CN111724377A - 断纱检测方法、装置、电子设备、存储介质及停机系统 - Google Patents

断纱检测方法、装置、电子设备、存储介质及停机系统 Download PDF

Info

Publication number
CN111724377A
CN111724377A CN202010578125.8A CN202010578125A CN111724377A CN 111724377 A CN111724377 A CN 111724377A CN 202010578125 A CN202010578125 A CN 202010578125A CN 111724377 A CN111724377 A CN 111724377A
Authority
CN
China
Prior art keywords
warp
broken
yarn
image
broken yarn
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
CN202010578125.8A
Other languages
English (en)
Inventor
张发恩
吴珂
徐继
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.)
Innovation Wisdom Shanghai Technology Co ltd
AInnovation Shanghai Technology Co Ltd
Original Assignee
Innovation Wisdom Shanghai Technology 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 Innovation Wisdom Shanghai Technology Co ltd filed Critical Innovation Wisdom Shanghai Technology Co ltd
Priority to CN202010578125.8A priority Critical patent/CN111724377A/zh
Publication of CN111724377A publication Critical patent/CN111724377A/zh
Pending legal-status Critical Current

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本申请实施例提供了一种断纱检测方法、装置、电子设备、存储介质及停机系统。该断纱检测方法，包括以下步骤：获取待检测的经纱图像；获取经过训练得到的目标断纱检测模型；根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经。本申请通过机器视觉方法来对断纱情况进行检测，可以使得断纱检测更简便，并且可以避免停经片影响经纱质量。

