CN111733496B - 一种纱线空筒检测装置及方法 - Google Patents
一种纱线空筒检测装置及方法 Download PDFInfo
- Publication number
- CN111733496B CN111733496B CN202010557607.5A CN202010557607A CN111733496B CN 111733496 B CN111733496 B CN 111733496B CN 202010557607 A CN202010557607 A CN 202010557607A CN 111733496 B CN111733496 B CN 111733496B
- Authority
- CN
- China
- Prior art keywords
- yarn
- bobbin
- image
- gradient
- detection device
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 9
- 230000001629 suppression Effects 0.000 claims description 8
- 238000004804 winding Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000009987 spinning Methods 0.000 description 6
- 239000004753 textile Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- D—TEXTILES; PAPER
- D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
- D01H—SPINNING OR TWISTING
- D01H13/00—Other common constructional features, details or accessories
- D01H13/14—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements
- D01H13/16—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements responsive to reduction in material tension, failure of supply, or breakage, of material
- D01H13/1616—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements responsive to reduction in material tension, failure of supply, or breakage, of material characterised by the detector
-
- D—TEXTILES; PAPER
- D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
- D01H—SPINNING OR TWISTING
- D01H13/00—Other common constructional features, details or accessories
- D01H13/14—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements
- D01H13/16—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements responsive to reduction in material tension, failure of supply, or breakage, of material
- D01H13/18—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements responsive to reduction in material tension, failure of supply, or breakage, of material stopping supply only
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Textile Engineering (AREA)
