CN112070723A - 一种素色机织物密度的自动识别方法 - Google Patents

一种素色机织物密度的自动识别方法 Download PDF

Info

Publication number
CN112070723A
CN112070723A CN202010816725.3A CN202010816725A CN112070723A CN 112070723 A CN112070723 A CN 112070723A CN 202010816725 A CN202010816725 A CN 202010816725A CN 112070723 A CN112070723 A CN 112070723A
Authority
CN
China
Prior art keywords
density
image
warp
equal
weft
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.)
Granted
Application number
CN202010816725.3A
Other languages
English (en)
Other versions
CN112070723B (zh
Inventor
武银飞
徐帅
周红涛
周彬
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.)
Yancheng Institute of Industry Technology
Original Assignee
Yancheng Institute of Industry Technology
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 Yancheng Institute of Industry Technology filed Critical Yancheng Institute of Industry Technology
Priority to CN202010816725.3A priority Critical patent/CN112070723B/zh
Publication of CN112070723A publication Critical patent/CN112070723A/zh
Application granted granted Critical
Publication of CN112070723B publication Critical patent/CN112070723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明公开了一种素色机织物密度的自动识别方法：包括经纱密度识别及纬纱密度识别，其中经纱或纬纱密度识别按照以下步骤操作：获取待检测素色机织物样品的灰度化图像；选取目标矩形，并确定目标矩形内的灰度最小值A点；完成灰度化图像经纱/纬纱的方向纠偏与裁剪；计算经纱/纬纱方向的亮度投影曲线；以亮度投影曲线亮度均值为检测线确定经纱或纬纱间隙；根据相邻经纱或纬纱间隙位置及图像分辨率计算经纱或纬纱密度。本发明在空域经纬纱亮度投影曲线的基础上进行算法改进提供的一种自动识别方法，提高了素色机织物密度检测的准确性，且运算速度快，算法鲁棒性好，与现代纺织自动化生产相适应，能够满足实际生产的需要。

