CN112330598A - 一种化纤表面僵丝缺陷检测的方法、装置及存储介质 - Google Patents

一种化纤表面僵丝缺陷检测的方法、装置及存储介质 Download PDF

Info

Publication number
CN112330598A
CN112330598A CN202011097992.6A CN202011097992A CN112330598A CN 112330598 A CN112330598 A CN 112330598A CN 202011097992 A CN202011097992 A CN 202011097992A CN 112330598 A CN112330598 A CN 112330598A
Authority
CN
China
Prior art keywords
image
area
infrared image
stiff
infrared
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
CN202011097992.6A
Other languages
English (en)
Other versions
CN112330598B (zh
Inventor
黄虎
郎建业
周璐
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.)
Zhejiang Huaray Technology Co Ltd
Original Assignee
Zhejiang Huaray 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 Zhejiang Huaray Technology Co Ltd filed Critical Zhejiang Huaray Technology Co Ltd
Priority to CN202011097992.6A priority Critical patent/CN112330598B/zh
Publication of CN112330598A publication Critical patent/CN112330598A/zh
Application granted granted Critical
Publication of CN112330598B publication Critical patent/CN112330598B/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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/10048—Infrared 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种化纤表面僵丝缺陷检测的方法、装置及存储介质，用以解决现有技术中存在的检测化纤表面僵丝缺陷的准确率较低的技术问题，该方法包括：分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得第一区域和第二区域；用训练好的语义分割模型对第一区域进行僵丝缺陷的轮廓提取，获得第一轮廓信息；对第二区域进行图像处理，获得第二轮廓信息；由第一轮廓信息和第二轮廓信息确定目标丝锭的僵丝缺陷信息；其中，第一红外图像是在第一视角拍摄的目标丝锭的部分图像，第二红外图像是在第二视角拍摄的目标丝锭的完整图像，目标丝锭被红外环光源照射，训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的。

Description

一种化纤表面僵丝缺陷检测的方法、装置及存储介质
技术领域
本发明涉及纺织领域，尤其是涉及一种化纤表面僵丝缺陷检测的方法、装置及存储介质。
背景技术
在化纤纺织生产的过程中，丝饼的外观质量主要出现的缺陷包括僵丝、绊丝、成型不良、毛丝、脏污、无尾、碰伤等。
僵丝作为化纤纺织产品生产中等级最高、最为严重的缺陷类型之一，当产品表面出现僵丝缺陷时，会对后期丝锭的退绕和丝线的染色直接产生影响，从而直接影响下游厂商的生产质量、生产效率和生产效益。
为了减少因僵丝缺陷造成的企业损失，大部分丝锭生产商都是采用人工肉眼质检的方式检测僵丝缺陷。而传统的人工挑选缺陷产品的方法不仅费时、费力，而且由于人眼的分辨率有限使得可能会产生漏检和误检。同时，通过人工质检对产品的质量进行把关，由于人工质检存在主观性，这也将导致产品的质检标准参差不齐。这一系列的问题必然会导致产品质量的下降和企业运营成本的增加。
发明内容
本发明提供一种化纤表面僵丝缺陷检测的方法、装置及存储介质，用以解决现有技术中存在的检测化纤表面僵丝缺陷的准确率较低的技术问题。
第一方面，为解决上述技术问题，本发明实施例提供的一种化纤表面僵丝缺陷检测方法的技术方案如下：
分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域；其中，所述第一红外图像是在第一视角拍摄的所述目标丝锭的部分图像，所述第二红外图像是在第二视角拍摄的所述目标丝锭的完整图像，所述目标丝锭被红外环光源照射；
用训练好的语义分割模型对所述第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，所述训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的；
对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，所述图像处理用于根据预设灰度值确定所述第二僵丝缺陷的边沿位置，所述预设灰度值是从所述红外样本图像中所述已标注僵丝缺陷所在位置的灰度值确定的；
根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息。
一种可能的实施方式，分别从第一红外图像和第二红外图像中获取包括目标丝锭区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域，包括：
分别对所述第一红外图像和所述第二红外图像进行连通区域分析，获取所述第一红外图像中最大的第一连通区域和所述第二红外图像中最大的第二连通区域；
判断所述第一连通区域和/或所述第二连通区域的面积是否达到预设值，以确定所述目标丝锭是否为空丝锭；其中，所述预设值为缠绕有丝线的丝锭的外轮廓线围成面积的大小，所述空丝锭为未缠绕丝线的丝锭；