Description

断纱检测方法、装置、电子设备、存储介质及停机系统
技术领域
本申请涉及经纱制造技术领域，具体而言，涉及一种断纱检测方法、装置、电子设备、存储介质及停机系统。
背景技术
传统经纱制造工艺中，断经检测一般是基于停经片来进行检测的。但是，采用停经片进行断经检测时，一方面在于停经片和纱线在织布过程中不断进行摩擦，容易造成纱线磨损，不仅增加断经发生的几率，而且影响织布质量；另一方面者，停经片具有相当高的密度，停经片之间也存在相互摩擦，相互影响，当经纱断裂时，高密度的停经片可能导致要下落的停经片被卡住，无法正常下落，造成织机停车不及时，造成织物质量下降。并且，传统断经检测方式需要将数千根纱线一一穿过停经片的穿纱孔，耗时极长，检测效率极低，非常不方便。
针对上述问题，目前尚未有有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种断纱检测方法、装置、电子设备、存储介质及停机系统，可以使得断纱检测更简便，并且可以避免停经片影响经纱质量。
第一方面，本申请实施例提供了一种断纱检测方法，包括：
获取待检测的经纱图像；
获取经过训练得到的目标断纱检测模型；
根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经。
本申请实施例通过机器视觉方法来对断纱情况进行检测，可以使得断纱检测更简便，并且可以避免停经片影响经纱质量。
可选地，在本申请实施例所述的断纱检测方法中，所述获取经过训练得到的目标断纱检测模型的步骤之前，还包括：
获取训练样本集，所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本；
将所述多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。
可选地，在本申请实施例所述的断纱检测方法中，所述将所述多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型，包括：
将所述多个经纱正常图像样本以及多个断经图像样本进行增强处理，以得到经过增强处理后的多个经纱正常图像样本以及多个断经图像样本；
将经过增强处理后的多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。
本申请通过对多个经纱正常图像样本以及多个断经图像样本进行增强处理，可以提高训练得到的目标断纱检测模型的准确度。
可选地，在本申请实施例所述的断纱检测方法中，所述获取经过训练得到的目标断纱检测模型，包括：
对所述经纱图像进行识别，以判断所述经纱图像对应的经纱类型；
根据所述经纱类型从多个断纱检测模型中选择对应的目标断纱检测模型。
本申请通过基于经纱类型来选择对应的目标断纱检测模型，从而可以提高断纱检测及判断的准确度。
可选地，在本申请实施例所述的断纱检测方法中，所述获取经过训练得到的目标断纱检测模型之前，还包括：
获取多个训练样本集，每一所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本，其中不同训练样本集对应不同种类的经纱；
分别根据每一所述训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。
本申请通过基于经纱类型来训练对应的断纱检测模型，断纱检测模型的准确度，进而可以提高断纱检测及判断的准确度。
可选地，在本申请实施例所述的断纱检测方法中，所述分别根据每一所述训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型，包括：
根据经纱图像对应的经纱类型获取对应的尺寸规格，根据所述尺寸规格将对应的经纱正常图像样本以及断经图像样本调整至对应的尺寸规格；
分别根据调整尺寸规格后的训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。
可选地，在本申请实施例所述的断纱检测方法中，所述根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经，包括：
根据所述经纱类型获取对应的经纱的纱线特征信息；
根据所述纱线特征信息将所述经纱图像放大至对应的尺寸规格，得到目标经纱图像；
将所述目标经纱图像输入所述目标断纱检测模型，以判断所述经纱图像对应的经纱是否出现断经。
第二方面，本申请实施例提供了一种断纱检测装置，包括：
第一获取模块，用于获取待检测的经纱图像；
第二获取模块，用于获取经过训练得到的目标断纱检测模型；
判断模块，用于根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经。
图像采集模块，由一个或多个相机以及附加光源构成，相机用于实时拍摄经纱图像，附加光源用于提供足够的照明；
判断模块，对图像采集模块采集到的经纱图像根据所述目标断纱检测模型判断经纱图像是否出现断经；
通信模块，用于和织机的控制系统进行通信，从织机接受信号以启动检测，向织机发送停机信号使织机停机。
第三方面，本申请实施例提供了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述任一项所述的方法。