Description

一种素色机织物密度的自动识别方法
技术领域
本发明属图像分析处理领域，应用于纺织品织造参数自动分析与识别领域，具体涉及一种素色机织物密度自动识别方法。
背景技术
在纺织企业织物来样进行再生产过程中,生产之前需要对织物来样进行结构参数分析,包括织物组织、经纬纱密度、纱线号数等,然后根据这些织物参数,才能生产出与来样织物一致的产品。织物经纬纱密度是织物结构参数检测中最重要的一项,需要计数单位长度内的纱线根数,传统的人工分析方法中是依赖于检测人员分解来样织物利用人眼直接观察，或对来样织物借助照布镜、密度镜辅助下计数完成织物经纬密度的测定,但检测过程主观性强,容易使人产生疲劳,效率低,且容易出错。
素色机织物指的是经纬纱都是纱线本来的颜色，不包括在自然生长条件下就具有天然色彩的纺织原料而形成的彩色纱线，未经过漂染，并按照一定的上下沉浮规律垂直交织而形成的织物。随着数字图像处理技术发展，基于图像分析机织物结构参数成为可能，素色机织物密度的自动测量方法主要有空域与频域两种方法，其中空域法主要是借助织物图像的亮度投影曲线利用区域排查法找出纱线间隙位置，进而求出机织物的密度，但区域排查法过程繁琐，流程长；频域法主要利用傅里叶变换和小波变换测定，傅里叶变换在频谱图上得到纱线与纱线之间的距离完成机织物密度测定，但织物本身纹理是比较复杂,并不呈现完全的周期性,只能得到织物密度的近似值；而小波变换小波分解层数没有一个统一的标准，不同分解层数检测结果差异较大。
发明内容
为解决现有技术中的不足，本发明提供一种素色机织物密度的自动识别方法，提高了素色机织物密度检测的准确性，且运算速度快，算法鲁棒性好，与现代纺织自动化生产相适应，能够满足实际生产的需要。
为了实现上述目标，本发明采用如下技术方案：
一种素色机织物密度的自动识别方法：包括经纱密度识别及纬纱密度识别，其中经纱或纬纱密度识别按照以下步骤操作：
获取待检测素色机织物样品的灰度化图像；
选取目标矩形，并确定目标矩形内的灰度最小值A点；
完成灰度化图像经纱/纬纱的方向纠偏与裁剪；
计算经纱/纬纱方向的亮度投影曲线；
以亮度投影曲线亮度均值为检测线确定经纱或纬纱间隙位置；
根据相邻经纱或纬纱间隙位置及图像分辨率计算经纱或纬纱密度。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：
待检测素色机织物样品灰度化图像的获取方法是：
获取颜色空间模式为RGB的彩色图像，像素尺寸为M1×N1，通过公式
V(i,j)＝0.2989×R(i,j)+0.587×G(i,j)+0.114×B(i,j)
转至灰度图像记为V(i，j)，式中：
i，j分别为V的行、列坐标取值(1≤i≤M1，1≤j≤N1)。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：目标矩形的选取方法是：以灰度化图像的中心为中心，高、宽分别为灰度化图像行、列数一半选取一个矩形作为目标矩形。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：所述纠偏与裁剪的方法是：
以初始值为-5°，步长0.05°，计算经纱或纬纱方向过定点A角度区间在-5°～5°织物图像直线上像素点的灰度平均值并记录该灰度平均值所对应的角度，则平均灰度最小值所对应的角度就是图像的倾斜角度，以灰度化图像的中心为圆心，旋转所述倾斜角度获得纠偏后机织物图像，进而借助灰度化图像尺寸完成图像的剪裁，获得的图像大小为像素尺寸M2×N2，记为T(x,y),其中x,y为T行、列坐标取值(1≤x≤M2，1≤y≤N2)。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：经纱或纬纱方向亮度投影曲线的计算方法是：
Figure BDA0002632995660000021
式中x,y为T行、列坐标取值(1≤x≤M2，1≤y≤N2)。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：经纱或纬纱间隙位置确定方法是：
以经纱或纬纱方向亮度投影曲线亮度均值Ave为检测线，记录每个波谷左、右侧靠近Ave的点，则左、右侧点位置之间投影曲线亮度最小值所对应的位置即为经纱或纬纱的间隙位置，进而完成经纱或纬纱的分割；即：
若P(1)＞Ave，则从第一个波谷开始记录，否则从下一个波谷开始记录；
若P(y)＞Ave且P(y+1)≤Ave，1≤y≤N2-1，记录y+1位置确定波谷左侧靠近均值的点；
若P(y)≤Ave且P(y+1)＞Ave，1≤y≤N2-1，记录y位置确定波谷右侧靠近均值的点。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：经纱或纬纱密度的计算方法是：
Figure BDA0002632995660000031
式中：P的单位是根/10cm；D表示图像分辨率，表示2.54cm所具有的像素点数；B表示相邻经纱或纬纱间隙位置的均差值。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：先进行经纱密度识别，然后将图像旋转90°，再完成纬纱密度识别。