若所述目标丝锭不是所述空丝锭，分别对所述第一连通区域和所述第二连通区域进行霍夫圆检测，以分别确定所述第一连通区域和所述第二连通区域的中心和半径；
由所述第一连通区域及其中心和半径确定所述第一区域，由所述第二连通区域及其中心和半径确定所述第二区域。
一种可能的实施方式，分别对所述第一红外图像和所述第二红外图像进行连通区域分析之前，还包括：
通过第一阈值分别对所述第一红外图像和所述第二红外图像，进行二值化处理，获得第一二值图像和第二二值图像；其中，所述第一二值图像和所述第二二值图像用于所述连通区域分析。
一种可能的实施方式，所述样本红外图像的获取方法，包括：
获取标记了僵丝缺陷的第一原始图像；其中，所述第一原始图像是对存在僵丝缺陷的丝锭样品进行红外图像采集得到的；
对所述第一原始图像进行图像处理，获得处理后的图像；其中，所述图像处理包括旋转、镜像、平滑和加噪声；
用预设的对抗模型生成与所述处理后的图像对应的扩增后的样本图像；
将所述第一原始图像和所述扩增后的样本图像，作为所述样本红外图像。
一种可能的实施方式，对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息，包括：
对所述第二区域进行极化变换，得到所述第二区域图像按线性展开后的变换图像；其中，所述第二区域为圆环形的图像，所述变换后的图像为矩形图像；
对所述变换图像进行形态学膨胀操作和平滑滤波处理，获得增强后的图像；其中，所述形态学膨胀操作用于放大所述第二僵丝缺陷对应的图像；
对所述增强后的图像进行局部阈值分割和连通区域分析，获得所述第二僵丝缺陷所在的所述第二轮廓信息；其中，所述局部阈值分割是按照第二阈值对所述增强后的图像进行二值化处理，所述连通区域分析是对二值化处理后的图像进行分析以确定所述第二僵丝缺陷的位置。
一种可能的实施方式，根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息，包括：
分别对所述第一轮廓信息和所述第二轮廓信息中每个灰度值包括的像素个数进行统计，获得与所述第一轮廓信息对应的第一直方图和与所述第二轮廓信息对应的第二直方图；
分别计算所述第一直方图和所述第二直方图与预设直方图的相似度，获得第一相似度和第二相似度；其中，所述预设直方图是对所述样本红外图像中的僵丝缺陷所在区域中的每个灰度值包括的像素个数进行统计得到的；
若所述第一相似度达到预设相似度，则确定所述第一轮廓信息为所述僵丝缺陷信息；若所述第二相似度达到所述预设相似度，则确定所述第二轮廓信息为所述僵丝缺陷信息。
第二方面，本发明实施例提供了一种化纤表面僵丝缺陷检测的装置，包括：
获取单元，用于分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域；其中，所述第一红外图像是在第一视角拍摄的所述目标丝锭的部分图像，所述第二红外图像是在第二视角拍摄的所述目标丝锭的完整图像，所述目标丝锭被红外环光源照射；
第一提取单元，用于用训练好的语义分割模型对所述第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，所述训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的；
第二提取单元，用于对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，所述图像处理用于根据预设灰度值确定所述第二僵丝缺陷的边沿位置，所述预设灰度值是从所述红外样本图像中所述已标注僵丝缺陷所在位置的灰度值确定的；
确定单元，用于根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息。
一种可能的实施方式，所述获取单元用于：
分别对所述第一红外图像和所述第二红外图像进行连通区域分析，获取所述第一红外图像中最大的第一连通区域和所述第二红外图像中最大的第二连通区域；
判断所述第一连通区域和/或所述第二连通区域的面积是否达到预设值，以确定所述目标丝锭是否为空丝锭；其中，所述预设值为缠绕有丝线的丝锭的外轮廓线围成面积的大小，所述空丝锭为未缠绕丝线的丝锭；
若所述目标丝锭不是所述空丝锭，分别对所述第一连通区域和所述第二连通区域进行霍夫圆检测，以分别确定所述第一连通区域和所述第二连通区域的中心和半径；
由所述第一连通区域及其中心和半径确定所述第一区域，由所述第二连通区域及其中心和半径确定所述第二区域。
一种可能的实施方式，所述获取单元还用于：
通过第一阈值分别对所述第一红外图像和所述第二红外图像，进行二值化处理，获得第一二值图像和第二二值图像；其中，所述第一二值图像和所述第二二值图像用于所述连通区域分析。
一种可能的实施方式，所述获取单元还用于：
获取标记了僵丝缺陷的第一原始图像；其中，所述第一原始图像是对存在僵丝缺陷的丝锭样品进行红外图像采集得到的；
对所述第一原始图像进行图像处理，获得处理后的图像；其中，所述图像处理包括旋转、镜像、平滑和加噪声；
用预设的对抗模型生成与所述处理后的图像对应的扩增后的样本图像；
将所述第一原始图像和所述扩增后的样本图像，作为所述样本红外图像。
一种可能的实施方式，所述第二提取单元用于：
对所述第二区域进行极化变换，得到所述第二区域图像按线性展开后的变换图像；其中，所述第二区域为圆环形的图像，所述变换后的图像为矩形图像；
对所述变换图像进行形态学膨胀操作和平滑滤波处理，获得增强后的图像；其中，所述形态学膨胀操作用于放大所述第二僵丝缺陷对应的图像；
对所述增强后的图像进行局部阈值分割和连通区域分析，获得所述第二僵丝缺陷所在的所述第二轮廓信息；其中，所述局部阈值分割是按照第二阈值对所述增强后的图像进行二值化处理，所述连通区域分析是对二值化处理后的图像进行分析以确定所述第二僵丝缺陷的位置。
一种可能的实施方式，所述确定单元用于：
分别对所述第一轮廓信息和所述第二轮廓信息中每个灰度值包括的像素个数进行统计，获得与所述第一轮廓信息对应的第一直方图和与所述第二轮廓信息对应的第二直方图；
分别计算所述第一直方图和所述第二直方图与预设直方图的相似度，获得第一相似度和第二相似度；其中，所述预设直方图是对所述样本红外图像中的僵丝缺陷所在区域中的每个灰度值包括的像素个数进行统计得到的；
若所述第一相似度达到预设相似度，则确定所述第一轮廓信息为所述僵丝缺陷信息；若所述第二相似度达到所述预设相似度，则确定所述第二轮廓信息为所述僵丝缺陷信息。
第三方面，本发明实施例还提供一种化纤表面僵丝缺陷检测的装置，包括：
至少一个处理器，以及
与所述至少一个处理器连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，执行如上述第一方面所述的方法。