- Filamentary Materials, Packages, And Safety Devices Therefor (AREA)
Abstract
本发明公开了一种纱线空筒检测装置及其实现方法，包括桁架机器人装置，工业相机安装在桁架机器人上，进行图像的采集。本发明由桁架机器人、工业相机和工作站上位机组成，实现对纱筒空桶识别及定位、纱线有无断线的检测(风管中没有纱线说明纱线断线，如不能及时发现，影响很大)，结构简单、运行可靠、成本可控、适于在自动化生成车间进行推广；工业相机进行空桶和纱线连接图像的拍摄，利用图像处理技术进行纱筒上纱线厚度的检测及风管口有无纱线的检测，通过桁架机器人的运行进行空间定位，依此给上位机发出更换纱筒位置及纱线断线信息，判别精度高，速度快。
Description
技术领域
本发明涉及纺织领域，具体涉及一种纱线空筒检测装置及方法。
背景技术
目前纺织机纱线空筒没有自动化检测及更换的系统，大都是人工更换用完的纱筒。人工更换方式需要有人值守，纺织车间的纱筒更换量大，工作时间长，常出现更换不及时和漏检的情况，降低生产效率。
随着机器视觉技术的发展，纺织行业的自动化和智能化程度也在提高，纱线空桶的检测和更换目前还没有解决的方案。
发明内容
根据上述现有技术的不足，本发明提供了一种纱筒空桶的在线检测装置，本发明采用机器视觉的方式，利用工业摄像机采集纱筒图像，并通过数字图像处理方法，获取纱筒是否为空筒，同时发出报警或更换纱筒信息，实现了纱筒更换的自动化提醒。
为了实现上述目的，本发明提供了一种纱线空筒检测方法，包括如下步骤:
步骤一、在风送纱架1附近布置桁架机器人7，桁架机器人7包括竖向运动机构8，竖向运动机构连接有视觉检测装置10；
所述风送纱架1包括A柱2和B柱3；A柱2和B柱3均固定有一一对应的用于放置纱筒5的纱筒杆4；每一组对应的纱筒杆4上，一个安装进纱纱筒，另一个安装预备纱筒；预备纱筒的头线与进纱纱筒的尾线连接；进纱纱筒的头线进入风送纱架1上对应的风管6；
步骤二、风送纱架1运转，通过风管6吸收头线；桁架机器人7带动视觉检测装置10运动检测所述进纱纱筒是否有头线进入风管6；若所述进纱纱筒没有头线进入风管6，则进纱纱筒上的纱线处于空筒状态，视觉检测装置10通过智能控制系统将处于空筒状态的进纱纱筒的编号发送到对应的报警或显示装置；提醒工人更换纱筒；更换的纱筒的头线与原预备纱筒的尾线相连；更换的纱筒作为预备纱筒，原预备纱筒作为进纱纱筒；
步骤三、重复步骤二。
进一步的改进，所述步骤二中，所述视觉检测装置10检测进纱纱筒上纱线的厚度，当进纱纱筒上纱线的厚度为0，且进纱纱筒没有头线进入风管6，则进纱纱筒上的纱线处于空筒状态；若进纱纱筒上纱线的厚度＞0，且进纱纱筒没有头线进入风管6，则说明进纱纱筒存在断线，视觉检测装置10通过智能控制系统将处于断线状态的进纱纱筒的编号发送到对应的报警或显示装置，通知工人进行接线；若进纱纱筒上纱线的厚度＞0且＜5毫米，则视觉检测装置 10每一次检查周期优先对所述进纱纱筒进行巡查。
进一步的改进，所述视觉检测装置10巡检时，对每一组均绕有纱线的纱筒，将头线进入风管6的纱筒自动定义为进纱纱筒，另一个纱筒自动定义为预备纱筒；桁架机器人带动视觉检测装置10，根据运行的距离对检查的纱筒进行空间定位；对上位机发出报警和换纱筒指令时，同时提供纱筒的具体位置；对检测到纱筒上的纱线少于设定阈值时，给上位机发出指令，缩短对纱线少于设定阈值的纱筒的巡视时间间隔。
进一步的改进，所述视觉检测装置10包括两个摄像头，一个摄像头对应A 柱2设置，另一个摄像头对应B柱3设置。
进一步的改进，所述视觉检测装置10采集到图像后，先对图像二值化然后，Blob分析调整阈值选出感兴趣区域，进而得到待检测圆环区域的内外圆半径，接着由内往外沿着灰度发生跃变的地方，拟合出待检测纱筒上纱线的内圆把半径R1和外圆半径R2；R2与R1的差值即为纱筒上纱线的厚度，即纱线绕筒半径。
进一步的改进，对采集到的图像，得到纱线绕筒半径的步骤如下：
步骤一：图像处理：
采集到的图像二值化，采用Canny算子提取纱线上纱筒的边缘点；
Canny算子的检测步骤：
①高斯滤波器平滑图像，去除噪声
二维高斯滤波函数：
其中G(x，y)为纱筒的边缘点的坐标，x表示纱筒的边缘点的横坐标，y表示纱筒的边缘点的纵坐标；σ为高斯滤波器的标准差，σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，平衡对图像的噪声的抑制；
n为高斯滤波器窗口大小；e为自然常数；
②计算梯度幅值和梯度方向
使用微分算子计算偏导数：