第四方面，本申请实施例还提供了一种停机系统，包括：图像采集模块、织机电控系统以及电子设备，所述电子设备分别与所述像采集模块以及织机电控系统连接；所述电子设备为上述的电子设备。
第五方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
由上可知，本申请实施例提供的断纱检测方法及装置通过获取待检测的经纱图像；获取经过训练得到的目标断纱检测模型；根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经，由于本申请通过机器视觉方法来对断纱情况进行检测，可以使得断纱检测更简便，并且可以避免停经片影响经纱质量。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的断纱检测方法的第一种流程图。
图2为本申请实施例提供的断纱检测方法的第二种流程图。
图3为本申请实施例提供的断纱检测方法的第三种流程图。
图4为本申请实施例提供的断纱检测装置的第一种结构示意图。
图5为本申请实施例提供的断纱检测装置的第二种结构示意图。
图6为本申请实施例提供的断纱检测装置的第三种结构示意图。
图7为本申请实施例提供的电子设备的结构示意图。
图8为本申请实施例提供的停机系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的断纱检测方法的流程图。该断纱检测方法，用于电子设备中。电子设备用于经纱制造设备的自动停机系统中。该断纱检测方法，包括以下步骤：
S101、获取待检测的经纱图像。
S102、获取经过训练得到的目标断纱检测模型。
S103、根据目标断纱检测模型判断经纱图像对应的经纱是否出现断经。
其中，在该步骤S101中，该经纱图像可以是设置于经纱制造设备上的摄像头采集得到，该摄像头的数量可以为一个，也可以为多个，摄像头可以设置于经纱制造设备上方，从而从经纱面的上方拍摄经纱织造系统上的经纱面的经纱图像。摄像头也可以设置于该经纱面的两侧，从而从经纱面的两侧上方拍摄该经纱面的经纱图像。当然，如果摄像头的数量为多个，则对应的经纱图像也为多个，需要对每一经纱图像分别进行检测，才能判断经纱是否出现断经。
其中，在该步骤S102中，该目标断纱检测模型是预先获取样本数据集进行训练得到，该样本数据集包括多个经纱正常图像样本以及多个断经图像样本。因此，在执行该步骤S102之前，还需要执行模型训练步骤。
具体地，请同时参照图2，在一些实施例中，该模型训练步骤可以包括：S1021、获取训练样本集，所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本；S1022、将所述多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。
其中，在该步骤S1021中，该经纱正常图像样本是指没有出现断经的经纱的图像，该断经图像样本是指出现断经的经纱的图像。当然，可以理解地，该多个经纱正常图像样本可以为不同的区域的经纱面在不同角度的拍摄下得到的经纱图像，也可以为多种不同种类的经纱的经纱图像。其中，在该步骤S1022中，该预设检测网络可以为faster rcnn检测网络、SSD检测网络或者yolo检测网络，当然，其并不限于此。
可以理解地，在一些实施例中，该步骤S1022可以包括以下子步骤：S10221、将所述多个经纱正常图像样本以及多个断经图像样本进行增强处理，以得到经过增强处理后的多个经纱正常图像样本以及多个断经图像样本；S10222、将经过增强处理后的多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。其中，在该步骤S10221中，该增强处理包括以下操作中的至少一种：降噪处理、滤波处理、裁剪处理、位移处理、缩放处理。其中，在该步骤S10222中，在实际训练的过程中，无需将所有的经纱正常图像样本以及断经图像样本输入该预设检测网络进行训练。训练时，将该多个经纱正常图像样本以及断经图像样本逐一输入该预设检测网络中，进行特征提取，从而分别提取到多个经纱正常图像样本的特征向量以及多个断经图像样本的特征向量。当输入该预设检测网络中的样本数量超过预设数量后，可以对该预设检测网络的损失函数进行计算，当损失函数满足预设的阈值要求时，即可判断该预设检测网络的训练完毕，将该预设检测网络的模型参数进行更新，从而得到目标断纱检测模型。
可以理解地，在另一些实施例中，为了提高检测的准确性，可以采用在多个断纱检测模型中选取出符合要求的目标断纱检测模型。其中，该多个断纱检测模型为采用不同种类的经纱的经纱正常图像样本以及断经图像样本训练得到。
具体地，请同时参照图3，在一些实施例中，在执行该步骤S102之前，该方法还包括以下步骤：S1011、对所述经纱图像进行识别，以判断所述经纱图像对应的经纱类型；S1012、根据所述经纱类型从多个断纱检测模型中选择对应的目标断纱检测模型。
其中，在该步骤S1011中，该经纱种类可以包括棉纱、毛纱、麻纱和绢纺纱等，当然，可以设置更细的经纱分类，例如，棉纱a1类、棉纱a2类、棉纱a3类等等，不同的种类的棉纱对应不同粗细的棉纱。其中，在该步骤S1012中，例如，如果该经纱类型为棉纱a1类，则选取的目标断纱检测模型为采用棉纱a1类的经纱的多个正常图像样本以及多个断经图像样本训练得到。