第四方面，本发明实施例还提供一种可读存储介质，包括：
存储器，
所述存储器用于存储指令，当所述指令被处理器执行时，使得包括所述可读存储介质的装置完成如上述第一方面所述的方法。
通过本发明实施例的上述一个或多个实施例中的技术方案，本发明实施例至少具有如下技术效果：
分别通过第一视角和第二视角得到目标丝锭在第一红外图像中的第一区域和第二红外图像中的第二区域，并用训练好的语义分割模型对第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；以及对第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；最后，根据第一轮廓信息和第二轮廓信息，确定目标丝锭的僵丝缺陷信息；其中，训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的，图像处理用于根据预设灰度值确定第二僵丝缺陷的边沿位置，预设灰度值是从红外样本图像中已标注僵丝缺陷所在位置的灰度值确定的。由于通过不同视角采集了目标丝锭的红外图像，并用训练好的语音分割模型和图像处理方法分别对不同视角的红外图像中的目标丝锭进行僵丝缺陷的轮廓提取，进而确定目标丝锭的僵丝缺陷，从而能够降低背景、光照等环境因素对僵丝缺陷检测的影响，提高僵丝缺陷检测的准确率。并且，由于整个检测过程无需人工参与，因此能够防止因人工检测造成的检测标准不一致导致检测结果层次不齐的问题。
附图说明
图1为本发明实施例提供的一种化纤表面僵丝缺陷检测方法的流程图；
图2为本发明实施例提供的分别在第一视角和第二视角采集目标丝锭的第一红外图像和第二红外图像的示意图；
图3为本发明实施例提供的第一红外图像的实物图；
图4为本发明实施例提供的第二红外图像的实物图；
图5为本发明实施力提供的第一红外图像对应的第一二值图像的示意图；
图6为本发明实施力提供的第二红外图像对应的第二二值图像的示意图；
图7为第一红外图像对应的第一连通区域的示意图；
图8为第二红外图像对应的第二连通区域的示意图；
图9为本发明实施例提供用找圆工具对第二连通区域进行找圆的示意图；
图10为本发明实施例提供的找圆工具中一个矩形块对应图像的示意图；
图11为本发明实施例提供的矩形块中灰度值的投影数据；
图12为本发明实施例提供的矩形块中灰度值的投影数据的一阶导数；
图13为本发明实施例提供的极化变换的原理图；
图14为本发明实施例提供的对第二区域进行极化变换的示意图；
图15为本发明实施例提供的第二区域对应的变换图像的示意图；
图16为本发明实施例提供的一种化纤表面僵丝缺陷检测装置的结构示意图。
具体实施方式
本发明实施列提供一种化纤表面僵丝缺陷检测的方法、装置及存储介质，用以解决现有技术中存在的检测化纤表面僵丝缺陷的准确率较低的技术问题。
本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：
提供一种化纤表面僵丝缺陷检测的方法，包括：分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与第一红外图像对应的第一区域和与第二红外图像对应的第二区域；其中，第一红外图像是在第一视角拍摄的目标丝锭的部分图像，第二红外图像是在第二视角拍摄的目标丝锭的完整图像，目标丝锭被红外环光源照射；用训练好的语义分割模型对第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的；对第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，图像处理用于根据预设灰度值确定第二僵丝缺陷的边沿位置，预设灰度值是从红外样本图像中已标注僵丝缺陷所在位置的灰度值确定的；根据第一轮廓信息和第二轮廓信息，确定目标丝锭的僵丝缺陷信息。
由于在上述方案中，分别通过第一视角和第二视角得到目标丝锭在第一红外图像中的第一区域和第二红外图像中的第二区域，并用训练好的语义分割模型对第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；以及对第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；最后，根据第一轮廓信息和第二轮廓信息，确定目标丝锭的僵丝缺陷信息；其中，训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的，图像处理用于根据预设灰度值确定第二僵丝缺陷的边沿位置，预设灰度值是从红外样本图像中已标注僵丝缺陷所在位置的灰度值确定的。由于通过不同视角采集了目标丝锭的红外图像，并用训练好的语音分割模型和图像处理方法分别对不同视角的红外图像中的目标丝锭进行僵丝缺陷的轮廓提取，进而确定目标丝锭的僵丝缺陷，从而能够降低背景、光照等环境因素对僵丝缺陷检测的影响，提高僵丝缺陷检测的准确率。并且，由于整个检测过程无需人工参与，因此能够防止因人工检测造成的检测标准不一致导致检测结果层次不齐的问题。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
请参考图1，本发明实施例提供一种化纤表面僵丝缺陷检测的方法，该方法的处理过程如下。
步骤101：分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与第一红外图像对应的第一区域和与第二红外图像对应的第二区域；其中，第一红外图像是在第一视角拍摄的目标丝锭的部分图像，第二红外图像是在第二视角拍摄的目标丝锭的完整图像，目标丝锭被红外环光源照射。
请参见图2为本发明实施例提供的分别在第一视角和第二视角采集目标丝锭的第一红外图像和第二红外图像的示意图。
在图2中丝锭在到达第二视场角的采集位置时，工业相机采集目标丝锭的完成图像，得到第二红外图像，当目标丝锭运动到第一视角所在的采集位置时，工业相机也运动到该位置，采集目标丝锭的部分图像(图2中为完整图像的一半)。
需要说明的是，在图2中也可以分别在第一视角和第二视角对应的采集位置各安装一个工业相机，图2中为了便于理解，将第一视角中未拍摄到丝锭的部分以半透明的方式进行示意。
请参见图3和图4，图3为本发明实施例提供的第一红外图像的实物图，图4为本发明实施例提供的第二红外图像的实物图。
获得第一红外图像和第二红外图像后，需要从分别中获取目标丝锭所在区域对应的区域图像，可以采用下列方式：