其中：Gx为x方向的微分算子，Gy为y方向的微分算子；B为梯度，反映了图像的边缘强调，Bx为x方向的梯度值，By为y方向的梯度值，θ为梯度角，反映了图像的边缘的方向；
③对梯度幅值进行非极大值抑制
沿梯度方向检测极大值点，即边缘点，像素灰度值置为0；
④采用双阈值算法检测边缘和连接边缘
采用双阈值检测算法，阈值为th1和th2，th1＝0.4th2，在此基础上进行图像边缘的连接，得到边界二值图；
步骤二、最小二乘法圆拟合原理对边缘点进行拟合：
假设空间中存在一个圆，圆心坐标为(x0,y0)，半径为r，那么圆的方程表示为：
(x-x0)2+(y-y0)2＝r2 1
对于最小二乘法的圆拟合，误差平方的优化目标函数S为：
式2中：i＝1,2,...,k为圆弧上特征点坐标，k为参与拟合的特征点数；在保持优化目标函数特征的前提下，定义误差平方函数E：
其中：B＝-2y0,A＝-2x0,
xi表示第i个参与拟合的特征点的横坐标，yi表示第i个参与拟合的特征点的纵坐标；
由最小二乘法原理，参数A,B,C使E取得极小值，根据极小值的求法，A,B,C 满足：
根据最小二乘法计算公式求得最佳拟合圆心坐标(x0,y0)，及半径r的拟合值：
拟合圆后测量外圆半径R2与内圆半径R1，即测得纱线半径，从而判断纱筒上还有多少纱线。
进一步的改进，对采集到的图像，检测纱筒是否有头线进入风管6的方法如下：
步骤一采集到的图像对ROI进行提取，采用高斯滤波算法进行图像平滑，实现对图像的预处理：
①ROI提取：对感兴趣区域进行划分，利用投影法：
其中：F(α，β)为像素点的灰度值，Xa为灰度平均值，H为图像的高度，W为图像的宽度；α表示像素点的横坐标，β表示像素点的纵坐标；
②图像平滑：
二维高斯滤波函数：
其中x,y为图像中点坐标；σ是标准差；σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，可以平衡对图像的噪声的抑制；
n为高斯滤波器窗口大小；
步骤二利用线段检测算法进行纱线边缘提取：
①计算图像的梯度：
i(x,y)为坐标(x,y)像素点的灰度值，gx(x,y)为像素点(x,y)水平方向的梯度，gy(x,y)为像素点(x,y)垂直方向的梯度，G(x,y)为像素点(x,y) 上的总梯度；
通过选择水平和垂直的梯度来提取最大梯度的像素，最大梯度的像素成为要提取的线段上的点，通过连接梯度最大点构成像素链形成边缘；
②遍历边缘像素链，用最小二乘法进行拟合，偏差绝对值之和最小：
i＝0,1,2...m为像素点坐标值，
为近似拟合曲线，δi为近似拟合曲线在i点处的偏差；xi表示图像点的横坐标，yi表示图像点的纵坐标；
通过添加更多像素来扩展近似拟合曲线，当误差超过设定阈值时，生成一个新的近似拟合曲线；递归处理边缘像素链中所剩余的像素，直到所有像素都被处理完成；
检测到完整的线段时说明头线进入风管，在正常工作；不能拟合成完整的线段时说明没有头线进入风管6。
一种纱线空筒检测装置，包括风送纱架1，风送纱架1附近布置桁架机器人7，桁架机器人7包括竖向运动机构8，竖向运动机构8连接有视觉检测装置10；
所述风送纱架1包括A柱2和B柱3；A柱2和B柱3均固定有一一对应的用于放置纱筒5的纱筒杆4；每一组对应的纱筒杆4上，一个安装进纱纱筒，另一个安装预备纱筒；预备纱筒的头线与进纱纱筒的尾线连接；进纱纱筒的头线进入风送纱架1上对应的风管6；视觉检测装置10有线或无线连接有上位机，上位机有线或无线连接有提醒装置。
进一步的改进，所述提醒装置为报警器或显示屏；所述风送纱架1为八孔风送纱架。
进一步的改进，所述竖向运动机构8还连接有横向运动机构9，竖向运动机构8和横向运动机构9为气缸、油缸或丝杆机构。
本发明的益处在于：
1.采用机器视觉的方式，工业像机采集纱筒图像，并通过数字图像处理方法，获取纱筒是否为空筒及风管中是否有纱线的判定，发出报警或更换纱筒信息，未见有相关方案。
2.根据桁架机器人的运动，进行纱筒空桶的定位，已经将要用完的纱筒的位置传给上位机，根据设置的纱筒上的余量值安排高频率的检测。
3.该空筒检测装置和方法能够满足大批量纱架的空筒检测与报警，能够实现自动化空筒检测及换筒提示。
4.通过4G、5G或者本地网络联网，该装置能实时汇报作业进度，利于工厂优化调度。
附图说明
图1是本发明的整体结构示意图；
图2是八孔风送纱架的结构示意图；
图3是检测纱线绕筒半径的流程图；
图4是检测纱筒上没有头线进入风管的流程图；
图5是本发明的整体检测流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
具体实施例1：
如图1所示，纱线空筒检测装置由八孔风送纱架、双目视觉模块、滑动导轨、桁架机器人、无线通讯模块、PC上位机、显示模块等组成。