作为本发明的一种优选方案，前述的素色机织物密度的自动识别方法：先进行纬纱密度识别，然后将图像旋转90°，再完成经纱密度识别。
本发明所达到的有益效果：
相对于现有技术，本发明在空域经纬纱亮度投影曲线的基础上进行算法改进提供的一种自动识别方法，提高了素色机织物密度检测的准确性，且运算速度快，算法鲁棒性好，与现代纺织自动化生产相适应，能够满足实际生产的需要。
附图说明
图1是本发明素色机织物经纬纱密度自动识别流程图；
图2是素色机织物灰度图像；
图3是素色机织物灰度图像矩形区域内灰度最小值A位置；
图4是经纱纠偏与裁剪黑色区域后获得的灰度图像；
图5是经纱方向亮度投影曲线与经纱间隙位置图像；
图6是经纱分割后的图像；
图7是纬纱纠偏与裁剪黑色区域后获得的灰度图像；
图8是纬纱方向亮度投影曲线与纬纱间隙位置图像；
图9是纬纱分割后的图像。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示：本实施例公开了一种素色机织物密度的自动识别方法，包括经纱密度识别和纬纱密度识别，本实施例以先识别经纱，再识别纬纱的方式进行描述。
(1)首先需要获取待检测素色机织物样品的灰度化图像，具体可采用以下方式：借助衬板利用数字图像设备采集素色机织物图像，图像采集设备可采用现有技术中的扫描仪、视频显微镜、线阵相机、面阵相机等，获得颜色空间模式为RGB的彩色图像，像素尺寸为M1×N1，本实施例以M1＝276，N1＝268为例，实际尺寸为0.567cm×0.576cm，竖直为经纱方向，水平为纬纱方向，转至灰度图像记为V(i，j)，即可得到待检测素色机织物样品的灰度化图像(图2)，具体转换公式如下：
V(i,j)＝0.2989×R(i,j)+0.587×G(i,j)+0.114×B(i,j) (1)
式中：i，j分别为V的行、列坐标取值(1≤i≤M1，1≤j≤N1)。
(2)然后选取目标矩形，并确定目标矩形内的灰度最小值A点，具体按照以下步骤操作：
以上述灰度化图像V的中心为中心(坐标为：行M1/2取整，列N1/2取整)，高和宽分别为灰度化图像V行列数一半选取一个目标矩形，即取灰度图像V行范围M1/4取整至3×M1/4取整，列范围N1/4取整至3×N1/4取整。为避免后续计算过程出现越界，取矩形区域内机织物图像灰度最小值所对应的位置作为织物图像上过系列直线的定点A(图3)。
(3)接着完成灰度化图像经纱/纬纱的方向纠偏与裁剪；
因扫描时纱线条干部分反射能量高，灰度值大，而纱线间隙反射能量小，灰度值小；另一般会注意织物的摆放，所以倾斜角度会很小。以初始值为-5°，步长0.05°，计算经纱方向过定点A角度区间在-5°～5°织物图像直线上像素点的灰度平均值，并记录所对应的角度，根据机织物纹理特征灰度最小值所对应的角度就是图像倾斜角度，以灰度图像V的中心为圆心，完成素色机织物图像经纱方向的纠偏，为滤除旋转后插值所形成的黑色区域，根据计算所得的倾斜角度结合图像尺寸获得纠偏后素色机织物裁剪图像T，像素尺寸为M2×N2，记为T(x,y)，其中x、y分别为T行、列坐标取值(1≤x≤M2，1≤y≤N2)，见图4所示。
(4)然后计算经纱方向的亮度投影曲线：采用公式如下。
Figure BDA0002632995660000041
式中：x、y分别为T行、列坐标取值(1≤x≤M2，1≤y≤N2)
(5)以亮度投影曲线亮度均值为检测线确定经纱间隙位置并分割；
以经纱方向亮度投影曲线亮度均值(记为Ave)为检测线，记录每个波谷左、右侧点，则左、右侧点位置之间投影曲线亮度最小值所对应的位置即为纱线间隙位置并完成经纱分割，具体方法是：
若P(1)＞Ave，则从第一个波谷开始记录，否则从下一个波谷开始记录；
若P(y)＞Ave，且P(y+1)≤Ave，1≤y≤N2-1，记录y+1位置确定波谷左侧靠近均值的点；
若P(y)≤Ave，且P(y+1)＞Ave，1≤y≤N2-1，记录y位置确定波谷右侧靠近均值的点，获得经纱间隙位置如图5所示，图中的虚线为均值检测线，经纱分割后的图像见图6所示。
(6)对相邻经纱间隙位置求差取均值记为B，即代表1根经纱所占像素点数，值为11.45，根据图像分辨率D为1200DPI，即2.54cm有1200个像素点，带入公式(3)即可获得经纱密度PT为412.61(根/10cm)。
Figure BDA0002632995660000051
式中：PT表示经纱密度，单位是：根/10cm，B表示1根经纱所占像素点数，D为图像分辨率。
在上述经纱密度识别完成之后，即可进行纬纱密度的识别：
具体步骤是：将素色机织物转换后的灰度图像V沿中心旋转90°，则纬纱转为垂直方向，形成旋转后的图像VT，重复(2)-(6)获得相邻纬纱间隙位置的均值记为C，即代表1根纬纱所占的像素点数，值为16.69，根据图像分辨率D带入公式(4)计算纬纱密度PW为283.03(根/10cm)，对纬纱纠偏并滤除黑色区域获得的图像见图7所示，纬纱间隙位置如图8所示，同样图中虚线也为均值检测线，纬纱分割后的图像见图9所示。
Figure BDA0002632995660000052
式中：PW表示纬纱密度，单位是：根/10cm，C表示1根纬纱所占像素点数，D为图像分辨率。
需要说明的是：上述仅仅是以先识别经纱密度，再识别纬纱密度的方式进行描述，也可先识别纬纱密度再识别经纱密度，具体过程本实施例不再赘述。
相对于现有技术，本发明在空域经纬纱亮度投影曲线的基础上进行算法改进提供的一种自动识别方法，提高了素色机织物密度检测的准确性，且运算速度快，算法鲁棒性好，与现代纺织自动化生产相适应，能够满足实际生产的需要。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，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变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种素色机织物密度的自动识别方法，其特征在于：包括经纱密度识别及纬纱密度识别，其中经纱或纬纱密度识别按照以下步骤操作：
获取待检测素色机织物样品的灰度化图像；
选取目标矩形，并确定目标矩形内的灰度最小值A点；
完成灰度化图像经纱/纬纱的方向纠偏与裁剪；
计算经纱/纬纱方向的亮度投影曲线；
以亮度投影曲线亮度均值为检测线确定经纱或纬纱间隙位置；
根据相邻经纱或纬纱间隙位置及图像分辨率计算经纱或纬纱密度。
2.根据权利要求1所述的一种素色机织物密度的自动识别方法，其特征在于：
待检测素色机织物样品灰度化图像的获取方法是：
获取颜色空间模式为RGB的彩色图像，像素尺寸为M1×N1，通过公式
V(i,j)＝0.2989×R(i,j)+0.587×G(i,j)+0.114×B(i,j)
转至灰度图像记为V(i，j)，式中：
i，j分别为V的行、列坐标取值(1≤i≤M1，1≤j≤N1)。
3.根据权利要求2所述的一种素色机织物密度的自动识别方法，其特征在于：目标矩形的选取方法是：以灰度化图像的中心为中心，高、宽分别为灰度化图像行、列数一半选取一个矩形作为目标矩形。
4.根据权利要求3所述的一种素色机织物密度的自动识别方法，其特征在于：所述纠偏与裁剪的方法是：
以初始值为-5°，步长0.05°，计算经纱或纬纱方向过定点A角度区间在-5°～5°织物图像直线上像素点的灰度平均值并记录该灰度平均值所对应的角度，则平均灰度最小值所对应的角度就是图像的倾斜角度，以灰度化图像的中心为圆心，旋转所述倾斜角度获得纠偏后机织物图像，进而借助灰度化图像尺寸完成图像的剪裁，获得的图像大小为像素尺寸M2×N2，记为T(x,y),其中x,y为T行、列坐标取值(1≤x≤M2，1≤y≤N2)。
5.根据权利要求4所述的一种素色机织物密度的自动识别方法，其特征在于：经纱或纬纱方向亮度投影曲线的计算方法是：
Figure FDA0002632995650000011
式中x,y为T行、列坐标取值(1≤x≤M2，1≤y≤N2)。
6.根据权利要求5所述的一种素色机织物密度的自动识别方法，其特征在于：经纱或纬纱间隙位置确定方法是：
以经纱或纬纱方向亮度投影曲线亮度均值Ave为检测线，记录每个波谷左、右侧靠近Ave的点，则左、右侧点位置之间投影曲线亮度最小值所对应的位置即为经纱或纬纱的间隙位置，进而完成经纱或纬纱的分割；即：
若P(1)＞Ave，则从第一个波谷开始记录，否则从下一个波谷开始记录；
若P(y)＞Ave且P(y+1)≤Ave，1≤y≤N2-1，记录y+1位置确定波谷左侧靠近均值的点；
若P(y)≤Ave且P(y+1)＞Ave，1≤y≤N2-1，记录y位置确定波谷右侧靠近均值的点。
7.根据权利要求1所述的一种素色机织物密度的自动识别方法，其特征在于：经纱或纬纱密度的计算方法是：
Figure FDA0002632995650000021
式中：P的单位是根/10cm；D表示图像分辨率，表示2.54cm所具有的像素点数；B表示相邻经纱或纬纱间隙位置的均差值。
8.根据权利要求1所述的一种素色机织物密度的自动识别方法，其特征在于：先进行经纱密度识别，然后将图像旋转90°，再完成纬纱密度识别。
9.根据权利要求1所述的一种素色机织物密度的自动识别方法，其特征在于：先进行纬纱密度识别，然后将图像旋转90°，再完成经纱密度识别。
CN202010816725.3A 2020-08-14 2020-08-14 一种素色机织物密度的自动识别方法 Active CN112070723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010816725.3A CN112070723B (zh) 2020-08-14 2020-08-14 一种素色机织物密度的自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010816725.3A CN112070723B (zh) 2020-08-14 2020-08-14 一种素色机织物密度的自动识别方法

Publications (2)

Publication Number Publication Date
CN112070723A true CN112070723A (zh) 2020-12-11
CN112070723B CN112070723B (zh) 2023-11-28

Family

ID=73661573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010816725.3A Active CN112070723B (zh) 2020-08-14 2020-08-14 一种素色机织物密度的自动识别方法

Country Status (1)

Country Link
CN (1) CN112070723B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766152A (zh) * 2021-01-18 2021-05-07 盐城工业职业技术学院 一种机织物密度自动识别的通用方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101096818A (zh) * 2006-06-27 2008-01-02 中国纺织科学研究院 织物经纬密度的检测方法
CN102523366A (zh) * 2011-12-13 2012-06-27 上海工程技术大学 一种织物编织样式自动分析系统及方法
CN103149210A (zh) * 2013-02-25 2013-06-12 东华大学 一种基于鳞片图文特征的织物羊绒含量检测系统及方法
CN103471973A (zh) * 2013-09-05 2013-12-25 东华大学 一种图像法测定织物孔隙特征的方法
CN103471974A (zh) * 2013-09-05 2013-12-25 东华大学 一种图像法测定织物理论孔隙率的方法
CN104346818A (zh) * 2014-10-27 2015-02-11 江南大学 一种机织物密度自动测量方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101096818A (zh) * 2006-06-27 2008-01-02 中国纺织科学研究院 织物经纬密度的检测方法
CN102523366A (zh) * 2011-12-13 2012-06-27 上海工程技术大学 一种织物编织样式自动分析系统及方法
CN103149210A (zh) * 2013-02-25 2013-06-12 东华大学 一种基于鳞片图文特征的织物羊绒含量检测系统及方法
CN103471973A (zh) * 2013-09-05 2013-12-25 东华大学 一种图像法测定织物孔隙特征的方法
CN103471974A (zh) * 2013-09-05 2013-12-25 东华大学 一种图像法测定织物理论孔隙率的方法
CN104346818A (zh) * 2014-10-27 2015-02-11 江南大学 一种机织物密度自动测量方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766152A (zh) * 2021-01-18 2021-05-07 盐城工业职业技术学院 一种机织物密度自动识别的通用方法
CN112766152B (zh) * 2021-01-18 2023-09-22 盐城工业职业技术学院 一种机织物密度自动识别的通用方法

Also Published As

Publication number Publication date
CN112070723B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Kang et al. Automatic recognition of fabric weave patterns by digital image analysis
CN109211918B (zh) 一种基于纬纱走向的织物弓纬检测方法
CN106485288B (zh) 一种色织物组织的自动识别方法
CN104715477A (zh) 基于多尺度和多区域的机织物编织密度的图像分析方法
CN114862855B (zh) 基于模板匹配的纺织品缺陷检测方法及系统
CN116630309B (zh) 一种布匹断纬瑕疵检测方法
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN111861996A (zh) 一种印花织物疵点检测方法
CN114842007A (zh) 一种基于图像处理的纺织品磨损缺陷检测方法
CN112070723A (zh) 一种素色机织物密度的自动识别方法
CN115049671A (zh) 基于计算机视觉的布匹表面缺陷检测方法及系统
CN113838038A (zh) 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质
CN115861310A (zh) 一种床单表面纺织缺陷检测方法
CN116523899A (zh) 一种基于机器视觉的纺织品瑕疵检测方法及系统
CN116894840B (zh) 纺纱打样机产品质量检测方法及系统
CN116805312B (zh) 一种基于图像处理的针织式面料质量检测方法
CN112330673A (zh) 一种基于图像处理的机织物密度检测方法
CN105741250B (zh) 基于二次插值法的自动验布机走布速度不匀的图像矫正方法
CN112766152B (zh) 一种机织物密度自动识别的通用方法
JP7003669B2 (ja) 表面検査装置、及び表面検査方法
CN109165650B (zh) 印花织物图像最小重复单元自动检测方法
CN105741301B (zh) 基于拉格朗日插值法的自动验布机走布速度不匀的图像矫正方法
CN109919028B (zh) 一种基于织物组织结构的柔性坐标系建立及形状识别方法
CN109377489B (zh) 一种梭织物的组织构造的分析方法及分析系统
Chen et al. Fabric patterns recognition based on weft phase difference

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