对应地，在执行该步骤S1011之前，该断纱检测方法还需执行对应的模型训练步骤。其中，该模型训练步骤包括：
S10111、获取多个训练样本集，每一所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本，其中，不同训练样本集对应不同种类的经纱；同一训练样本集对应一个种类的经纱；S10112、分别根据每一所述训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。
其中，在该步骤S10111中，分别采集多个不同种类的经纱的经纱正常图像样本以及断经图像样本来形成多个训练样本集，将相同种类的经纱的经纱正常图像样本以及断经图像样本放在同一个训练样本集中。其中，在该步骤S10112中，对各个种类的经纱对应的断纱检测模型的训练方法与步骤S1022中的训练方法相同，因此，无需过多描述。
可以理解地，在另一些实施例中，在对不同种类的经纱对应的断纱检测模型进行训练时，可以根据经纱的种类对对应的经纱正常图像样本以及断经图像样本进行对应的缩放处理。
由于不同种类的经纱的纱线粗细不相同，相邻纱线之间的间隙不相同，因此，为了达到最好的效果，可以依据该经纱的种类对对应的经纱正常图像样本以及断经图像样本进行放大处理，使得经纱的纱线以及纱线之间的间隙在经过处理后的经纱正常图像样本以及断经图像样本中可以清楚地呈现。具体地，该步骤S10112具体为：根据经纱图像对应的经纱类型获取对应的尺寸规格，根据所述尺寸规格将对应的经纱正常图像样本以及断经图像样本调整至对应的尺寸规格；分别根据调整尺寸规格后的训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。例如，对于越细的纱线或者排列越紧密的纱线，则其经纱正常图像样本以及断经图像样本对应的尺寸规格越大，才能更好地呈现其中的纱线以及相邻纱线之间的间隙。通过该步骤可以使得经纱正常图像样本以及断经图像样本中的纱线以及相邻纱线之间间隙清晰可见，可以提高训练的断纱检测模型的准确度，并且对于后续的断经检测，也可以提高准确度。
其中，在该步骤S103中，可以将待检测的经纱图像输入对应的目标断纱检测模型，即可输出检测结果，该检测结果有两种，一种是该经纱图像对应的经纱出现断经，另一种是该经纱图像对应的经纱未出现断经。
在一些实施例中，为了提高检测的准确性，可以基于经纱的类型对该待检测的经纱图像进行缩放处理。具体地，该步骤S103可以包括以下步骤：
S1031、根据所述经纱类型获取对应的经纱的纱线特征信息；S1032、根据纱线特征信息将所述经纱图像放大至对应的尺寸规格，得到目标经纱图像；S1033、将所述目标经纱图像输入所述目标断纱检测模型，以判断所述经纱图像对应的经纱是否出现断经。其中，在该步骤S1031中，纱线特征信息包括纱线的直径以及相邻纱线之间的间隙值。其中，在该步骤S1032中，该尺寸规格可以与在训练模型时的尺寸规格相同，也可以是大于训练模型时的尺寸规格。
由上可知，本申请实施例提供的断纱检测方法通过获取待检测的经纱图像；获取经过训练得到的目标断纱检测模型；根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经，由于本申请通过机器视觉方法来对断纱情况进行检测，可以使得断纱检测更简便，并且可以避免停经片影响经纱质量。
请参照图4，图4是本申请一些实施例中的断纱检测装置的结构示意图，断纱检测装置，包括：第一获取模块201、第二获取模块202以及判断模块203。
其中，该第一获取模块201用于获取待检测的经纱图像。该经纱图像可以是设置于经纱制造设备上的摄像头采集得到，该摄像头的数量可以为一个，也可以为多个，摄像头可以设置于经纱制造设备上方，从而从经纱面的上方拍摄经纱织造系统上的经纱面的经纱图像。摄像头也可以设置于该经纱面的两侧，从而从经纱面的两侧上方拍摄该经纱面的经纱图像。当然，如果摄像头的数量为多个，则对应的经纱图像也为多个，需要对每一经纱图像分别进行检测，才能判断经纱是否出现断经。
其中，该第二获取模块202用于获取经过训练得到的目标断纱检测模型。目标断纱检测模型是预先获取样本数据集进行训练得到，该样本数据集包括多个经纱正常图像样本以及多个断经图像样本。
可以理解地，如图5所示，在一些实施例中，该断纱检测装置还包括第三获取模块204，用于获取训练样本集，所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本；第一训练模块205，用于将所述多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。
其中，该经纱正常图像样本是指没有出现断经的经纱的图像，该断经图像样本是指出现断经的经纱的图像。当然，可以理解地，该多个经纱正常图像样本可以为不同的区域的经纱面在不同角度的拍摄下得到的经纱图像，也可以为多种不同种类的经纱的经纱图像。该预设检测网络可以为faster rcnn检测网络、SSD检测网络或者yolo检测网络，当然，其并不限于此。