总装置中，由上位机给所有八孔风送纱架编号1号、2号、3号、...、9号 (具体八孔风送纱架个数可根据实地工况指定)。每个送纱架的纱筒杆分为A、B柱，每个柱的纱筒杆从上往下依次按阿拉伯数字编号。例：1A1表示1号八孔风送纱架的A柱的第一个纱筒杆，3B7表示3号八孔风送纱架B柱的第7个纱筒杆。当检测到空筒时，将该编号转换为16进制代码发送给换筒机器人用于坐标定位。
机器视觉模块由桁架机器人负责辅助移动，每两排送纱架间距约50cm，供视觉模块在送纱架间移动。桁架机器人配合上位机指令循环检测，可精确定位到具体的有空筒的纱架。
八孔风送纱架有A、B两柱，两柱上分别有纱筒杆，用于放置不同颜色(也可相同)的纱线筒。A、B柱对应位置的纱筒杆水平高度相同，倾角相同用于放置。A柱和B柱对应纱筒杆的纱线筒颜色相同。对应纱线筒之间的连线情况分两种：一是A柱纱线筒尾线连接B柱纱线筒头线；二是B柱纱线筒尾线连接A柱纱线筒头线。目的是保持同一个风管送线颜色统一。
纺织纱筒是一种用于纺纱缠绕并收纳的装置，并且在纺织机工作时需配合纺织机放纱，因此广泛应用于纺织品生产加工场所。针对不同的生产及磨损情况，采用不同种类的纱筒，减少纱线的不规则缠绕而导致的预转动卡顿。其中圆锥形纱筒内壁和外壁均为圆锥形。圆柱形纱筒内壁和外壁均为圆柱形。纱筒3内壁和外壁均为两头锥形中间圆柱形。
空筒有两个判定条件。
条件一：纱线绕筒半径低于5毫米；
条件二：纱线筒与对应风孔间无头线相连接。
桁架机器人可沿X轴左右移动至不同的八孔风送纱架，定位以后由视觉模块拍摄A、B柱纱线筒的纱线绕筒半径，A、B柱各纱线筒与对应风孔的连接头线并获取对应布尔值。
视觉模块同时采集判断A、B柱纱线筒的头线是否与风孔连接。如图2所示，若A1此时满足条件一，且与对应风孔间无头线相连接，此A1位置为空筒，并将数据通过无线模块传输至上位机并配合换筒机器人协作换筒。
若纱线筒此时满足条件一，但与对应风孔间有头线相连接(即不满足条件二 )，如A2所示，则提升该坐标的下次巡检优先值，并标记为待更换纱筒坐标。
二次巡检时，桁架机器人优先将视觉模块定位至A1、B1，并视觉判断是否有A1、B1到对应风孔的连接头线。若A1属于优先巡检坐标(即A1满足条件一，纱线卷厚度低于5毫米)，同时A1与风孔之间无连接头线，则判定A1空筒。
机器视觉模块由工业相机、供电模块、无线信号传输模块组成。采用GigE 高速传输接口。相机模块帧率30fps，满足检测要求同时提升相机的可靠性和鲁棒性。
相机角度固定，和纱筒杆与水平面倾角一致，对准纱筒筒心，单次拍摄2行共4个纱筒的工况。由于现场采集到图像后，背景复杂，干扰因素较多，先二值化然后Blob分析调整阈值选出感兴趣区域(ROI)，进而设置待检测圆环区域的内外圆半径，接着由内往外沿着灰度发生跃变的地方，拟合出待检测内外圆R1， R2。
对采集到的图像，得到纱线绕筒半径的步骤如下：
步骤一：图像处理：
采集到的图像二值化，采用Canny算子提取纱线上纱筒的边缘点；
Canny算子的检测步骤：
①高斯滤波器平滑图像，去除噪声
二维高斯滤波函数：
其中G(x，y)为纱筒的边缘点的坐标，x表示纱筒的边缘点的横坐标，y表示纱筒的边缘点的纵坐标；σ为高斯滤波器的标准差，σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，平衡对图像的噪声的抑制；
n为高斯滤波器窗口大小；e为自然常数；
②计算梯度幅值和梯度方向
使用微分算子计算偏导数：
其中：Gx为x方向的微分算子，Gy为y方向的微分算子；B为梯度，反映了图像的边缘强调，Bx为x方向的梯度值，By为y方向的梯度值，θ为梯度角，反映了图像的边缘的方向；
③对梯度幅值进行非极大值抑制
沿梯度方向检测极大值点，即边缘点，像素灰度值置为0；
④采用双阈值算法检测边缘和连接边缘
采用双阈值检测算法，阈值为th1和th2，th1＝0.4th2，在此基础上进行图像边缘的连接，得到边界二值图；
步骤二、最小二乘法圆拟合原理对边缘点进行拟合：
假设空间中存在一个圆，圆心坐标为(x0,y0)，半径为r，那么圆的方程表示为：
(x-x0)2+(y-y0)2＝r2 1
对于最小二乘法的圆拟合，误差平方的优化目标函数S为：
式2中：i＝1,2,...,k为圆弧上特征点坐标，k为参与拟合的特征点数；在保持优化目标函数特征的前提下，定义误差平方函数E：
其中：B＝-2y0,A＝-2x0,
xi表示第i个参与拟合的特征点的横坐标，yi表示第i个参与拟合的特征点的纵坐标；
由最小二乘法原理，参数A,B,C使E取得极小值，根据极小值的求法，A,B,C 满足：
根据最小二乘法计算公式求得最佳拟合圆心坐标(x0,y0)，及半径r的拟合值：
