CN112288713A - 一种罗拉绕丝检测方法 - Google Patents

Abstract

本发明涉及纤维技术领域，尤其涉及一种罗拉绕丝检测方法，包括如下步骤：运动抓取，具体为：使用工业相机对罗拉进行拍照，将每一帧照片与前一帧照片进行对比，找出前后两张照片相同的地方，并将相同的地方消除；位置定位，具体为：在消除后的图像中，对罗拉位置精准定位，并消除其他背景；检测提取，具体为：对上述罗拉位置进行颜色提取，并判断白色点的色调值H，当色调值H处于20~180度之间时，判断正常，否则判断罗拉上有绕丝发生；通讯反馈，具体为：当判断出罗拉上有绕丝发生时，发出信号。本发明中，对罗拉进行实时检测，判断罗拉上是够有绕丝产生，并进行通讯反馈，减少安全隐患，降低劳动强度，增加生产效率。

Description

一种罗拉绕丝检测方法

技术领域

本发明涉及纤维技术领域，尤其涉及一种罗拉绕丝检测方法。

背景技术

罗拉是并股纱加捻过程中的主要部件之一，挂纱过程中将上罗拉拿起压住纱线，通过上罗拉拉动纱线的运动经锭子进行加捻。

然而，现有的纱线加工中，罗拉上容易缠绕上废丝，当罗拉上缠绕废丝过多时，会影响罗拉运转，有时罗拉会跳出工字架，造成人员的砸伤或者物品的损坏，也降低了劳动强度，影响生产。

鉴于上述问题的存在，本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期创设一种线缆标签张贴装置，使其更具有实用性。

发明内容

本发明所要解决的技术问题是：提供一种罗拉绕丝检测方法，检测罗拉上是否有绕丝。

为了达到上述目的，本发明所采用的技术方案是：一种罗拉绕丝检测方法，包括如下步骤：

运动抓取，所述运动抓取具体为：使用工业相机对罗拉进行拍照，将每一帧照片与前一帧照片进行对比，找出前后两张照片相同的地方，并将相同的地方消除；

位置定位，所述位置定位具体为：在消除后的图像中，基于罗拉的颜色为黑色，纱线的颜色为白色，对罗拉位置精准定位，并消除其他背景；

检测提取，所述检测提取具体为：对上述罗拉位置进行颜色提取，并判断白色点的色调值H，当所述色调值H处于20～180度之间时，判断正常，否则判断罗拉上有绕丝发生；

通讯反馈，所述通讯反馈具体为：当判断出罗拉上有绕丝发生时，发出信号。

进一步地，所述运动抓取中，使用图像像素点减法操作，将照片相同的地方消除并得到新的图像，具体为：

g(x,y)＝[a(x,y)∪b(x,y)]-[a(x,y)∩b(x,y)]；

其中，g(x,y)为所述新的图像中对应的像素点位置的集合，a(x,y)为拍摄的前一张照片中对应像素点位置的集合，b(x,y)为拍摄的后一张照片中对应像素点位置的集合。

进一步地，所述位置定位包括如下步骤：

在罗拉运动一个周期时，对图像进行膨胀操作，将罗拉上最亮的部分进行区域扩散；

在罗拉运动二次周期时，对图像进行腐蚀操作，将除了罗拉的其他背景进行消除。

进一步地，所述膨胀操作具体为：创建结构元素集合B，将所述g(x,y)代入下列公式中集合A，

从而得到新的集合h(x,y)；

其中

为：将集合B的反射进行平移；集合B的反射为：集合B相对于自身原点的映像。

进一步地，所述腐蚀操作具体为：创建结构元素集合B，将所述集合h(x,y)代入下列公式中的集合A，

其中，z|(B)_z为：将集合B进行平移。

进一步地，所述集合B为：对采集到的一幅图像中的像素点，通过遍历每一行与每一列像素点，找出每一行与每一列中最大灰度值的那些像素点所构成的集合。

进一步地，所述颜色提取过程具体为：通过RGB色彩模型将图像中各个像素点的R、G、B值进行提取，并将所述R、G、B值转换成HSV色彩模型中的H、S、V值，并对白色点的H值进行判断。

进一步地，所述通讯反馈具体为：采用modbus通讯协议，上位机作为主站，plc作为从站，每次绕丝采用modbus串行通讯协议进行通讯，传递给下位机plc，最后提示操作工人有罗拉绕丝发生。

本发明的有益效果为：本发明通过运动抓取、位置定位、检测提取和通讯反馈这些步骤，对罗拉进行拍照，将每一帧照片与前一帧照片进行对比，并将相同的地方消除，在消除后的图像中，基于罗拉的颜色为黑色，纱线的颜色为白色，对罗拉位置精准定位，并消除其他背景，然后对罗拉位置进行颜色提取，并判断白色点的色调值H，从而对罗拉进行实时检测，判断罗拉上是够有绕丝产生，并进行通讯反馈，减少安全隐患，降低劳动强度，增加生产效率。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明中的一部分实施例，而不是全部实施例。

一种罗拉绕丝检测方法，包括如下步骤：

运动抓取，运动抓取具体为：使用工业相机对罗拉进行拍照，将每一帧照片与前一帧照片进行对比，找出前后两张照片相同的地方，并将相同的地方消除；

位置定位，位置定位具体为：在消除后的图像中，基于罗拉的颜色为黑色，纱线的颜色为白色，对罗拉位置精准定位，并消除其他背景；

检测提取，检测提取具体为：对上述罗拉位置进行颜色提取，并判断白色点的色调值H，当色调值H处于20～180度之间时，判断正常，否则判断罗拉上有绕丝发生；

通讯反馈，通讯反馈具体为：当判断出罗拉上有绕丝发生时，发出信号。

通过运动抓取、位置定位、检测提取和通讯反馈这些步骤，对罗拉进行拍照，将每一帧照片与前一帧照片进行对比，并将相同的地方消除，在消除后的图像中，基于罗拉的颜色为黑色，纱线的颜色为白色，对罗拉位置精准定位，并消除其他背景，然后对罗拉位置进行颜色提取，并判断白色点的色调值H，从而对罗拉进行实时检测，判断罗拉上是够有绕丝产生，并进行通讯反馈，减少安全隐患，降低劳动强度，增加生产效率。

作为上述实施例的优选，运动抓取中，使用图像像素点减法操作，将照片相同的地方消除并得到新的图像，具体为：

g(x,y)＝[a(x,y)∪b(x,y)]-[a(x,y)∩b(x,y)]；

其中，g(x,y)为新的图像中对应的像素点位置的集合，a(x,y)为拍摄的前一张照片中对应像素点位置的集合，b(x,y)为拍摄的后一张照片中对应像素点位置的集合。

因为罗拉一直处于运动的状态，所以工业相机拍摄的照片中，罗拉的状态一直处于变化中，而拍摄的照片中存在大量的背景，这些背景会对数据处理造成干扰，也会降低检测的精度，所以需要将这些背景进行消除，通过将前后两张照片像素点位置的集合的并集减去它们的交集，从而将前后两张照片中相同的地方进行消除，从而得到新的图像，后续对新的图像进行处理，从而降低了数据处理难度，增加了检测精度。

作为上述实施例的优选，位置定位包括如下步骤：

在罗拉运动一个周期时，对图像进行膨胀操作，将罗拉上最亮的部分进行区域扩散；

在罗拉运动二次周期时，对图像进行腐蚀操作，将除了罗拉的其他背景进行消除。

在运动抓取的步骤中，虽然将前后两张照片中相同的部分进行了消除，但是得到的新的图像中，有时候还会存在噪音，这些噪音可能是由于振动，或者光线的变化，导致前后两张照片中，除了罗拉的部分还会有一些小的不同的部分，这部分就是噪音，这些噪音的存在会对检测的精度造成影响，所以需要将这些噪音进行消除。

通过创建形态学，在罗拉运动一个周期时，对图像进行膨胀操作，基于罗拉的颜色为黑丝，纱线的颜色为白色，对罗拉上最亮的部分进行区域扩散，方便进行提取，在罗拉运动二次周期时，对图像进行腐蚀操作，可以将噪音进行消除，同时将罗拉上最亮的区域恢复，从而将除了罗拉的其他背景进行了消除，对罗拉位置进行精准定位，增加了检测精度。

作为上述实施例的优选，膨胀操作具体为：创建结构元素集合B，将g(x,y)代入下列公式中集合A，

从而得到新的集合h(x,y)；

其中

为：将集合B的反射进行平移；集合B的反射为：集合B相对于自身原点的映像。

膨胀操作为，创建结构元素的集合B，将结构元素的集合B的反射进行平移，并与A的交集不为空，膨胀运算只要求结构元素的原点在目标图像的内部平移，当结构元素在目标图像上进行平移时，允许结构元素中的非原点像素超过目标图像的范围，具有扩大图像和填充图像中比结构元素小的成分的作用，通过将集合g(x,y)带入公式中集合A，再通过创建合适的结构元素集合B，就可以对图像中纱线部分进行区域扩散，以方便提取目标物。

作为上述实施例的优选，腐蚀操作具体为：创建结构元素集合B，将集合h(x,y)代入下列公式中的集合A，

其中，z|(B)_z为：将集合B进行平移。

腐蚀操作与膨胀操作相反，是对图像进行“收缩”或“细化”，腐蚀操作为，创建结构元素的集合B，将集合B进行平移，并包含在集合A中的所有集合，当结构元素在目标图像上进行平移时，只有结构元素全部包含在目标图像中时，结构元素的原点才会被保留下来，相当于只保留目标图像中的主体部分，不共享目标图像中背景的任何元素，通过将集合h(x,y)带入公式中集合A，通过将上述膨胀操作中的集合B，可以对先膨胀后的图像再进行收缩，因为膨胀与腐蚀操作中结构元素集合B为同一个集合，所以先膨胀后腐蚀操作保留了罗拉的同时，将噪音进行消除。