可以理解地，在一些实施例中，该第一训练模块205具体用于：将所述多个经纱正常图像样本以及多个断经图像样本进行增强处理，以得到经过增强处理后的多个经纱正常图像样本以及多个断经图像样本；将经过增强处理后的多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。其中，该增强处理包括以下操作中的至少一种：降噪处理、滤波处理、裁剪处理、位移处理、缩放处理。其中，在实际训练的过程中，无需将所有的经纱正常图像样本以及断经图像样本输入该预设检测网络进行训练。训练时，将该多个经纱正常图像样本以及断经图像样本逐一输入该预设检测网络中，进行特征提取，从而分别提取到多个经纱正常图像样本的特征向量以及多个断经图像样本的特征向量。当输入该预设检测网络中的样本数量超过预设数量后，可以对该预设检测网络的损失函数进行计算，当损失函数满足预设的阈值要求时，即可判断该预设检测网络的训练完毕，将该预设检测网络的模型参数进行更新，从而得到目标断纱检测模型。
可以理解地，在另一些实施例中，为了提高检测的准确性，可以采用在多个断纱检测模型中选取出符合要求的目标断纱检测模型。其中，该多个断纱检测模型为采用不同种类的经纱的经纱正常图像样本以及断经图像样本训练得到。具体地，请同时参照图6，在一些实施例中，断纱检测装置还包括：识别模块206，用于对所述经纱图像进行识别，以判断所述经纱图像对应的经纱类型；选择模块207，用于根据所述经纱类型从多个断纱检测模型中选择对应的目标断纱检测模型。第四获取模块208，用于获取多个训练样本集，每一所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本，其中，不同训练样本集对应不同种类的经纱；同一训练样本集对应一个种类的经纱；第二训练模块209，用于分别根据每一所述训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。
其中，该经纱种类可以包括棉纱、毛纱、麻纱和绢纺纱等，当然，可以设置更细的经纱分类，例如，棉纱a1类、棉纱a2类、棉纱a3类等等，不同的种类的棉纱对应不同粗细的棉纱。例如，如果该经纱类型为棉纱a1类，则选取的目标断纱检测模型为采用棉纱a1类的经纱的多个正常图像样本以及多个断经图像样本训练得到。
其中，在第四获取模块208分别采集多个不同种类的经纱的经纱正常图像样本以及断经图像样本来形成多个训练样本集，将相同种类的经纱的经纱正常图像样本以及断经图像样本放在同一个训练样本集中。
可以理解地，在另一些实施例中，在对不同种类的经纱对应的断纱检测模型进行训练时，可以根据经纱的种类对对应的经纱正常图像样本以及断经图像样本进行对应的缩放处理。
由于不同种类的经纱的纱线粗细不相同，相邻纱线之间的间隙不相同，因此，为了达到最好的效果，可以依据该经纱的种类对对应的经纱正常图像样本以及断经图像样本进行放大处理，使得经纱的纱线以及纱线之间的间隙在经过处理后的经纱正常图像样本以及断经图像样本中可以清楚地呈现。具体地，该第二训练模块209具体用于：根据经纱图像对应的经纱类型获取对应的尺寸规格，根据所述尺寸规格将对应的经纱正常图像样本以及断经图像样本调整至对应的尺寸规格；分别根据调整尺寸规格后的训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。例如，对于越细的纱线或者排列越紧密的纱线，则其经纱正常图像样本以及断经图像样本对应的尺寸规格越大，才能更好地呈现其中的纱线以及相邻纱线之间的间隙。通过该步骤可以使得经纱正常图像样本以及断经图像样本中的纱线以及相邻纱线之间间隙清晰可见，可以提高训练的断纱检测模型的准确度，并且对于后续的断经检测，也可以提高准确度。
其中，该判断模块203用于根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经。该判断模块203可以将待检测的经纱图像输入对应的目标断纱检测模型，即可输出检测结果，该检测结果有两种，一种是该经纱图像对应的经纱出现断经，另一种是该经纱图像对应的经纱未出现断经。
在一些实施例中，为了提高检测的准确性，可以基于经纱的类型对该待检测的经纱图像进行缩放处理。具体地，该判断模块203可以具体用于：、根据所述经纱类型获取对应的经纱的纱线特征信息；根据纱线特征信息将所述经纱图像放大至对应的尺寸规格，得到目标经纱图像；将所述目标经纱图像输入所述目标断纱检测模型，以判断所述经纱图像对应的经纱是否出现断经。其中，纱线特征信息包括纱线的直径以及相邻纱线之间的间隙值。其中，该尺寸规格可以与在训练模型时的尺寸规格相同，也可以是大于训练模型时的尺寸规格。
由上可知，本申请实施例提供提供的断纱检测装置通过获取待检测的经纱图像；获取经过训练得到的目标断纱检测模型；根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经，由于本申请通过机器视觉方法来对断纱情况进行检测，可以使得断纱检测更简便，并且可以避免停经片影响经纱质量。
请参照图7，图7为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备3，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当计算设备运行时，处理器301执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法。
