CN112251861B - 一种环锭纺细纱机断头检测装置及检测方法 - Google Patents
一种环锭纺细纱机断头检测装置及检测方法 Download PDFInfo
- Publication number
- CN112251861B CN112251861B CN202010932849.8A CN202010932849A CN112251861B CN 112251861 B CN112251861 B CN 112251861B CN 202010932849 A CN202010932849 A CN 202010932849A CN 112251861 B CN112251861 B CN 112251861B
- Authority
- CN
- China
- Prior art keywords
- wire hook
- stride
- inputting
- channels
- electric control
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Textile Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种环锭纺细纱机断头检测装置及检测方法,所述检测装置由三部分组成:(1)图像采集单元,包括线阵相机、相机镜头及编码器;(2)行走机构,包括轨道及电控轨道车,电控轨道车上安装有机架;(3)定位单元,包括读卡器及多个RFID电子标签;(4)控制显示单元,包括控制器、液晶显示装置。电控轨道车沿轨道行走,线阵相机采集导线钩及支承板位置图像,检测导线钩位置,若存在导线钩则截取导线钩上方小范围图片,检测是否存在纱线。本发明所述装置及方法能有效地提高细纱断头检测效率,减少现有检测装置复杂度,降低成本。
Description
技术领域
本发明属于纺织检测设备领域,具体涉及一种环锭纺细纱机断头检测装置及检测方法。
背景技术
细纱机在纺纱过程中会发生断头,传统的细纱机断头检测依靠人工巡视,速度慢,效率底。
目前,实现细纱机断头自动检测的方法有钢领圈运动光电检测、钢领圈运动电磁感应、导纱钩张力位移等,以上细纱机断头检测装置需要在每锭都加装检测装置,安装维护不便。
另外还有基于机器视觉的断纱检测方法,如CN103074717A、CN104499132A,在固定位置上安装面阵工业相机进行检测,存在同一区域重复检测计算的问题,而且需大量工业相机及配套图像处理器,费用昂贵。
发明内容
针对以上问题,本发明目的是提供一种高效、低成本的环锭纺细纱机断头检测装置及检测方法。
本发明所述的一种环锭纺细纱机断头检测装置,包括:
图像采集单元,包括线阵相机及编码器;
行走机构,包括轨道及电控轨道车,所述电控轨道车上安装有机架,以固定所述图像采集单元的线阵相机,所述编码器设置于电控轨道车车轮上,轨道沿环锭纺细纱机纺纱行进方向铺设;
定位单元,包括读卡器及多个RFID电子标签,其中所述读卡器设置于电控轨道车前方,RFID电子标签等间距的设置于轨道中心线位置;
控制显示单元,包括控制器和液晶显示装置,所述控制器和液晶显示装置均设置于电控轨道车机架上;
利用电控轨道车的行走,通过线阵相机完成对环锭纺细纱机导线钩、支承板部位的图像采集,判别图像中导线钩上方是否存在纱线来进行纱线断头检测,若存在断头,则定位纱线断头时线阵相机的机位位置信息。
其中,编码器产生脉冲信号以控制线阵相机采集图像,线阵相机在不同车速下清晰采集纱线图像,且一根纱线至少占3个像素点。
其中,RFID电子标签内写入具体机位位置信息,设定相邻RFID电子标签之间的距离大于线阵相机的拍摄范围;在行走机构的电控轨道车经过RFID电子标签其中一者时,通过读卡器读取对应RFID电子标签内包含的具体机位位置信息。
此外,本发明提供了一种环锭纺细纱机断头检测方法,结合前述一种环锭纺细纱机断头检测装置,包括以下步骤:
步骤1:对每块RFID电子标签写入具体机位位置信息;
步骤2:电控轨道车沿轨道行走,线阵相机采集导线钩图片,提取导线钩特征;
步骤3:实时检测导线钩位置,截取导线钩区域上方图片,检测是否存在白色直线,根据检测结果,给出相应信号。
其中,在线阵相机采集导线钩图片,提取导线钩特征的步骤中,包括步骤:
步骤(2.1):将线阵相机布置于导线钩上方,线阵相机随电控轨道车运动,采集细纱机上所有的导线钩图像,并传送至控制器;
步骤(2.2):控制器对图像进行中值滤波去噪;采用深度学习标注工具对图像中的导线钩进行标注;
步骤(2.3):通过离线深度学习目标检测算法自动学习导线钩特征。
其中,在检测是否存在白色直线,给出相应信号的步骤中,包括步骤:
步骤(3.1):控制器采用步骤2.3所训练目标检测算法,检测图片中是否存在导线钩,若存在导线钩则检测出导线钩具体位置,包括导线钩中心点坐标、长和宽;
步骤(3.2):根据步骤3.1所述导线钩具体位置,截取导线钩区域正上方的图片,进行中值滤波去噪,采用霍夫变换检测是否存在直线;