分别对第一红外图像和第二红外图像进行连通区域分析，获取第一红外图像中最大的第一连通区域和第二红外图像中最大的第二连通区域；然后，判断第一连通区域和/或第二连通区域的面积是否达到预设值，以确定目标丝锭是否为空丝锭；其中，预设值为缠绕有丝线的丝锭的外轮廓线围成面积的大小，空丝锭为未缠绕丝线的丝锭；若目标丝锭不是空丝锭，分别对第一连通区域和第二连通区域进行霍夫圆检测，以分别确定第一连通区域和第二连通区域的中心和半径；由第一连通区域及其中心和半径确定第一区域，由第二连通区域及其中心和半径确定第二区域。
在此，连通区域(Connected Component)是指图像中相邻并有相同像素值的图像区域。连通区域分析(Connected Component Analysis,Connected Component Labeling)是指将图像中的各个连通区域找出并标记。
分别对第一红外图像和第二红外图像进行连通区域分析之前，还需要通过第一阈值分别对第一红外图像和第二红外图像，进行二值化处理，获得第一二值图像和第二二值图像；其中，第一二值图像和第二二值图像用于连通区域分析。
第一阈值是用于分割丝锭中的丝线对应的颜色与背景色的阈值，通过将第一红外图像和第二红外图像用第一阈值进行二值化处理，可以从第一红外图像和第二红外图像中区分出背景色和丝锭对应的颜色。请参见图5和图6，图5为本发明实施力提供的第一红外图像对应的第一二值图像的示意图，图6为本发明实施力提供的第二红外图像对应的第二二值图像的示意图。
分别对第一二值图像和第二二值图像进行连通区域分析，获取第一红外图像中最大的第一连通区域和第二红外图像，请参见图7和图8，图7为第一红外图像对应的第一连通区域的示意图，图8为第二红外图像对应的第二连通区域的示意图。
由于第一连通区域、第二连通区域对应的实际是同一目标丝锭，因此可以判断第一连通区域和第二连通区域中的一个的面积是否达到预设值，若第一图像中拍摄的目标丝锭的部分占目标丝锭的一半，则预设值可以为目标丝锭在拍摄方向上正投影面积的一半(或接近一半，如一半的80％、90％等)，若第一图像中拍摄的目标丝锭的部分占目标丝锭的1/3，则预设值可以为目标丝锭在拍摄方向上正投影面积的1/3(或接近1/3，如1/3的80％、90％等)，若其中任一个的面积达到预设值，则确定目标丝锭不是空丝锭。通过判断第一连通区域或第二连通区域中的一个的面积是否达到预设值，来判断目标丝锭是否为空丝锭，可以有效地提高检测效率。
当然，为了防止误判，也可以对第一连通区域和第二连通区域的面积都进行判断，如果都能达到预设值则确定不是空丝锭。
在确定目标丝锭不是空丝锭时，分别对第一连通区域和第二连通区域进行霍夫圆检测，进而可以确定第一连通区域和第二连通区域的中心和半径，并分别将它们作为第一区域和第二区域。由于霍夫圆检测为现有技术，故对此不再赘述。
除了用霍夫圆检测确定第一连通区域和第二连通区域的中心和半径之外，还可以用找圆工具，具体如下(以第二连通区域为例)：
将矩形块投影到第二连通区域，如图9所示，图9为本发明实施例提供用找圆工具对第二连通区域进行找圆的示意图，在图9中每个矩形块用于确定圆的一个边缘点，所有矩形块确定出的所有边缘点确定出一个圆。
请参见图10～12，图10为本发明实施例提供的找圆工具中一个矩形块对应图像的示意图，图11为本发明实施例提供的矩形块中灰度值的投影数据，图12为本发明实施例提供的矩形块中灰度值的投影数据的一阶导数。
在图10中用一条直线示意丝锭边缘与背景的分界位置，在图11和12中垂直于横轴的直线即为图10中丝锭边缘与背景的分界位置，由此可见，通过图12找到一阶导数中的最大值即可确定矩形块中的边缘点，进而确定出丝锭所在的圆，并能通过确定出的圆确定其圆心和半径。
即通过找圆工具也可以确定出第一区域和第二区域。
在获得第一红外图像和第二红外图像中目标丝锭对应区域图像(即第一区域和第二区域)后，便可执行步骤102。
步骤102：用训练好的语义分割模型对第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的。
样本红外图像的获得可以采用下列方式：
获取标记了僵丝缺陷的第一原始图像；其中，第一原始图像是对存在僵丝缺陷的丝锭样品进行红外图像采集得到的；对第一原始图像进行图像处理，获得处理后的图像；其中，图像处理包括旋转、镜像、平滑和加噪声；用预设的对抗模型生成与处理后的图像对应的扩增后的样本图像；将第一原始图像和扩增后的样本图像，作为样本红外图像。
例如，对存在僵丝缺陷的丝锭样品进行红外图像采集，得到第一原始图像(假设有30幅)，并标记这些第一原始图像中存在的僵丝缺陷，然后对第一原始图像进行图像处理，如对第一原始图像中的僵丝曲线进行旋转、镜像、平滑和加噪音等，生成处理后的图像，然后用预设的对抗模型生成与处理后的图像对应的扩增后的样本图像(假设有90幅)，并将第一原始图像和样本图像作为样本红外图像(即120幅)。这样可以获得更多类型的僵丝缺陷对应的样本图像，从而能够克服由于僵丝样品采集困难而导致样本红外图像的数量不足的问题。
需要说明的是，上述第一原始图像和扩增后的样本图像的数量为示例性假设，不能代表真实的数量。
之后，便可用训练好的语义分割模型对第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息。
语义分割模型包括上采样模块和下采样模块。下采样模块采用10层卷积层和4层池化层。相应地，上采样模块采用10层卷积层和4层反卷积层。为了增加语义分割模型前向的效率，在语义分割模型的竖直方向可以对冗余的卷积层和/或反卷积层进行合并，在语义分割模型的水平方向对相似的卷积层和/或反卷积层进行合并，达到语义分割模型加速的目的。同时，还可以采用英伟达(tensorRT)进行语义分割模型的加速。
需要说明的是，上述语义分割模型中的卷积层也可以是8层、9层、11层等其它层数的卷积层，池化层可以是2层、3层、5层等其它层数的池化层，反卷积层可以是2层、3层、5层等其它层数的卷积层，在此不做限定。
语义分割模型是通过图像语义分割算法(Semantic Segmentation)来对第一连通区域进行语义分割，以将第一连通区域中每个像素点进行分类，确定每个像素点的类别(例如属于正常丝线、僵丝缺陷等)，从而确定对应于僵丝缺陷的像素点。
实施时，例如可以预先用红外样本图像训练语义分割模型，并使用训练好的语义分割模型来将第一连通区域中对应僵丝缺陷的像素点分割出来，即可得到第一连通区域中的僵丝缺陷所在区域的第一轮廓信息。其中，用于进行模型训练的训练样本中可以包括用于进行训练的样本红外图像，以及关于样本红外图像中像素点的类别的标注。通过样本红外图像迭代训练该语义分割模型，直至训练满足相关的要求(例如模型收敛或是误差达到预定要求)。