本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead－Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory，简称EPROM)，可编程只读存储器(Programmable Red－Only Memory，简称PROM)，只读存储器(Read－Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
请参照图8，图8是本申请一些实施例中的一种停机系统的结构示意图，该停机系统包括：图像采集模块401、织机电控系统402以及电子设备403，所述电子设备403分别与所述图像采集模块401以及织机电控系统402连接；所述电子设备403上述实施例中的电子设备。该织机电控系统402用于在该电子设备403检测到经纱断经时进行自动停机。
其中，该图像采集模块401可以为一个摄像头或者多个摄像头。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种断纱检测方法，其特征在于，包括：
获取待检测的经纱图像；
获取经过训练得到的目标断纱检测模型；
根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经。
2.根据权利要求1所述的断纱检测方法，其特征在于，所述获取经过训练得到的目标断纱检测模型的步骤之前，还包括：
获取训练样本集，所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本；
将所述多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。
3.根据权利要求2所述的断纱检测方法，其特征在于，所述将所述多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型，包括：
将所述多个经纱正常图像样本以及多个断经图像样本进行增强处理，以得到经过增强处理后的多个经纱正常图像样本以及多个断经图像样本；
将经过增强处理后的多个经纱正常图像样本以及多个断经图像样本输入预设检测网络进行训练，以生成目标断纱检测模型。
4.根据权利要求1所述的断纱检测方法，其特征在于，所述获取经过训练得到的目标断纱检测模型，包括：
对所述经纱图像进行识别，以判断所述经纱图像对应的经纱类型；
根据所述经纱类型从多个断纱检测模型中选择对应的目标断纱检测模型。
5.根据权利要求4所述的断纱检测方法，其特征在于，所述获取经过训练得到的目标断纱检测模型之前，还包括：
获取多个训练样本集，每一所述训练样本集包括多个经纱正常图像样本以及多个断经图像样本，其中不同训练样本集对应不同种类的经纱；
分别根据每一所述训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。
6.根据权利要求5所述的断纱检测方法，其特征在于，所述分别根据每一所述训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型，包括：
根据经纱图像对应的经纱类型获取对应的尺寸规格，根据所述尺寸规格将对应的经纱正常图像样本以及断经图像样本调整至对应的尺寸规格；
分别根据调整尺寸规格后的训练样本集对预设检测网络进行训练，以得到针对不同种类的经纱的断纱检测模型。
7.根据权利要求6所述的断纱检测方法，其特征在于，所述根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经，包括：
根据所述经纱类型获取对应的经纱的纱线特征信息；
根据所述纱线特征信息将所述经纱图像放大至对应的尺寸规格，得到目标经纱图像；
将所述目标经纱图像输入所述目标断纱检测模型，以判断所述经纱图像对应的经纱是否出现断经。
8.一种断纱检测装置，其特征在于，包括：
第一获取模块，用于获取待检测的经纱图像；
第二获取模块，用于获取经过训练得到的目标断纱检测模型；
判断模块，用于根据所述目标断纱检测模型判断经纱图像对应的经纱是否出现断经。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1－7任一项所述的方法。
10.一种停机系统，其特征在于，包括：图像采集模块、织机电控系统以及电子设备，所述电子设备分别与所述像采集模块以及织机电控系统连接；所述电子设备为权利要求9所述的电子设备。
11.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1－7任一项所述的方法。
CN202010578125.8A 2020-06-22 2020-06-22 断纱检测方法、装置、电子设备、存储介质及停机系统 Pending CN111724377A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010578125.8A CN111724377A (zh) 2020-06-22 2020-06-22 断纱检测方法、装置、电子设备、存储介质及停机系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010578125.8A CN111724377A (zh) 2020-06-22 2020-06-22 断纱检测方法、装置、电子设备、存储介质及停机系统

Publications (1)

Publication Number Publication Date
CN111724377A true CN111724377A (zh) 2020-09-29

Family

ID=72568238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010578125.8A Pending CN111724377A (zh) 2020-06-22 2020-06-22 断纱检测方法、装置、电子设备、存储介质及停机系统

Country Status (1)

Country Link
CN (1) CN111724377A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565589A (zh) * 2022-03-03 2022-05-31 常州市宏发纵横新材料科技股份有限公司 一种碳纤维经纱少丝缠丝的检测方法及装置
CN114581404A (zh) * 2022-03-03 2022-06-03 常州市宏发纵横新材料科技股份有限公司 一种用于交织捆绑纱的断丝检测方法
CN117670843A (zh) * 2023-12-07 2024-03-08 常州市宏发纵横新材料科技股份有限公司 一种彩色纱线断纱检测方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520114A (zh) * 2018-03-21 2018-09-11 华中科技大学 一种纺织布疵点检测模型及其训练方法和应用
CN110889837A (zh) * 2019-11-25 2020-03-17 东华大学 一种具有瑕疵分级功能的布匹瑕疵检测方法
CN111062903A (zh) * 2019-12-06 2020-04-24 携程计算机技术（上海）有限公司 图像水印的自动处理方法、系统、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520114A (zh) * 2018-03-21 2018-09-11 华中科技大学 一种纺织布疵点检测模型及其训练方法和应用
CN110889837A (zh) * 2019-11-25 2020-03-17 东华大学 一种具有瑕疵分级功能的布匹瑕疵检测方法
CN111062903A (zh) * 2019-12-06 2020-04-24 携程计算机技术（上海）有限公司 图像水印的自动处理方法、系统、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565589A (zh) * 2022-03-03 2022-05-31 常州市宏发纵横新材料科技股份有限公司 一种碳纤维经纱少丝缠丝的检测方法及装置
CN114581404A (zh) * 2022-03-03 2022-06-03 常州市宏发纵横新材料科技股份有限公司 一种用于交织捆绑纱的断丝检测方法
CN117670843A (zh) * 2023-12-07 2024-03-08 常州市宏发纵横新材料科技股份有限公司 一种彩色纱线断纱检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN111724377A (zh) 断纱检测方法、装置、电子设备、存储介质及停机系统
CN107256406B (zh) 重叠纤维图像分割方法、装置、存储介质和计算机设备
US9679354B2 (en) Duplicate check image resolution
CN110647822A (zh) 高空抛物行为识别方法、装置、存储介质及电子设备
WO2020147152A1 (zh) 一种布料瑕疵数据收集方法及装置
CN103606221B (zh) 清分机故障自动诊断方法以及装置
CN109840199A (zh) 一种自动化测试方法及终端
JP6616906B1 (ja) 欠陥のある撮影データの検知装置及び検知システム
CN112381800B (zh) 一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质
JP7105826B2 (ja) 注文書生成方法及びその装置、商品棚、記憶媒体
CN109035248A (zh) 疵点检测方法、装置、终端设备、服务器和存储介质
CN116109642A (zh) 一种碳纤维断丝缺陷检测方法、设备及存储介质
CN112381054A (zh) 摄像机的工作状态检测方法及相关设备、系统
CN115294136A (zh) 基于人工智能的纺织布瑕疵检测模型的构建检测方法
CN116755891B (zh) 基于多线程的事件队列处理方法和系统
CN108133479B (zh) 一种自动纺纱机穿经监测方法及装置
CN114565589B (zh) 一种碳纤维经纱少丝缠丝的检测方法及装置
CN106898084B (zh) 一种确定图像处理阈值的方法及装置
CN115508282A (zh) 一种在线智能验布检测系统
CN112073713B (zh) 视频漏录测试方法、装置、设备及存储介质
CN111612788B (zh) 一种缺陷识别方法、装置和电子设备
CN112967223A (zh) 一种基于人工智能的纺织品检测系统、方法及介质
CN112347989A (zh) 反光衣识别方法、装置、计算机设备和可读存储介质
CN115240144B (zh) 一种纺纱捻线智能识别瑕疵方法及系统
CN114125299B (zh) 一种工业相机及其控制方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200929

RJ01 Rejection of invention patent application after publication