步骤(3.3):根据步骤3.2,若存在直线,计算直线平均灰度,灰度大于一定的阈值,则表明细砂未断头,灰度小于一定的阈值,则表明细砂断头;若不存在直线,则表明细砂断头;
步骤(3.4):根据步骤3.3,若细纱断头,则将当前RFID电子标签位置信息,在液晶显示器上显示。
区别于现有技术,本发明的环锭纺细纱机断头检测装置及检测方法,利用电控轨道车的行走,通过线阵相机完成对环锭纺细纱机导线钩、支承板部位的图像采集,判别图像中导线钩上方是否存在纱线来进行纱线断头检测,若存在断头,则定位纱线断头时线阵相机的机位位置信息。通过本发明,能够有效地提高细纱断头检测效率,避免同一区域重复检测计算的问题,减少现有检测装置复杂度,降低成本。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明提供的一种环锭纺细纱机断头检测装置的结构示意图。
图2是本发明提供的一种环锭纺细纱机断头检测装置的线阵相机扫描范围示意图。
图3是本发明提供的一种环锭纺细纱机断头检测装置的特征提取的网络架构示意图。
图4是本发明提供的一种环锭纺细纱机断头检测装置的特征提取网络中深度可分离卷积模块的结构示意图。
图5是本发明提供的一种环锭纺细纱机断头检测装置的目标真实框和检测框的交并比原理示意图。
图6是本发明提供的一种环锭纺细纱机断头检测装置方法的流程示意图。
图1中,1-轨道,2-电控轨道车,3-编码器,4-RFID读卡器,5-RFID电子标签,6-车轮,7-线阵相机,8-机架,9-控制器。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图1所示,本发明提供了一种环锭纺细纱机断头检测装置,图像采集单元,包括线阵相机6及编码器3;
行走机构,包括轨道1及电控轨道车2,所述电控轨道车2上安装有机架8,以固定所述图像采集单元的线阵相机6,所述编码器3设置于电控轨道车2车轮上,轨道沿环锭纺细纱机纺纱行进方向铺设;
定位单元,包括读卡器4及多个RFID电子标签5,其中所述读卡器4设置于电控轨道车2前方,RFID电子标签5等间距的设置于轨道1中心线位置;
控制显示单元,包括控制器9和液晶显示装置,所述控制器9和液晶显示装置均设置于电控轨道车机架8上;
利用电控轨道车2的行走,通过线阵相机6完成对环锭纺细纱机导线钩、支承板部位的图像采集,判别图像中导线钩上方是否存在纱线来进行纱线断头检测,若存在断头,则定位纱线断头时线阵相机6的机位位置信息。图2所示为线阵相机的扫描范围示意图。
其中,RFID电子标签5内写入具体机位位置信息,设定相邻RFID电子标签5之间的距离大于线阵相机6的拍摄范围;在行走机构的电控轨道车2经过RFID电子标签5其中一者时,通过读卡器4读取对应RFID电子标签5内包含的具体机位位置信息。
其中,编码器3产生脉冲信号以控制线阵相机6采集图像,线阵相机6在不同车速下清晰采集纱线图像,且一根纱线至少占3个像素点。
在本申请实施例中,为得到较优的效果,导线钩支承板表面颜色为黑色。
细纱直径0.6mm,电控轨道车最高车速20公里/小时,检测细纱时每根细纱需至少3个像素点,计算可得线阵相机拍照频率为27.8KHz,因此线阵相机行频可选28KHz。若电控车车轮直径5cm,编码器线数可选为1000线。
此外,如图6所示,本发明提供了一种环锭纺细纱机断头检测方法,结合所述的一种环锭纺细纱机断头检测装置,包括以下步骤:
步骤1:对每块RFID电子标签写入具体机位位置信息;
步骤2:电控轨道车沿轨道行走,线阵相机采集导线钩图片,提取导线钩特征;
步骤3:实时检测导线钩位置,截取导线钩区域上方图片,检测是否存在白色直线,根据检测结果,给出相应信号。
其中,在线阵相机采集导线钩图片,提取导线钩特征的步骤中,包括步骤:
步骤(2.1):将线阵相机布置于导线钩上方,线阵相机随电控轨道车运动,采集细纱机上所有的导线钩图像,并传送至控制器;
步骤(2.2):控制器对图像进行中值滤波去噪;采用深度学习标注工具对图像中的导线钩进行标注;
步骤(2.3):通过离线深度学习目标检测算法自动学习导线钩特征。
本发明所述导线钩实时检测网络,设计两个预测分支,采用上采样的方式将的特征层和的特征层进行融合,最后在两个特征图上分别作出预测,采用深度可分离卷积代替传统卷积层,将传统的卷积变为深度卷积和卷积两层卷积操作,使用深度卷积对不同的通道分别进行卷积加操作,然后进行特征融合。当stride=1时,使用1*1卷积对输入特征进行升维,避免由于非线性激活造成的特征损失,然后进行标准的深度可分离卷积操作,并且对浅层特征进行融合,同时使用1*1卷积减少融合的特征数,在保证网络提取到更多的导线钩信息的同时,有效减少网络的参数量。当stride为2时使用步长为2的卷积层。
本发明特征提取主干网络具体如下:
S1、将图像调整为416像素×416像素,输入到深度可分离卷积模块中,stride=2,通道数为24;
S2、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为12;