通过使用语义分割模型能够学习僵丝缺陷与正常丝线的特征，在原始尺度上对每个像素进行分类，使得本申请的僵丝缺陷检测方案具有较高的检出率，从而为保障僵丝缺陷检测精度的准确性提供支持。
应当理解的是，在此，语义分割模型仅是对本申请的对第一连通区域语义分割的实现方式的示例性说明而非任何限定，在其它实施例中，还可以通过其它方式实现对目标图像的语义分割，且，还可以相应地进行算法改进，以为保障语义分割的结果的准确性提供支持，在此不再赘述。
在获得第一区域中的第一僵丝缺陷对应的第一轮廓信息的同时，之前或之后还可以执行步骤103。
步骤103：对第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，图像处理用于根据预设灰度值确定第二僵丝缺陷的边沿位置，预设灰度值是从红外样本图像中已标注僵丝缺陷所在位置的灰度值确定的。
对第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息，可以通过下列方式实现：
对第二区域进行极化变换，得到第二区域图像按线性展开后的变换图像；其中，第二区域为圆环形的图像，变换后的图像为矩形图像。
极化变换可以采用下列公式实现：
Figure BDA0002724376630000141
在公式(1)中，ρ为第二区域内任一点M到极点(x0,y0)(即圆环的圆心O)的长度，θ为M的极角，M的坐标记为(x,y)。
请参见图13为本发明实施例提供的极化变换的原理图，例如在矩形图像的第一个像素点，通过上述公式(1)确定对应于圆环上的M点，采集该M点的灰度值作为矩形图像中第一行第一列的像素对应的灰度值，若计算出矩形图像中第一个像素点对应于圆环中的M点的坐标为浮点坐标则通过插值算法计算出该像素点的灰度值，矩形图像中的其它像素点的灰度值的确定方式与此类似，不再一一赘述。
通过公式(1)可以读取圆环内任意点M的像素值，进而将圆环按线性展开为一个矩形图像。
请参见图14为本发明实施例提供的对第二区域进行极化变换的示意图，在图14中虚线框内所示区域为第二区域，图14中外围类似条形码的部分即为第二区域变换后的图像，将该图像可以表示为矩形(即变换图像)请参见图15，图15为本发明实施例提供的第二区域对应的变换图像的示意图。
之后，对变换图像进行形态学膨胀操作和平滑滤波处理，获得增强后的图像；其中，形态学膨胀操作用于放大第二僵丝缺陷对应的图像。通过对变换图像进行形态学膨胀操作和平滑滤波处理能够有效的防止丝锭表面的纹理对僵丝曲线的检测造成干扰，从而增强僵丝缺陷在图像中的显示形态，提高检测僵丝缺陷的准确率。
对增强后的图像进行局部阈值分割和连通区域分析，获得第二僵丝缺陷所在的第二轮廓信息；其中，局部阈值分割是按照第二阈值对增强后的图像进行二值化处理，连通区域分析是对二值化处理后的图像进行分析以确定第二僵丝缺陷的位置。
需要说明的是，上述步骤102和步骤103中从第一区域和第二区域提取僵丝缺陷轮换的方式，两者也可以互换，即可以用语义分割模型从第二区域中提取僵丝缺陷，用图像处理方法从第一区域中提取僵丝缺陷。
在从第一区域中获取僵丝缺陷对应的第一轮廓信息，以及从第二区域中或缺僵丝缺陷对应的第二轮廓信息之后，便可执行步骤104。
步骤104：根据第一轮廓信息和第二轮廓信息，确定目标丝锭的僵丝缺陷信息。
确定目标丝锭的僵丝缺陷信息可以采用下列方式：
先分别对第一轮廓信息和第二轮廓信息中每个灰度值包括的像素个数进行统计，获得与第一轮廓信息对应的第一直方图和与第二轮廓信息对应的第二直方图；再分别计算第一直方图和第二直方图与预设直方图的相似度，获得第一相似度和第二相似度；其中，预设直方图是对样本红外图像中的僵丝缺陷所在区域中的每个灰度值包括的像素个数进行统计得到的。
例如，对第一轮廓信息中每个灰度值包括的像素个数进行统计，得到对应的第一直方图(记为Hist)，预设直方图记为Hist0，它们的相似度计算公式如下：
Figure BDA0002724376630000161
其中，Similarity标识计算相似度的准则，sim为相似度值，即第一直方图与预设直方图中僵丝像素分布的相似度，i表示灰度值，取值范围为0～255，hist(i)表示第一直方图中灰度值为i的像素个数，hist0(i)表示预设直方图中灰度值为i的像素个数。
第二直方图与预设直方图的相似度的计算与上述方式相似，对此不再赘述。
通过计算第一直方图和第二直方图分别与预设直方图的相似度，可以确定第一直方图和第二直方图中检测出的僵丝缺陷的像素分布是否与样本红外图像中僵丝缺陷的像素分布一致，从而提高检测的准确率。
若第一相似度达到预设相似度，则确定第一轮廓信息为僵丝缺陷信息；若第二相似度达到预设相似度，则确定第二轮廓信息为僵丝缺陷信息。
第一轮廓信息、第一轮廓信息包括僵丝缺陷的长度、僵丝缺陷的面积等，将上述僵丝缺陷信息进行整合，可以确定最终的僵丝缺陷的长度、僵丝缺陷的面积等。
基于同一发明构思，本发明一实施例中提供一种化纤表面僵丝缺陷检测的装置，该装置的化纤表面僵丝缺陷检测的方法的具体实施方式可参见方法实施例部分的描述，重复之处不再赘述，请参见图16，该装置包括：
获取单元1601，用于分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域；其中，所述第一红外图像是在第一视角拍摄的所述目标丝锭的部分图像，所述第二红外图像是在第二视角拍摄的所述目标丝锭的完整图像，所述目标丝锭被红外环光源照射；
第一提取单元1602，用于用训练好的语义分割模型对所述第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，所述训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的；
第二提取单元1603，用于对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，所述图像处理用于根据预设灰度值确定所述第二僵丝缺陷的边沿位置，所述预设灰度值是从所述红外样本图像中所述已标注僵丝缺陷所在位置的灰度值确定的；
确定单元1604，用于根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息。
一种可能的实施方式，所述获取单元1601用于：
分别对所述第一红外图像和所述第二红外图像进行连通区域分析，获取所述第一红外图像中最大的第一连通区域和所述第二红外图像中最大的第二连通区域；