拟合圆后测量外圆半径R2与内圆半径R1，R2与R1的差值即测得纱线半径，从而判断纱筒上还有多少纱线。桁架机器人初次巡检时，将所有达到阈值(纱线厚度低于5毫米)的纱线筒坐标标记为优先巡检坐标。
直线检测流程：
霍夫变换是一个特征提取技术。目的是通过投票程序在特定类型的形状(本专利特指直线)内找到对象的不完美实例。这个投票程序是在一个参数空间中进行的，在这个参数空间中，候选对象被当作所谓的累加器空间中的局部最大值来获得，所述累加器空间由用于计算霍夫变换的算法明确地构建。最基本的霍夫变换是从黑白图像中检测直线(线段)。主要优点是能容忍特征边界描述中的间隙，并且相对不受图像噪声的影响。
由于直线有垂直于坐标轴的情况，所以选取极坐标系作为参数空间。由图像空间映射至极坐标系空间，把待求解直线问题转化为在极坐标参数空间中寻找通过点(r,θ)的最多正弦曲线数的数学问题，由计算机拟合出坐标纱线筒和对应风孔之间的直线。
对于已标记的坐标，设定5分钟巡检一次(PC上位机可根据不同布匹的纱线用量客制化)，然后再检测是否该坐标纱线筒与对应风孔间是否有连线，若有则暂时不发布换筒命令；若无连线，说明该筒纱线已用尽，则通过无线模块向PC上位机软件发送该筒位置坐标，并标记换筒。
对采集到的图像，检测纱筒是否有头线进入风管6的方法如下：
步骤一采集到的图像对ROI进行提取，采用高斯滤波算法进行图像平滑，实现对图像的预处理：
①ROI提取：对感兴趣区域进行划分，利用投影法：
其中：F(α，β)为像素点的灰度值，Xa为灰度平均值，H为图像的高度， W为图像的宽度；α表示像素点的横坐标，β表示像素点的纵坐标；
②图像平滑：
二维高斯滤波函数：
其中x,y为图像中点坐标；σ是标准差；σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，可以平衡对图像的噪声的抑制；
n为高斯滤波器窗口大小；
步骤二利用线段检测算法进行纱线边缘提取：
①计算图像的梯度：
i(x,y)为坐标(x,y)像素点的灰度值，gx(x,y)为像素点(x,y)水平方向的梯度，gy(x,y)为像素点(x,y)垂直方向的梯度，G(x,y)为像素点(x,y) 上的总梯度；
通过选择水平和垂直的梯度来提取最大梯度的像素，最大梯度的像素成为要提取的线段上的点，通过连接梯度最大点构成像素链形成边缘；
②遍历边缘像素链，用最小二乘法进行拟合，偏差绝对值之和最小：
i＝0,1,2...m为像素点坐标值，
为近似拟合曲线，δi为近似拟合曲线在i点处的偏差；xi表示图像点的横坐标，yi表示图像点的纵坐标；
通过添加更多像素来扩展近似拟合曲线，当误差超过设定阈值时，生成一个新的近似拟合曲线；递归处理边缘像素链中所剩余的像素，直到所有像素都被处理完成；
检测到完整的线段时说明头线进入风管，在正常工作；不能拟合成完整的线段时说明没有头线进入风管6。
该纱筒检测方法填补了纺织行业智能制造中空筒检测的技术空白。融合计算机视觉和机械控制自动化，有利于纺织产业向智能化发展。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。
Claims (9)
1.一种纱线空筒检测方法，其特征在于，包括如下步骤:
步骤一、在风送纱架(1)附近布置桁架机器人(7)，桁架机器人(7)包括竖向运动机构(8)，竖向运动机构连接有视觉检测装置(10)；
所述风送纱架(1)包括A柱(2)和B柱(3)；A柱(2)和B柱(3)均固定有一一对应的用于放置纱筒(5)的纱筒杆(4)；每一组对应的纱筒杆(4)上，一个安装进纱纱筒，另一个安装预备纱筒；预备纱筒的头线与进纱纱筒的尾线连接；进纱纱筒的头线进入风送纱架(1)上对应的风管(6)；
步骤二、风送纱架(1)运转，通过风管(6)吸收头线；桁架机器人(7)带动视觉检测装置(10)运动检测所述进纱纱筒是否有头线进入风管(6)；若所述进纱纱筒没有头线进入风管(6)，则进纱纱筒上的纱线处于空筒状态，视觉检测装置(10)通过智能控制系统将处于空筒状态的进纱纱筒的编号发送到对应的报警或显示装置；提醒工人更换纱筒；更换的纱筒的头线与原预备纱筒的尾线相连；更换的纱筒作为预备纱筒，原预备纱筒作为进纱纱筒；所述视觉检测装置(10)检测进纱纱筒上纱线的厚度，当进纱纱筒上纱线的厚度为0，且进纱纱筒没有头线进入风管(6)，则进纱纱筒上的纱线处于空筒状态；若进纱纱筒上纱线的厚度＞0，且进纱纱筒没有头线进入风管(6)，则说明进纱纱筒存在断线，视觉检测装置(10)通过智能控制系统将处于断线状态的进纱纱筒的编号发送到对应的报警或显示装置，通知工人进行接线；若进纱纱筒上纱线的厚度＞0且＜5毫米，则视觉检测装置(10)每一次检查周期优先对所述进纱纱筒进行巡查；