S3、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为18;
S4、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为18;
S5、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为24;
S6、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为24;
S7、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为48。
S8、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为48。
S9、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为72。
S10、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为120。
S11、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为120。
S12、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为240。
S13、上一层的输出结果输入到卷积层,stride=1,通道数为960。
特征提取的网络结构如图3所示,其中的深度可分离卷积模块的结构如图4所示。目标真实框和检测框的交并比原理如图5所示,用式(1)-式(3)计算,其中B为检测框,Bgt为真实框,d为B和Bgt中心点之间的距离,c为B和Bgt最小外接矩形的对角线的距离。CIoU损失的表达式如式(1),其中b和bgt分别表示检测框和真实框的中心点,表示欧氏距离,IoU表示B和Bgt的交并比,υ和α的表达式如式(2)和式(3)所示,w和h表示检测框的宽和高,wgt和hgt表示真实框的宽和高。
其中,在检测是否存在白色直线,给出相应信号的步骤中,包括步骤:
步骤(3.1):控制器采用步骤2.3所训练目标检测算法,检测图片中是否存在导线钩,若存在导线钩则检测出导线钩具体位置,包括导线钩中心点坐标、长和宽;
步骤(3.2):根据步骤3.1所述导线钩具体位置,截取导线钩区域正上方的图片,进行中值滤波去噪,采用霍夫变换检测是否存在直线;
步骤(3.3):根据步骤3.2,若存在直线,计算直线平均灰度,灰度大于一定的阈值,则表明细砂未断头,灰度小于一定的阈值,则表明细砂断头;若不存在直线,则表明细砂断头;
步骤(3.4):根据步骤3.3,若细纱断头,则将当前RFID电子标签位置信息,在液晶显示器上显示。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (5)
1.一种环锭纺细纱机断头检测装置,其特征在于,包括:
图像采集单元,包括线阵相机及编码器;
行走机构,包括轨道及电控轨道车,所述电控轨道车上安装有机架,以固定所述图像采集单元的线阵相机,所述编码器设置于电控轨道车车轮上,轨道沿环锭纺细纱机纺纱行进方向铺设;
定位单元,包括读卡器及多个RFID电子标签,其中所述读卡器设置于电控轨道车前方,RFID电子标签等间距的设置于轨道中心线位置;
控制显示单元,包括控制器和液晶显示装置,所述控制器和液晶显示装置均设置于电控轨道车机架上;
利用电控轨道车的行走,通过线阵相机完成对环锭纺细纱机导线钩、支承板部位的图像采集,判别图像中导线钩上方是否存在纱线来进行纱线断头检测,若存在断头,则定位纱线断头时线阵相机的机位位置信息;
所述编码器产生脉冲信号以控制线阵相机采集图像,线阵相机在不同车速下清晰采集纱线图像,且一根纱线至少占3个像素点。
2.根据权利要求1所述的环锭纺细纱机断头检测装置,其特征在于,RFID标签内写入具体机位位置信息,设定相邻RFID标签之间的距离大于线阵相机的拍摄范围;在行走机构的电控轨道车经过RFID标签其中一者时,通过读卡器读取对应RFID标签内包含的具体机位位置信息。
3.一种环锭纺细纱机断头检测方法,结合所述的权利要求1-2任意一项所述的一种环锭纺细纱机断头检测装置,其特征在于,包括以下步骤:
步骤1:对每块RFID电子标签写入具体机位位置信息;
步骤2:电控轨道车沿轨道行走,线阵相机采集导线钩图片,提取导线钩特征;
步骤3:实时检测导线钩位置,截取导线钩区域上方图片,检测是否存在白色直线,根据检测结果,给出相应信号;
特征提取主干网络具体如下:
S1、将图像调整为416像素×416像素,输入到深度可分离卷积模块中,stride=2,通道数为24;
S2、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为12;
S3、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为18;
S4、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为18;
S5、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为24;
S6、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为24;
S7、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为48;
S8、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为48;
S9、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为72;
S10、上一层的输出结果输入到深度可分离卷积模块,stride=2,通道数为120;
S11、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为120;
S12、上一层的输出结果输入到深度可分离卷积模块,stride=1,通道数为240;
S13、上一层的输出结果输入到卷积层,stride=1,通道数为960。
4.根据权利要求3所述的环锭纺细纱机断头检测方法,其特征在于,在线阵相机采集导线钩图片,提取导线钩特征的步骤中,包括步骤:
步骤(2.1):将线阵相机布置于导线钩上方,线阵相机随电控轨道车运动,采集细纱机上所有的导线钩图像,并传送至控制器;
步骤(2.2):控制器对导线钩图像进行中值滤波去噪:
p'r,c=med{pr,c(r,c∈w)}
式中p′r,c,pr,c为处理后的像素值和处理前的像素值,w表示滤波模版;
采用深度学习标注工具对图像中的导线钩进行标注;
步骤(2.3):通过离线深度学习目标检测算法自动学习导线钩特征。
5.根据权利要求4所述的环锭纺细纱机断头检测方法,其特征在于,在检测是否存在白色直线,给出相应信号的步骤中,包括步骤:
步骤(3.1):控制器采用步骤2.3所训练目标检测算法,检测图片中是否存在导线钩,若存在导线钩则检测出导线钩具体位置,包括导线钩中心点坐标、长和宽;
步骤(3.2):根据步骤3.1所述导线钩具体位置,截取导线钩区域正上方的图片,进行中值滤波去噪,采用霍夫变换检测是否存在直线;
步骤(3.3):根据步骤3.2,若存在直线,计算直线平均灰度,灰度大于一定的阈值,则表明细砂未断头,灰度小于一定的阈值,则表明细砂断头;若不存在直线,则表明细砂断头;
步骤(3.4):根据步骤3.3,若细纱断头,则将当前RFID标签位置信息,在液晶显示器上显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010932849.8A CN112251861B (zh) | 2020-09-08 | 2020-09-08 | 一种环锭纺细纱机断头检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010932849.8A CN112251861B (zh) | 2020-09-08 | 2020-09-08 | 一种环锭纺细纱机断头检测装置及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112251861A CN112251861A (zh) | 2021-01-22 |
CN112251861B true CN112251861B (zh) | 2022-10-11 |
Family
ID=74231157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010932849.8A Active CN112251861B (zh) | 2020-09-08 | 2020-09-08 | 一种环锭纺细纱机断头检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112251861B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113376175A (zh) * | 2021-05-26 | 2021-09-10 | 苏州普路通纺织科技有限公司 | 一种基于图像特征的涡流纺断纱检测方法 |
CN116815365B (zh) * | 2023-08-28 | 2023-11-24 | 江苏恒力化纤股份有限公司 | 一种环锭纺细纱机断纱自动检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0016940B1 (de) * | 1979-03-27 | 1983-05-18 | Maschinenfabrik Rieter Ag | Wanderndes Überwachungsgerät für die sukzessive Überwachung der Arbeitsbedingungen an jeder Spinnstelle einer Ringspinnmaschine |