作为上述实施例的优选，集合B为：对采集到的一幅图像中的像素点，通过遍历每一行与每一列像素点，找出每一行与每一列中最大灰度值的那些像素点所构成的集合。

结构元素是形态学的基本算子，合理选取结构元素直接影响图像处理的效果和质量，通过将结构元素集合B设置为：对采集到的一幅图像中的像素点，通过遍历每一行与每一列像素点，找出每一行与每一列中最大灰度值的那些像素点所构成的集合，可以有效的对罗拉处的图像进行定位，将其他背景噪音消除。

作为上述实施例的优选，颜色提取过程具体为：通过RGB色彩模型将图像中各个像素点的R、G、B值进行提取，并将R、G、B值转换成HSV色彩模型中的H、S、V值，并对白色点的H值进行判断。

RGB模型是常用的一种彩色信息表达方式，它使用红R、绿G、蓝B三原色的亮度来定量表示颜色，而三原色混合能形成其他的颜色，并不是说物理上其他颜色的光是由三原色的光混合形成的，每种单色光都有自己独特的光谱，如黄光是一种单色光，但红色与绿色混合能形成黄色，原因是人的感官系统，与人的生理系统有关，只能说将三原色光以不同的比例复合后，对人的眼睛可以形成与各自频率的可见光等效的色觉。

而HSV模型是一种更直观的颜色模型，它使用色调H、饱和度S、明度V来表示颜色，由RGB到HSV的转换算法为：

V←max(R，G，B)

If H＜0then H←H+360.On output 0≤V≤1，0≤S≤1，0≤H≤360.将图像中各个像素点的R、G、B值转换成色彩空间对应的H、S、V，最后通过色调值H来判断绕丝是否发生，当H处于20～180度时，判断系统正常，否则判断罗拉上有绕丝发生。

作为上述实施例的优选，通讯反馈具体为：采用modbus通讯协议，上位机作为主站，plc作为从站，每次绕丝采用modbus串行通讯协议进行通讯，传递给下位机plc，最后提示操作工人有罗拉绕丝发生。

通过采用modbus通讯协议，上位机作为主站，plc作为从站，通讯快捷方便。

本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种罗拉绕丝检测方法，其特征在于，包括如下步骤：

运动抓取，所述运动抓取具体为：使用工业相机对罗拉进行拍照，将每一帧照片与前一帧照片进行对比，找出前后两张照片相同的地方，并将相同的地方消除；

位置定位，所述位置定位具体为：在消除后的图像中，基于罗拉的颜色为黑色，纱线的颜色为白色，对罗拉位置精准定位，并消除其他背景；

检测提取，所述检测提取具体为：对上述罗拉位置进行颜色提取，并判断白色点的色调值H，当所述色调值H处于20～180度之间时，判断正常，否则判断罗拉上有绕丝发生；

通讯反馈，所述通讯反馈具体为：当判断出罗拉上有绕丝发生时，发出信号。

2.根据权利要求1所述的罗拉绕丝检测方法，其特征在于，所述运动抓取中，使用图像像素点减法操作，将照片相同的地方消除并得到新的图像，具体为：

g(x,y)＝[a(x,y)∪b(x,y)]-[a(x,y)∩b(x,y)]；

其中，g(x,y)为所述新的图像中对应的像素点位置的集合，a(x,y)为拍摄的前一张照片中对应像素点位置的集合，b(x,y)为拍摄的后一张照片中对应像素点位置的集合。

3.根据权利要求2所述的罗拉绕丝检测方法，其特征在于，所述位置定位包括如下步骤：

在罗拉运动一个周期时，对图像进行膨胀操作，将罗拉上最亮的部分进行区域扩散；

在罗拉运动二次周期时，对图像进行腐蚀操作，将除了罗拉的其他背景进行消除。

4.根据权利要求3所述的罗拉绕丝检测方法，其特征在于，所述膨胀操作具体为：创建结构元素集合B，将所述g(x,y)代入下列公式中集合A，

从而得到新的集合h(x,y)；

其中

为：将集合B的反射进行平移；集合B的反射为：集合B相对于自身原点的映像。

5.根据权利要求4所述的罗拉绕丝检测方法，其特征在于，所述腐蚀操作具体为：创建结构元素集合B，将所述集合h(x,y)代入下列公式中的集合A，

其中，z|(B)_z为：将集合B进行平移。

6.根据权利要求5所述的罗拉绕丝检测方法，其特征在于，所述集合B为：对采集到的一幅图像中的像素点，通过遍历每一行与每一列像素点，找出每一行与每一列中最大灰度值的那些像素点所构成的集合。

7.根据权利要求1所述的罗拉绕丝检测方法，其特征在于，所述颜色提取过程具体为：通过RGB色彩模型将图像中各个像素点的R、G、B值进行提取，并将所述R、G、B值转换成HSV色彩模型中的H、S、V值，并对白色点的H值进行判断。

8.根据权利要求1所述的罗拉绕丝检测方法，其特征在于，所述通讯反馈具体为：采用modbus通讯协议，上位机作为主站，plc作为从站，每次绕丝采用modbus串行通讯协议进行通讯，传递给下位机plc，最后提示操作工人有罗拉绕丝发生。