判断所述第一连通区域和/或所述第二连通区域的面积是否达到预设值，以确定所述目标丝锭是否为空丝锭；其中，所述预设值为缠绕有丝线的丝锭的外轮廓线围成面积的大小，所述空丝锭为未缠绕丝线的丝锭；
若所述目标丝锭不是所述空丝锭，分别对所述第一连通区域和所述第二连通区域进行霍夫圆检测，以分别确定所述第一连通区域和所述第二连通区域的中心和半径；
由所述第一连通区域及其中心和半径确定所述第一区域，由所述第二连通区域及其中心和半径确定所述第二区域。
一种可能的实施方式，所述获取单元1601还用于：
通过第一阈值分别对所述第一红外图像和所述第二红外图像，进行二值化处理，获得第一二值图像和第二二值图像；其中，所述第一二值图像和所述第二二值图像用于所述连通区域分析。
一种可能的实施方式，所述获取单元1601还用于：
获取标记了僵丝缺陷的第一原始图像；其中，所述第一原始图像是对存在僵丝缺陷的丝锭样品进行红外图像采集得到的；
对所述第一原始图像进行图像处理，获得处理后的图像；其中，所述图像处理包括旋转、镜像、平滑和加噪声；
用预设的对抗模型生成与所述处理后的图像对应的扩增后的样本图像；
将所述第一原始图像和所述扩增后的样本图像，作为所述样本红外图像。
一种可能的实施方式，所述第二提取单元1603用于：
对所述第二区域进行极化变换，得到所述第二区域图像按线性展开后的变换图像；其中，所述第二区域为圆环形的图像，所述变换后的图像为矩形图像；
对所述变换图像进行形态学膨胀操作和平滑滤波处理，获得增强后的图像；其中，所述形态学膨胀操作用于放大所述第二僵丝缺陷对应的图像；
对所述增强后的图像进行局部阈值分割和连通区域分析，获得所述第二僵丝缺陷所在的所述第二轮廓信息；其中，所述局部阈值分割是按照第二阈值对所述增强后的图像进行二值化处理，所述连通区域分析是对二值化处理后的图像进行分析以确定所述第二僵丝缺陷的位置。
一种可能的实施方式，所述确定单元1604用于：
分别对所述第一轮廓信息和所述第二轮廓信息中每个灰度值包括的像素个数进行统计，获得与所述第一轮廓信息对应的第一直方图和与所述第二轮廓信息对应的第二直方图；
分别计算所述第一直方图和所述第二直方图与预设直方图的相似度，获得第一相似度和第二相似度；其中，所述预设直方图是对所述样本红外图像中的僵丝缺陷所在区域中的每个灰度值包括的像素个数进行统计得到的；
若所述第一相似度达到预设相似度，则确定所述第一轮廓信息为所述僵丝缺陷信息；若所述第二相似度达到所述预设相似度，则确定所述第二轮廓信息为所述僵丝缺陷信息。
基于同一发明构思，本发明实施例中提供了一种化纤表面僵丝缺陷检测的装置，包括：至少一个处理器，以及
与所述至少一个处理器连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，执行如上所述的化纤表面僵丝缺陷检测方法。
存储器可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)和/或高速缓存存储器，还可以进一步包括只读存储器(ROM)。
存储器还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
基于同一发明构思，本发明实施例还提一种可读存储介质，包括：
存储器，
所述存储器用于存储指令，当所述指令被处理器执行时，使得包括所述可读存储介质的装置完成如上所述的化纤表面僵丝缺陷检测方法。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于化纤表面僵丝缺陷检测的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种化纤表面僵丝缺陷检测的方法，其特征在于，包括：
分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域；其中，所述第一红外图像是在第一视角拍摄的所述目标丝锭的部分图像，所述第二红外图像是在第二视角拍摄的所述目标丝锭的完整图像，所述目标丝锭被红外环光源照射；
用训练好的语义分割模型对所述第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，所述训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的；
对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，所述图像处理用于根据预设灰度值确定所述第二僵丝缺陷的边沿位置，所述预设灰度值是从所述红外样本图像中所述已标注僵丝缺陷所在位置的灰度值确定的；
根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息。
2.如权利要求1所述的方法，其特征在于，分别从第一红外图像和第二红外图像中获取包括目标丝锭区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域，包括：
分别对所述第一红外图像和所述第二红外图像进行连通区域分析，获取所述第一红外图像中最大的第一连通区域和所述第二红外图像中最大的第二连通区域；
判断所述第一连通区域和/或所述第二连通区域的面积是否达到预设值，以确定所述目标丝锭是否为空丝锭；其中，所述预设值为缠绕有丝线的丝锭的外轮廓线围成面积的大小，所述空丝锭为未缠绕丝线的丝锭；
若所述目标丝锭不是所述空丝锭，分别对所述第一连通区域和所述第二连通区域进行霍夫圆检测，以分别确定所述第一连通区域和所述第二连通区域的中心和半径；
由所述第一连通区域及其中心和半径确定所述第一区域，由所述第二连通区域及其中心和半径确定所述第二区域。
3.如权利要求2所述的方法，其特征在于，分别对所述第一红外图像和所述第二红外图像进行连通区域分析之前，还包括：
通过第一阈值分别对所述第一红外图像和所述第二红外图像，进行二值化处理，获得第一二值图像和第二二值图像；其中，所述第一二值图像和所述第二二值图像用于所述连通区域分析。
4.如权利要求1所述的方法，其特征在于，所述样本红外图像的获取方法，包括：
获取标记了僵丝缺陷的第一原始图像；其中，所述第一原始图像是对存在僵丝缺陷的丝锭样品进行红外图像采集得到的；
对所述第一原始图像进行图像处理，获得处理后的图像；其中，所述图像处理包括旋转、镜像、平滑和加噪声；
用预设的对抗模型生成与所述处理后的图像对应的扩增后的样本图像；
将所述第一原始图像和所述扩增后的样本图像，作为所述样本红外图像。
5.如权利要求1所述的方法，其特征在于，对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息，包括：