CN103882569B (zh) * | 2014-04-18 | 2016-03-30 | 天津工业大学 | 一种细纱断头检测与处理装置及使用该装置的环锭细纱机 |
JP2017172096A (ja) * | 2016-03-21 | 2017-09-28 | プレミア・エボルビクス・プライベイト・リミテッドPremier Evolvics Pvt. Ltd. | 糸切れとスピンドル欠陥の自動検出方法とそれらを回復するためのロボット |
CN107201577B (zh) * | 2017-07-12 | 2022-12-06 | 上海兰宝传感科技股份有限公司 | 高分辨率细纱机纱线恒张力检测系统及方法 |
CN107475833B (zh) * | 2017-08-30 | 2020-04-07 | 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 |
CN108691045A (zh) * | 2018-08-29 | 2018-10-23 | 山英智能科技(桐乡)有限公司 | 一种基于视觉检测的细纱断纱检测装置及其方法 |
CN111235709A (zh) * | 2020-03-18 | 2020-06-05 | 东华大学 | 一种基于机器视觉的环锭纺细纱条干在线检测系统 |
-
2020
- 2020-09-08 CN CN202010932849.8A patent/CN112251861B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112251861A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112251861B (zh) | 一种环锭纺细纱机断头检测装置及检测方法 | |
CN108596169B (zh) | 基于视频流图像的分块信号转换与目标检测方法及装置 | |
EP1596322B1 (en) | Driving lane recognizer and driving lane recognizing method | |
CN107845264A (zh) | 一种基于视频监控的交通量采集系统及方法 | |
CN107719361A (zh) | 基于图像视觉的自动泊车辅助方法及系统 | |
CN104700072A (zh) | 基于车道线历史帧的识别方法 | |
CN113221861B (zh) | 一种多车道线检测方法、装置及检测设备 | |
CN109871752A (zh) | 一种基于监控视频检测车流提取车道线的方法 | |
CN112132071A (zh) | 识别交通拥堵的处理方法、装置、设备及存储介质 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN107067752A (zh) | 基于无人机航拍图像的车速估算系统及方法 | |
CN113240906A (zh) | 基于物流园区道路拥堵实时监控的车辆引导方法及系统 | |
CN114530042A (zh) | 一种基于物联网技术的城市交通大脑监控系统 | |
CN208271388U (zh) | 一种基于视频监控的交通量采集系统 | |
CN112464933B (zh) | 一种地基凝视红外成像弱小目标智能识别方法 | |
CN110827354B (zh) | 基于轨旁电网线杆计数的列车定位方法 | |
CN112800974A (zh) | 一种基于机器视觉的地铁轨道障碍物检测系统及方法 | |
CN116152758A (zh) | 一种智能实时事故检测及车辆跟踪方法 | |
CN105844260A (zh) | 一种多功能智能清洁机器人装置 | |
CN105699386A (zh) | 一种采用接触式图像传感器的自动验布标记方法 | |
CN113110456B (zh) | 一种基于人工智能的agv小车稳定行驶方法及系统 | |
CN115272852A (zh) | 一种输电线路保护区隐患识别方法、设备及介质 | |
CN201788517U (zh) | 汽车轮毂生产信息识别系统 | |
CN115100650A (zh) | 基于多重高斯模型的高速公路异常场景去噪及识别方法、装置 | |
Rehman | Offline touched cursive script segmentation based on pixel intensity analysis: Character segmentation based on pixel intensity analysis |
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 |