮在载玻片中央上方，缓缓滴入石蜡，控制在较小一滴的量。用针将纤维搅拌均匀。最后盖上盖玻片，使用针将盖玻片抵住，缓缓盖上，完成制片。
2.参见图3，将含有待观察纺织品样本的载玻片3放置在所述载物板4的上表面，确保待观察纺织品样本位于所述方孔401的正上方。
3.参见图3，在所述载物板4的下表面设置有反光镜5，所述反光镜5位于方孔401的正下方，所述反光镜5的镜面朝上。
4.打开所述自动对焦相机1的开关、同轴点光源201的开关和单筒显微镜2的自动对焦开关。确保所述同轴点光源201能通过单筒显微镜2的物镜向下投射。光束到达所述载玻片3后，有一部分光被纤维表面反射回去；另一部分穿透所述载玻片3到达反光镜5，再经所述反光镜5反射后到达载玻片3，到达载玻片3后，光穿透纤维或打到纤维侧面，回到所述单筒显微镜2的物镜。
5.开启所述上位机，所述上位机通过应用程序向各个伺服器8发送平台移动指令，所述伺服器8控制对应的步进电机7转动，所述步进电机7每次转动的距离为X轴＝0.9mm，Y轴＝0.6mm。所述步进电机7带动XY运动平台6滑动，从而改变了所述载物板4上载玻片3的位置。
6.所述上位机通过应用程序向自动对焦相机1发送拍照指令，所述自动对焦相机1透过单筒显微镜2的目镜进行拍照。
7.所述自动对焦相机1拍下图片，并保存到相应的目录。然后，所述自动对焦相机1向上位机发送完成拍照指令，所述上位机接收到完成拍照指令后，重复所述步骤5和步骤6，直到完成整个待观察纺织品样本的拍摄。参见图5，图中为新型检测系统(a部分)与传统检测系统成像(b部分)对比照片。
实施例3：
本实施例基于实施例2的纺织品纤维识别与成分检测系统及其使用方法。通过该方法，获得若干幅各种类型的纺织品纤维样品的显微照片，即构建数据样本集，并存储在所述上位机中。利用所述样本集，建立纺织品纤维识别模型。在模型建立后，亦通过该方法获得待测纺织品纤维的图片，送入模型，以检验纺织品纤维的种类。
具体地，建立纤维交叉点定位模型的主要步骤如下：
1)利用所述自动对焦相机1获取若干尺寸相同的交叉纤维图像，对交叉纤维图像中的纤维交叉点进行标记，并打上标签。
2)基于标记好的交叉纤维图像，分别建立交叉纤维训练集和交叉纤维验证集。
3)将交叉纤维训练集输入到神经网络中，对神经网络进行训练。
4)将交叉纤维验证集输入到神经网络中，对神经网络进行验证，并根据验证结果调整神经网络的参数，从而得到纤维交叉点定位模型，如图8所示。
具体地，建立异常纤维过滤模型的主要步骤如下：
1)利用自动对焦相机1获取若干尺寸相同的包含异常纤维的图像，根据图像中的异常情况进行标记，并打上标签。
2)基于若干包含异常纤维的图像，建立异常纤维训练集和异常纤维验证集。所述包含异常纤维的图像为长宽相等的正方形卷积核。
3)将异常纤维训练集输入到神经网络中，对神经网络进行训练。
4)将异常纤维验证集输入到神经网络中，对神经网络进行验证，并根据验证结果调整神经网络的参数，从而得到异常纤维过滤模型，如图9和图10所示。
具体地，建立纤维识别与质量分析模型的主要步骤如下：
1)利用自动对焦相机1获取若干尺寸相同的包含各类纤维的图像，并利用纤维交叉点定位模块将图像中的多根纤维定位并拆分成若干单根纤维图像。
2)对若干单根纤维图像进行处理，得到若干长宽相等、尺寸相同的图像。处理后的单根纤维图像为长宽相等的正方形卷积核。按照纤维种类对处理后的单根纤维图像进行分类和标记，并打上标签。
3)基于分类后的单根纤维图像，获取不同种类纤维的训练集和验证集。
4)将不同种类纤维的训练集输入到神经网络中，对神经网络进行训练。
5)将不同种类纤维的验证集输入到神经网络中，对神经网络进行验证，并根据验证结果调整神经网络的参数，得到纤维识别与质量分析模型，如图11所示。
各个模型建立完成后，所述自动对焦相机1拍摄待检测纤维的照片，并依次输入到所述上位机中的纤维交叉点定位模型、异常纤维过滤模型、纤维识别与质量分析模型，识别纤维的种类。
所述上位机将待检测样本的图像导入纤维交叉点定位模型中，实现自动对图像中的纤维交叉点进行定位和删除。
纤维交叉点定位模型删除纤维交叉点的主要步骤如下：
I)根据纤维交叉点定位模型找到交叉点中心位置，并且由神经网络动态预测出纤维的宽度，记为D。纤维的宽度范围为0～50微米。
II)在图像中，确定以交叉点中心位置为圆心的圆形区域C，其半径的尺寸主要由纤维宽度D和神经网络预测动态确定，范围在[0.3D,1.5D]之间。
III)采用与图像背景色相近的像素值替代C区域的原始像素，实现交叉点的删除。其中与背景色相近像素RGB理想值为除去纤维以外部分所有像素RGB值的平均值，三个通道值记为[R,G,B]。实际确定背景色相近像素RGB误差范围应该不超过±20，即[R±20,G±20,B±20]。
参见图6或7，所述上位机对删除纤维交叉点后的图像进行拆分，得到若干只含有完整的单根纤维琥珀不完整的单根纤维的图像。
纤维交叉点定位模型包括：
第一层：自定义分类网络，常用的神经网络模型主要包括LeNet-5，AlexNet，GoogLeNet，VGG等，本实施例采用VGG_base。
第二到十一层：
Conv6-Conv7-Conv8_2-Conv9_2-Conv10_2-Conv11_2。
第三层：全链接层。
所述上位机将若干只含有单根纤维的图像导入异常纤维过滤模型中，利用异常纤维过滤模型的Softmax函数过滤异常纤维图像，得到若干正常纤维图像。所述正常纤维图像为完整的单根纤维或不完整的单根纤维。异常纤维图像指的是图像中纤维破损，或者成像模糊，图中含有杂质、气泡等情况。正常纤维图像的纤维长度范围为[0.1mm，0.5mm]，纤维宽度小于50um。
Softmax函数σ(z)＝(σ1(z),…,σm(z))定义如下：
Figure BDA0002004540620000081
式中，m为类别总数。Zj是第j个类别的线性预测结果。
其中，
Figure BDA0002004540620000082
是第g个类别的线性预测结果，将此公式代入上述公式对其取非负，并且除以所有项之和进行归一化，得到的值σg＝σg(z)就是数据x属于类别g的概率。x为训练集数据。然后Softmax回归的目标是根据最大化似然函数原则，在目标函数中，我们则是要最小化损失函数，所以使用最小化log似然函数的原则。所以Softmax-Loss函数的定义如下：
L(y,o)＝-log(oy)
y为异常纤维过滤模型的输出。Oy为输出函数。
Figure BDA0002004540620000083
Zy为第y个类别的线性预测结果。
通过最小化损失函数，可以得到拟合数据的最优模型。
异常纤维过滤模型的结构包含：
第一层：5x5，32深度的2D卷积。
第二层：5x5，64深度的2D卷积。
第三层：Flattenizer。
第四层：无激活函数的全连接层。
第五层：Softmax分类。
所述上位机将若干正常纤维图像导入纤维识别与质量分析模型中，识别每张正常纤维图像中纤维的种类，并计算纤维质量。
纤维识别与质量分析模型包含：
(Input)-(Stem)-(5×Inception-resnet-A)-(Reduction-A)-(10×Inception-resnet-B)-(Reduction-B)-(5×Inception-resnet-C)-(Average-Pooling)-(Dropout)-(Softmax)
其中input输入为分辨率299×299的3通道图片，Stem由11个卷积层和2个Maxpool层组成，Inception-resnet-A由7个卷积层与1个直联通路构成，Reduction-A由4个卷积层和1个MaxPool层构成，Inception-resnet-B由5个卷积层与1个直联通路构成，Reduction-B由7个卷积层和1个MaxPool层构成，Inception-resnet-C由5个卷积层与1个直联通路构成。
在已经识别出纤维种类的纤维图片中，沿着图片的宽(图片较短边)，等距的扫描，在每个扫描方向上，检测纤维的两个边缘距离同一边(图片较长边)的距离d1,d2，两个距离之差的绝对值为|d1-d2|，对每个扫描方向上获得的|d1-d2|取平均值，这个平均值记为纤维的宽，最后将纤维的宽带入到该类纤维对应的质量计算公式中，获得纤维的相对质量。
所述上位机基于纤维的种类和质量，得到每类纤维成分比，并生成待测样本各类纤维成分占比的分析报告。
Figure BDA0002004540620000091
n为纤维类别总数。
纺织品成分质量比例详细计算公式如下。
某组分纤维的平均直径D和标准差S按以下公式计算：
Figure BDA0002004540620000092
Figure BDA0002004540620000093
式中，D为纤维平均直径，单位为微米(μm)，A为组中值，单位为微米(μm)，F为测量根数，S为标准差，单位为微米(μm)，平均直径和标准差的试验结果按GB/T8170修约至两位小数。
各组分纤维质量百分比按以下公式计算：
Figure BDA0002004540620000101
式中，Pi为某组分纤维质量百分比％，Ni为某组分纤维的计数根数，Di为某组分纤维平均直径，单位为微米(μm)，Si为某组分纤维平均直径标准差，单位为微米(μm)，ρi为某组分纤维的密度，单位为克每立方厘米(g/cm3)。
常用动物纤维密度表
纤维种类 密度g/cm3
山羊绒(毛) 1.30
羊驼毛 1.30
绵羊毛 1.31
纺织品类别主要包括天然纤维和化学纤维。天然纤维主要包括植物纤维，如棉、麻、竹等，动物纤维，如羊毛、蚕丝、驼毛、兔毛等，矿物纤维，如玻璃纤维、石棉等。化学纤维主要包括再生纤维和合成纤维。再生纤维主要包括再生纤维素纤维，如天丝、莫代尔等，再生蛋白质纤维，如大豆纤维、牛奶纤维等。合成纤维主要包括聚酯纤维、聚酰胺纤维、聚丙烯腈纤维、聚氨酯纤维、聚丙烯纤维。

Claims (7)

1.一种纺织品纤维识别与成分检测系统，其特征在于：包括自动对焦相机(1)、单筒显微镜(2)、载玻片(3)、载物板(4)和反光镜(5)，所述自动对焦相机(1)安装在单筒显微镜(2)的目镜上端；所述单筒显微镜(2)的物镜正下方放置有载玻片(3)，所述载玻片(3)用于承载待检测的纺织品纤维；所述载玻片(3)放置在载物板(4)的上表面，所述载物板(4)具有贯穿其上下表面的方孔(401)，所述方孔(401)位于载玻片(3)的正下方；所述载物板(4)的下表面设置有镜面朝上的反光镜(5)，所述反光镜(5)位于方孔(401)的正下方。
2.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于：所述单筒显微镜(2)设置有同轴点光源(201)，所述同轴点光源(201)发射的同轴光射向物镜。
3.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于：所述单筒显微镜(2)为一种自动对焦的显微镜。
4.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于：所述载玻片(3)的下表面和反光镜(5)的上表面的距离为5mm，即所述载物板(4)的厚度为5mm。
5.根据权利要求1所述的一种纺织品纤维识别与成分检测系统，其特征在于：所述载物板(4)的一端固定在XY运动平台(6)上，所述XY运动平台(6)两个方向的轨道均连接有步进电机(7)，每个所述步进电机(7)均电气连接有伺服器(8)和电源适配器(9)；所述伺服器(8)和电源适配器(9)之间电气连接；每个所述伺服器(8)通过USB线与上位机连接。
6.根据权利要求1或5所述的一种纺织品纤维识别与成分检测系统，其特征在于：所述自动对焦相机(1)通过USB线与上位机连接。
7.一种纺织品纤维识别与成分检测系统的使用方法，基于权利要求1所述的一种纺织品纤维识别与成分检测系统，包括以下步骤：
1)打开所述自动对焦相机(1)的开关、同轴点光源(201)开关和单筒显微镜(2)的自动对焦开关；
2)启动所述上位机，通过应用程序向各个伺服器(8)发送平台移动指令，所述伺服器(8)控制对应的步进电机(7)转动，所述步进电机(7)带动XY运动平台(6)滑动，从而改变了所述载物板(4)上载玻片(3)的位置；
3)所述上位机通过应用程序向自动对焦相机(1)发送拍照指令，所述自动对焦相机(1)透过单筒显微镜(2)的目镜进行拍照；
4)所述自动对焦相机(1)拍下图片，并保存到相应的目录；然后所述自动对焦相机(1)向上位机发送完成拍照指令，所述上位机接收到完成拍照指令后，重复所述步骤2和步骤3，直到完成整个待观察纺织品样本的拍摄。
CN201910224147.1A 2019-03-22 2019-03-22 一种纺织品纤维识别与成分检测系统及其使用方法 Pending CN111721765A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910224147.1A CN111721765A (zh) 2019-03-22 2019-03-22 一种纺织品纤维识别与成分检测系统及其使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910224147.1A CN111721765A (zh) 2019-03-22 2019-03-22 一种纺织品纤维识别与成分检测系统及其使用方法

Publications (1)

Publication Number Publication Date
CN111721765A true CN111721765A (zh) 2020-09-29

Family

ID=72563616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910224147.1A Pending CN111721765A (zh) 2019-03-22 2019-03-22 一种纺织品纤维识别与成分检测系统及其使用方法

Country Status (1)

Country Link
CN (1) CN111721765A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677062A (zh) * 2022-05-27 2022-06-28 南通隆特家纺有限公司 一种家纺纤维面料生产质量监控系统
CN114693680A (zh) * 2022-05-31 2022-07-01 季华实验室 织物纤维的检测方法、电子设备及计算机可读存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677062A (zh) * 2022-05-27 2022-06-28 南通隆特家纺有限公司 一种家纺纤维面料生产质量监控系统
CN114677062B (zh) * 2022-05-27 2022-08-12 南通隆特家纺有限公司 一种家纺纤维面料生产质量监控系统
CN114693680A (zh) * 2022-05-31 2022-07-01 季华实验室 织物纤维的检测方法、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN102023148B (zh) 荧光纳米显微方法
CN104439695B (zh) 一种激光加工系统的视觉检测装置
DE102019114117B3 (de) Automatische Workflows basierend auf einer Erkennung von Kalibrierproben
RU2019115141A (ru) Cистема и способ выполнения автоматизированного анализа проб воздуха
CN110793946A (zh) 一种真菌样本显微成像及智能识别系统及方法
JP2004514920A (ja) 全自動迅速顕微鏡用スライドスキャナ
CN111443028A (zh) 一种基于ai技术的浮游藻类自动监测设备与方法
CN207992060U (zh) 一种微孔板成像检测装置
DE102010029216A1 (de) Inspektions- bzw. Prüfsysteme für Glastafeln
CN104181171A (zh) 对圆孔工件的内外壁进行图像拍摄的方法和装置
CN111721765A (zh) 一种纺织品纤维识别与成分检测系统及其使用方法
JP5274731B1 (ja) 観察システム、プログラム及び観察システムの制御方法
CN105021628A (zh) 一种用于光纤倒像器表面缺陷的检测方法
CN101918809A (zh) 识别和处理微粒的方法和设备
CN116223519A (zh) 晶圆检测设备、检测方法、系统及可读存储介质
CN107741425A (zh) 一种用于增材制造的表面缺陷实时检测装置
CN106442528A (zh) 纤维成份含量的双摄像头显微镜测试装置及测试方法
CN111665243A (zh) 一种纺织品纤维识别与成分检测系统
CN112432954A (zh) 一种编织管瑕疵检测方法
CN110361382A (zh) 一种染色体扫描成像系统
CN208255072U (zh) 一种全自动化的肠道寄生虫虫卵诊断成像系统
DE102004008762A1 (de) Verfahren und Vorrichtung zur Detektion und zum Identifizieren von Biopartikeln
CN209707390U (zh) 一种纺织品纤维显微成像装置
DE102008028869A1 (de) Verfahren und Vorrichtung zur Inspektion eines scheibenförmigen Gegenstandes
Allen et al. Machine vision for automated optical recognition and classification of pollen grains or other singulated microscopic objects

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