对所述第二区域进行极化变换，得到所述第二区域图像按线性展开后的变换图像；其中，所述第二区域为圆环形的图像，所述变换后的图像为矩形图像；
对所述变换图像进行形态学膨胀操作和平滑滤波处理，获得增强后的图像；其中，所述形态学膨胀操作用于放大所述第二僵丝缺陷对应的图像；
对所述增强后的图像进行局部阈值分割和连通区域分析，获得所述第二僵丝缺陷所在的所述第二轮廓信息；其中，所述局部阈值分割是按照第二阈值对所述增强后的图像进行二值化处理，所述连通区域分析是对二值化处理后的图像进行分析以确定所述第二僵丝缺陷的位置。
6.如权利要求1所述的方法，其特征在于，根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息，包括：
分别对所述第一轮廓信息和所述第二轮廓信息中每个灰度值包括的像素个数进行统计，获得与所述第一轮廓信息对应的第一直方图和与所述第二轮廓信息对应的第二直方图；
分别计算所述第一直方图和所述第二直方图与预设直方图的相似度，获得第一相似度和第二相似度；其中，所述预设直方图是对所述样本红外图像中的僵丝缺陷所在区域中的每个灰度值包括的像素个数进行统计得到的；
若所述第一相似度达到预设相似度，则确定所述第一轮廓信息为所述僵丝缺陷信息；若所述第二相似度达到所述预设相似度，则确定所述第二轮廓信息为所述僵丝缺陷信息。
7.一种化纤表面僵丝缺陷检测的装置，其特征在于，包括：
获取单元，用于分别从第一红外图像和第二红外图像中获取包括目标丝锭的区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域；其中，所述第一红外图像是在第一视角拍摄的所述目标丝锭的部分图像，所述第二红外图像是在第二视角拍摄的所述目标丝锭的完整图像，所述目标丝锭被红外环光源照射；
第一提取单元，用于用训练好的语义分割模型对所述第一区域进行僵丝缺陷的轮廓提取，获得第一僵丝缺陷所在区域的第一轮廓信息；其中，所述训练好的语义分割模型是用已标注僵丝缺陷的样本红外图像训练得到的；
第二提取单元，用于对所述第二区域进行图像处理，获得第二僵丝缺陷所在区域的第二轮廓信息；其中，所述图像处理用于根据预设灰度值确定所述第二僵丝缺陷的边沿位置，所述预设灰度值是从所述红外样本图像中所述已标注僵丝缺陷所在位置的灰度值确定的；
确定单元，用于根据所述第一轮廓信息和所述第二轮廓信息，确定所述目标丝锭的僵丝缺陷信息。
8.如权利要求7所述的装置，其特征在于，所述获取单元用于：
分别从第一红外图像和第二红外图像中获取包括目标丝锭区域图像，获得与所述第一红外图像对应的第一区域和与所述第二红外图像对应的第二区域，包括：
分别对所述第一红外图像和所述第二红外图像进行连通区域分析，获取所述第一红外图像中最大的第一连通区域和所述第二红外图像中最大的第二连通区域；
判断所述第一连通区域和/或所述第二连通区域的面积是否达到预设值，以确定所述目标丝锭是否为空丝锭；其中，所述预设值为缠绕有丝线的丝锭的外轮廓线围成面积的大小，所述空丝锭为未缠绕丝线的丝锭；
若所述目标丝锭不是所述空丝锭，分别对所述第一连通区域和所述第二连通区域进行霍夫圆检测，以分别确定所述第一连通区域和所述第二连通区域的中心和半径；
由所述第一连通区域及其中心和半径确定所述第一区域，由所述第二连通区域及其中心和半径确定所述第二区域。
9.一种化纤表面僵丝缺陷检测的装置，其特征在于，包括：
至少一个处理器，以及
与所述至少一个处理器连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，执行如权利要求1-6任一项所述的方法。
10.一种计可读存储介质，其特征在于，包括存储器，
所述存储器用于存储指令，当所述指令被处理器执行时，使得包括所述可读存储介质的装置完成如权利要求1～6中任一项所述的方法。
CN202011097992.6A 2020-10-14 2020-10-14 一种化纤表面僵丝缺陷检测的方法、装置及存储介质 Active CN112330598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011097992.6A CN112330598B (zh) 2020-10-14 2020-10-14 一种化纤表面僵丝缺陷检测的方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011097992.6A CN112330598B (zh) 2020-10-14 2020-10-14 一种化纤表面僵丝缺陷检测的方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112330598A true CN112330598A (zh) 2021-02-05
CN112330598B CN112330598B (zh) 2023-07-25

Family

ID=74314262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011097992.6A Active CN112330598B (zh) 2020-10-14 2020-10-14 一种化纤表面僵丝缺陷检测的方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112330598B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862800A (zh) * 2021-02-25 2021-05-28 歌尔科技有限公司 缺陷检测方法、装置及电子设备
CN113129305A (zh) * 2021-05-18 2021-07-16 浙江大华技术股份有限公司 丝锭状态的确定方法、装置、存储介质及电子装置
CN113344923A (zh) * 2021-08-05 2021-09-03 浙江华睿科技股份有限公司 化纤丝锭表面缺陷检测方法、装置、电子设备及存储介质
CN113724258A (zh) * 2021-11-02 2021-11-30 山东中都机器有限公司 一种基于图像处理的传送带撕裂检测方法及系统
CN115690037A (zh) * 2022-10-28 2023-02-03 富尔美技术纺织(苏州)有限公司 环锭纺细纱机纱线断头检测方法、装置、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109454006A (zh) * 2018-10-08 2019-03-12 杭州慧知连科技有限公司 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法