步骤三、重复步骤二。
2.如权利要求1所述的纱线空筒检测方法，其特征在于，所述视觉检测装置(10)巡检时，对每一组均绕有纱线的纱筒，将头线进入风管(6)的纱筒自动定义为进纱纱筒，另一个纱筒自动定义为预备纱筒；桁架机器人带动视觉检测装置(10)，根据运行的距离对检查的纱筒进行空间定位；对上位机发出报警和换纱筒指令时，同时提供纱筒的具体位置；对检测到纱筒上的纱线少于设定阈值时，给上位机发出指令，缩短对纱线少于设定阈值的纱筒的巡视时间间隔。
3.如权利要求1所述的纱线空筒检测方法，其特征在于，所述视觉检测装置(10)包括两个摄像头，一个摄像头对应A柱(2)设置，另一个摄像头对应B柱(3)设置。
4.如权利要求1所述的纱线空筒检测方法，其特征在于，所述视觉检测装置(10)采集到图像后，先对图像二值化然后，Blob分析调整阈值选出感兴趣区域，进而得到待检测圆环区域的内外圆半径，接着由内往外沿着灰度发生跃变的地方，拟合出待检测纱筒上纱线的内圆把半径R1和外圆半径R2；R2与R1的差值即为纱筒上纱线的厚度，即纱线绕筒半径。
5.如权利要求4所述的纱线空筒检测方法，其特征在于，对采集到的图像，得到纱线绕筒半径的步骤如下：
步骤一：图像处理：
采集到的图像二值化，采用Canny算子提取纱线上纱筒的边缘点；
Canny算子的检测步骤：
①高斯滤波器平滑图像，去除噪声
二维高斯滤波函数：
其中G(x，y)为纱筒的边缘点的坐标，x表示纱筒的边缘点的横坐标，y表示纱筒的边缘点的纵坐标；σ为高斯滤波器的标准差，σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，平衡对图像的噪声的抑制；
n为高斯滤波器窗口大小；e为自然常数；
②计算梯度幅值和梯度方向
使用微分算子计算偏导数：
其中：Gx为x方向的微分算子，Gy为y方向的微分算子；B为梯度，反映了图像的边缘强调，Bx为x方向的梯度值，By为y方向的梯度值，θ为梯度角，反映了图像的边缘的方向；
③对梯度幅值进行非极大值抑制
沿梯度方向检测极大值点，即边缘点，像素灰度值置为0；
④采用双阈值算法检测边缘和连接边缘
采用双阈值检测算法，阈值为th1和th2，th1＝0.4th2，在此基础上进行图像边缘的连接，得到边界二值图；
步骤二、最小二乘法圆拟合原理对边缘点进行拟合：
假设空间中存在一个圆，圆心坐标为(x0,y0)，半径为r，那么圆的方程表示为：
(x-x0)2+(y-y0)2＝r2 (1)
对于最小二乘法的圆拟合，误差平方的优化目标函数S为：
式(2)中：i＝1,2,...,k为圆弧上特征点坐标，k为参与拟合的特征点数；在保持优化目标函数特征的前提下，定义误差平方函数E：
其中：B＝-2y0,A＝-2x0,
xi表示第i个参与拟合的特征点的横坐标，yi表示第i个参与拟合的特征点的纵坐标；
由最小二乘法原理，参数A,B,C使E取得极小值，根据极小值的求法，A,B,C满足：
根据最小二乘法计算公式求得最佳拟合圆心坐标(x0,y0)，及半径r的拟合值：
拟合圆后测量外圆半径R2与内圆半径R1，即测得纱线半径，从而判断纱筒上还有多少纱线。
6.如权利要求4所述的纱线空筒检测方法，其特征在于，对采集到的图像，检测纱筒是否有头线进入风管(6)的方法如下：
步骤一)采集到的图像对ROI进行提取，采用高斯滤波算法进行图像平滑，
实现对图像的预处理：
①ROI提取：对感兴趣区域进行划分，利用投影法：
其中：F(α，β)为像素点的灰度值，Xa为灰度平均值，H为图像的高度，
W为图像的宽度；α表示像素点的横坐标，β表示像素点的纵坐标；
②图像平滑：
二维高斯滤波函数：
其中(x,y)为图像中点坐标；σ是标准差；σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，可以平衡对图像的噪声的抑制；
n为高斯滤波器窗口大小；
步骤二)利用线段检测算法进行纱线边缘提取：
①计算图像的梯度：
i(x,y)为坐标(x,y)像素点的灰度值，gx(x,y)为像素点(x,y)水平方向的梯度，gy(x,y)为像素点(x,y)垂直方向的梯度，G(x,y)为像素点(x,y) 上的总梯度；
通过选择水平和垂直的梯度来提取最大梯度的像素，最大梯度的像素成为要提取的线段上的点，通过连接梯度最大点构成像素链形成边缘；
②遍历边缘像素链，用最小二乘法进行拟合，偏差绝对值之和最小：
i＝0,1,2...m为像素点坐标值，
为近似拟合曲线，δi为近似拟合曲线在i点处的偏差；xi表示图像点的横坐标，yi表示图像点的纵坐标；
通过添加更多像素来扩展近似拟合曲线，当误差超过设定阈值时，生成一个新的近似拟合曲线；递归处理边缘像素链中所剩余的像素，直到所有像素都被处理完成；
检测到完整的线段时说明头线进入风管，在正常工作；不能拟合成完整的线段时说明没有头线进入风管(6)。
7.一种采用权利要求1-6任一所述纱线空筒检测方法的纱线空筒检测装置，其特征在于，包括风送纱架(1)，风送纱架(1)附近布置桁架机器人(7)，桁架机器人(7)包括竖向运动机构(8)，竖向运动机构(8)连接有视觉检测装置(10)；
所述风送纱架(1)包括A柱(2)和B柱(3)；A柱(2)和B柱(3)均固定有一一对应的用于放置纱筒(5)的纱筒杆(4)；每一组对应的纱筒杆(4)上，一个安装进纱纱筒，另一个安装预备纱筒；预备纱筒的头线与进纱纱筒的尾线连接；进纱纱筒的头线进入风送纱架(1)上对应的风管(6)；视觉检测装置(10)有线或无线连接有上位机，上位机有线或无线连接有提醒装置。
8.如权利要求7所述的纱线空筒检测装置，其特征在于，所述提醒装置为报警器或显示屏；所述风送纱架(1)为八孔风送纱架。
9.如权利要求7所述的纱线空筒检测装置，其特征在于，所述竖向运动机构(8)还连接有横向运动机构(9)，竖向运动机构(8)和横向运动机构(9)为气缸、油缸或丝杆机构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010557607.5A CN111733496B (zh) | 2020-06-17 | 2020-06-17 | 一种纱线空筒检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010557607.5A CN111733496B (zh) | 2020-06-17 | 2020-06-17 | 一种纱线空筒检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111733496A CN111733496A (zh) | 2020-10-02 |
| CN111733496B true CN111733496B (zh) | 2021-08-27 |
Family
ID=72649686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010557607.5A Expired - Fee Related CN111733496B (zh) | 2020-06-17 | 2020-06-17 | 一种纱线空筒检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111733496B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112796036B (zh) * | 2020-12-29 | 2022-09-09 | 王强 | 纱管状态检测方法 |
| CN112744644A (zh) * | 2020-12-30 | 2021-05-04 | 重庆市鸿顺纺织品有限公司 | 自动络筒机纱线接头加固系统及方法 |
| CN113802251B (zh) * | 2021-08-17 | 2022-12-27 | 广东邦诚纺织科技有限公司 | 纱线量检测提示控制方法、装置、电子设备及系统 |
| CN114779727B (zh) * | 2022-05-10 | 2024-05-28 | 山东大学 | 一种纺织机工作状态实时监测系统及方法 |
| CN115127464B (zh) * | 2022-06-24 | 2023-09-26 | 南京航空航天大学 | 一种基于多目视觉的携纱器剩余纱线量检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CH681003A5 (en) * | 1990-06-21 | 1992-12-31 | Zellweger Uster Ag | Creel frame - has creel peg alignment for loading or working |
| CN2559662Y (zh) * | 2002-08-02 | 2003-07-09 | 游誉龙 | 立式风管纱架 |
| CN101035730A (zh) * | 2004-07-16 | 2007-09-12 | 因维斯塔技术有限公司 | 连续纱线的传送筒子架 |
| CN205775056U (zh) * | 2016-06-06 | 2016-12-07 | 广州赫伽力智能科技有限公司 | 一种整经v型纱架机器人自动挂纱机构 |
| CN107475833A (zh) * | 2017-08-30 | 2017-12-15 | 安徽华茂纺织股份有限公司 | 基于图像分析技术的细纱机单锭断线检测系统及方法 |
-
2020
- 2020-06-17 CN CN202010557607.5A patent/CN111733496B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CH681003A5 (en) * | 1990-06-21 | 1992-12-31 | Zellweger Uster Ag | Creel frame - has creel peg alignment for loading or working |
| CN2559662Y (zh) * | 2002-08-02 | 2003-07-09 | 游誉龙 | 立式风管纱架 |
| CN101035730A (zh) * | 2004-07-16 | 2007-09-12 | 因维斯塔技术有限公司 | 连续纱线的传送筒子架 |
| CN205775056U (zh) * | 2016-06-06 | 2016-12-07 | 广州赫伽力智能科技有限公司 | 一种整经v型纱架机器人自动挂纱机构 |
| CN107475833A (zh) * | 2017-08-30 | 2017-12-15 | 安徽华茂纺织股份有限公司 | 基于图像分析技术的细纱机单锭断线检测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111733496A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111733496B (zh) | 一种纱线空筒检测装置及方法 | |
| US11213860B2 (en) | Automatic magnetic core sorting system based on machine vision | |
| CN107764839B (zh) | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 | |
| CN103529051B (zh) | 一种机织纺织品瑕疵自动在线检测方法 | |
| CN109772724B (zh) | 一种铸件重点表面及内部缺陷的柔性检测分析系统 | |
| CN111308987B (zh) | 基于图像处理的开卷机自动上卷控制系统及检测方法 | |
| CN114897894B (zh) | 一种筒纱菊花芯缺陷检测方法 | |
| CN110044183B (zh) | 一种基于机器视觉的脱方检测自动上料方法 | |
| CN208574964U (zh) | 一种基于机器视觉的自动辨识及分拣烟盒装置 | |
| CN110927161B (zh) | 一种适用于飘丝飘杂的视检方法 | |
| CN108190774B (zh) | 一种基于投影的排绳故障检测方法及其装置 | |
| CN110514664B (zh) | 一种筒子纱纱杆定位检测机器人及方法 | |
| CN110983609A (zh) | 一种纱线接头检测装置及其使用方法 | |
| CN109785319A (zh) | 一种基于图像处理的喷码字符检测系统、装置和检测方法 | |
| CN111519294A (zh) | 纱线断线预警监测方法、系统、装置及可读存储介质 | |
| CN111337509A (zh) | 一种纺织品织物表面瑕疵检测装置、检测系统及其检测方法 | |
| CN113592852A (zh) | 一种碳纤维碳丝质量在线检测系统和方法 | |
| CN117773357A (zh) | 一种标签缺陷鉴别、裁切和收集方法以及系统 | |
| CN111693535A (zh) | 基于机器视觉分析的触摸屏缺陷检测设备及方法 | |
| CN118305101A (zh) | 一种自动化轴承缺陷检测系统及方法 | |
| CN111676556B (zh) | 一种自动断纱巡回检测装置及控制方法 | |
| CN112365538A (zh) | 一种自动上卷系统的高效目标检测方法 | |
| CN212459435U (zh) | 纺织品织物表面瑕疵检测装置 | |
| CN115897073A (zh) | 一种自动下摆机智能控制方法及系统 | |
| CN114622311A (zh) | 断线检测方法、装置及纺纱机 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210827 |