WO2019233166A1 (zh) * 2018-06-04 2019-12-12 杭州海康威视数字技术股份有限公司 一种表面缺陷检测方法、装置及电子设备
US20200020102A1 (en) * 2017-04-14 2020-01-16 Tusimple, Inc. Method and device for semantic segmentation of image
CN111444921A (zh) * 2020-03-25 2020-07-24 浙江华睿科技有限公司 划痕缺陷检测方法、装置、计算设备和存储介质
CN111753692A (zh) * 2020-06-15 2020-10-09 珠海格力电器股份有限公司 目标对象提取方法、产品检测方法、装置、计算机和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200020102A1 (en) * 2017-04-14 2020-01-16 Tusimple, Inc. Method and device for semantic segmentation of image
WO2019233166A1 (zh) * 2018-06-04 2019-12-12 杭州海康威视数字技术股份有限公司 一种表面缺陷检测方法、装置及电子设备
CN109454006A (zh) * 2018-10-08 2019-03-12 杭州慧知连科技有限公司 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法
CN111444921A (zh) * 2020-03-25 2020-07-24 浙江华睿科技有限公司 划痕缺陷检测方法、装置、计算设备和存储介质
CN111753692A (zh) * 2020-06-15 2020-10-09 珠海格力电器股份有限公司 目标对象提取方法、产品检测方法、装置、计算机和介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862800A (zh) * 2021-02-25 2021-05-28 歌尔科技有限公司 缺陷检测方法、装置及电子设备
CN113129305A (zh) * 2021-05-18 2021-07-16 浙江大华技术股份有限公司 丝锭状态的确定方法、装置、存储介质及电子装置
CN113344923A (zh) * 2021-08-05 2021-09-03 浙江华睿科技股份有限公司 化纤丝锭表面缺陷检测方法、装置、电子设备及存储介质
CN113724258A (zh) * 2021-11-02 2021-11-30 山东中都机器有限公司 一种基于图像处理的传送带撕裂检测方法及系统
CN113724258B (zh) * 2021-11-02 2022-02-08 山东中都机器有限公司 一种基于图像处理的传送带撕裂检测方法及系统
CN115690037A (zh) * 2022-10-28 2023-02-03 富尔美技术纺织(苏州)有限公司 环锭纺细纱机纱线断头检测方法、装置、系统及存储介质

Also Published As

Publication number Publication date
CN112330598B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN112330598B (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
WO2022062812A1 (zh) 屏幕缺陷检测方法、装置和电子设备
CN110148130B (zh) 用于检测零件缺陷的方法和装置
US7162073B1 (en) Methods and apparatuses for detecting classifying and measuring spot defects in an image of an object
CN113643289B (zh) 基于图像处理的织物表面缺陷检测方法和系统
CN113592845A (zh) 一种电池涂布的缺陷检测方法及装置、存储介质
CN111444921A (zh) 划痕缺陷检测方法、装置、计算设备和存储介质
CN109816644A (zh) 一种基于多角度光源影像的轴承缺陷自动检测系统
US9679354B2 (en) Duplicate check image resolution
CN113658131B (zh) 一种基于机器视觉巡游式环锭纺断纱检测方法
CN111259908A (zh) 基于机器视觉的钢卷号识别方法、系统、设备及存储介质
CN116228651A (zh) 一种布匹缺陷检测方法、系统、设备及介质
CN114923912A (zh) 一种基于机器视觉的锦纶丝饼外表面缺陷检测方法
CN117309892B (zh) 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器
CN114359161A (zh) 一种缺陷检测方法、装置、设备和存储介质
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN116934752A (zh) 一种基于人工智能的玻璃检测方法及系统
CN114155179A (zh) 光源缺陷检测方法、装置、设备和存储介质
CN113592761A (zh) 存储介质、走线检测装置、走线检测模型训练装置及方法
CN113378847B (zh) 字符分割方法、系统、计算机设备和存储介质
CN111583202B (zh) 一种毛丝检测方法及装置
CN112730427B (zh) 一种基于机器视觉的产品表面缺陷检测方法及系统
CN118010739B (zh) 基于棉线距离的漏金属检测方法、装置及设备
CN116758058B (zh) 一种数据处理方法、装置、计算机及存储介质
CN117420152B (zh) 视觉检测方法、装置、计算机设备及计算机可读存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Huarui Technology Co.,Ltd.

Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant