CN112505051A - 一种基于激光射线的高精准化纤飘丝质量检测方法 - Google Patents

一种基于激光射线的高精准化纤飘丝质量检测方法 Download PDF

Info

Publication number
CN112505051A
CN112505051A CN202011359502.5A CN202011359502A CN112505051A CN 112505051 A CN112505051 A CN 112505051A CN 202011359502 A CN202011359502 A CN 202011359502A CN 112505051 A CN112505051 A CN 112505051A
Authority
CN
China
Prior art keywords
laser
image
detection
line
chemical fiber
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.)
Pending
Application number
CN202011359502.5A
Other languages
English (en)
Inventor
刘振轩
柏林
刘彪
舒海燕
宿凯
沈创芸
祝涛剑
雷宜辉
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.)
Guangzhou Gosuncn Robot Co Ltd
Original Assignee
Guangzhou Gosuncn Robot 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 Guangzhou Gosuncn Robot Co Ltd filed Critical Guangzhou Gosuncn Robot Co Ltd
Priority to CN202011359502.5A priority Critical patent/CN112505051A/zh
Publication of CN112505051A publication Critical patent/CN112505051A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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

Abstract

本发明属于化纤工业领域，特别涉及基于激光射线的高精准化纤飘丝质量检测方法，借助激光射线和加上对应滤光片的摄像头得到对应的激光图像，然后使用一系列图像处理算法，结合视频的每一帧信息进行飘丝现象的检测。由于使用了激光射线得到的激光图片，使得丝线的检测能力大大的提高，极大的提高了系统整体的稳定性和准确性。甚至于一两根细丝飘丝我们的方法都能比较好的稳定检测出来，这样极大的提高了预警的效率，给化纤工厂的生产效益带来很大的提升。

Description

一种基于激光射线的高精准化纤飘丝质量检测方法
技术领域
本发明涉及一种利用激光图像加上图像处理的方式进行异常飘丝视频图像的检测方案。本发明主要涉及化纤工业行业，用于化纤机械的飘丝等质量不合格的场景进行检测和预警。
背景技术
本发明针对的化纤产品主要是长丝丝饼。这种长丝只有头发丝粗细并且以每秒60米的下丝速度盘卷成长丝丝饼。这种高精尖的生产工艺对环境的要求是严苛的，有恒温恒湿恒风的“三恒”要求。环境条件的细微变化容易导致细丝飘离预定轨道，如果细丝飘到相邻轨道，就形成飘杂现象，如果细丝飘到其他地方，就形成飘丝现象。本发明主要解决的就是飘丝这种异常情况的检测与预警。
目前先有的技术方案有主要的两种：
(1).使用人工肉眼的方式进行飘丝的检查并且预警：即让工人到机器车间进行巡逻检测预警，如果看到了出现了化纤飘丝堆积等异常情况就进行预警。这种方式的缺点就是成本高，耗时，耗费人力，整体系统的运行效率不高。
(2).使用图像分析算法检测并预警：使用高清摄像头拍摄每个油嘴或者挂钩的照片(在一个或者两个零件的位置假设摄像机采集对应的图片)，结合例如阈值分割和线条检测等图像处理的方法进行飘丝堆积等异常情况的检测判断。这种方式虽然解放了人力成本，但是带来了新的问题就是检测精度受到环境的影响很大，传统图像处理的方式鲁棒性较差，并且需要部署的装置也较多，成本高。
上述使用图像处理的方法虽然能够减少人力成本，但是其异常检测的能力收到光照环境的影响十分大，十分容易产生误检或是漏检，并且部署的硬件数量庞大，硬件成本较高。
发明内容
针对现有技术的不足，本发明提供一种基于激光射线的高精准化纤飘丝质量检测方法,借助激光射线和加上对应滤光片的摄像头得到对应的激光图像，然后使用一系列图像处理算法，结合视频的每一帧信息进行飘丝现象的检测。由于使用了激光射线得到的激光图片，使得丝线的检测能力大大的提高，极大的提高了系统整体的稳定性和准确性。甚至于一两根细丝飘丝我们的方法都能比较好的稳定检测出来，这样极大的提高了预警的效率，给化纤工厂的生产效益带来很大的提升。
本发明通过以下技术方案实现：
一种基于激光射线的高精准化纤飘丝质量检测方法,包括如下步骤：
S1、采用一种固定颜色的激光发射器产生激光射线，产生激光射线，所述激光射线从上往下照射在化纤机器的油嘴和地面之间的挡板上，产生的对应的激光图；
S2、在摄像头采集端，设置配以所述固定颜色的滤光片摄像头，过滤其他可见光以增强后续的信号处理，对采集到的视频中的每一帧信息的激光线条图像进行后续的检测分析；
S3、根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝。
更优选地，所述步骤S3中的根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝具体包括：
步骤S31、激光直线定位；根据图像特点，首先提取图像的固定颜色通道进行图像分割，采用最大类间方差法Ostu进行图像阈值分割；得到二值化的图像后使用Hough变换直线检测的方式定位出直线的位置；
步骤S32、图像信号化；定位出激光直线后，根据这个位置将图像往上扩大一定的范围进行ROI范围选定；在ROI范围内遍历每一列的图像，以激光线作为x轴，与其垂直并且在线段端点处作为y轴，按照y方向最大值作为y的坐标形成对应的一维信号图；
步骤S33、时频信号分析；将一维信号图进行时频信号分析，检测信号序列是否出现了信号波动，从而判断是否出现了激光散点光斑，进而判断是否检测到所述化纤飘丝。
更优选地，所述步骤S33具体包括：采用FFT离散傅里叶变换来将时域信号转换成频域信号，若所述图像为一条直线，那么频域图上没有高频信号的，则判断没有所述化纤飘丝；若在线条附近有飘丝造成的激光散点，那么对应的频域图会有比较大的高频信号，则判断检测到化纤飘丝。
更优选地，根据现场的化纤机器型号不同和光照环境不同，调整对应激光射线的角度，强度，还有摄像头的曝光。所述固定颜色的激光发射器为绿色激光发射器，所述滤光片采用绿色窄带滤光片。
更优选地，一种采用所述基于激光射线的高精准化纤飘丝质量检测方法的检测装置；包括：
图像获取模块，用于采用一种固定颜色的激光发射器产生激光射线，产生激光射线，所述激光射线从上往下照射在化纤机器的油嘴和地面之间的挡板上，产生的对应的激光图；在摄像头采集端，设置配以所述固定颜色的滤光片摄像头，过滤其他可见光，对采集到的视频中的每一帧信息的激光线条图像进行后续的检测分析；
图像检测分析模块，用于根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝。
更优选地，所述图像检测分析模块中包括激光直线定位模块；图像信号化模块和时频信号分析模块；
所述激光直线定位模块，用于根据图像特点，首先提取图像的固定颜色通道进行图像分割，采用最大类间方差法Ostu进行图像阈值分割；得到二值化的图像后使用Hough变换直线检测的方式定位出直线的位置；
所述图像信号化模块；用于定位出激光直线后，根据这个位置将图像往上扩大一定的范围进行ROI范围选定；在ROI范围内遍历每一列的图像，以激光线作为x轴，与其垂直并且在线段端点处作为y轴，按照y方向最大值作为y的坐标形成对应的一维信号图；
所述时频信号分析模块；用于将一维信号图进行信号分析，检测信号序列是否出现了信号波动，从而判断是否出现了激光散点光斑，进而判断是否检测到所述化纤飘丝。
更优选地，所述时频信号分析模块具体用于：采用FFT离散傅里叶变换来将时域信号转换成频域信号，若所述图像为一条直线，那么频域图上没有高频信号的，则判断没有所述化纤飘丝；若在线条附近有飘丝造成的激光散点，那么对应的频域图会有比较大的高频信号，则判断检测到化纤飘丝。
更优选地，所述检测装置根据现场的化纤机器型号不同和光照环境不同，调整对应激光射线的角度，强度，还有摄像头的曝光。所述固定颜色的激光发射器为绿色激光发射器，所述滤光片采用绿色窄带滤光片。
一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-4任一所述的基于激光射线的高精准化纤飘丝质量检测方法的步骤。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中所述处理器执行所述程序时实现如权利要求1-4任一所述的基于激光射线的高精准化纤飘丝质量检测方法的步骤。
本发明与现有技术相比存在以下优点：
(1).使用激光射线加上滤光片摄像头的辅助手段，并且采用特定的位置进行激光照射将可见光中难以检测成像的丝线变成利于成像和分析的激光图像，极大的提高了丝线的可辨认性，为后续的图像识别分析提供了有效的保障。
(2).采用了图像处理加上时频分析的方式进行飘丝散点的检测，使用图像处理的方法将图像进行有效的信息提取，并且转化成一维的时域信号，将信号进行频域分析，判断是否产生了激光散点，该方法具有比较高的鲁棒性和准确性，即使一根飘丝产生的散点我们也可以通过频域分析检测出来。
附图说明
以下将结合附图对本发明做进一步详细说明；
图1是化纤机器产生化纤飘丝前后对比图；其中图1A是正常的机器图；图1B是产生了飘丝的机器图；
图2是化纤机器产生化纤飘丝前后激光对比图；其中图2A是正常的激光图；图2B是产生了飘丝的激光图；
图3是本发明的流程图；
图4是激光直线定位示意图；
图5是一维信号示意图；
图6是图像信号化示意图；图6A是有飘丝时信号化后的草图与区域检测图；图6B是无飘丝时信号化后的草图与区域检测图；
图7是时频信号分析示意图；图7A是产生飘丝信号时的时频域图像；图7B是无飘丝信号时的时频域图像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明借助激光射线和加上对应滤光片的摄像头得到对应的激光图像，然后使用一系列图像处理算法，结合视频的每一帧信息进行飘丝现象的检测。由于使用了激光射线得到的激光图片，使得丝线的检测能力大大的提高，极大的提高了系统整体的稳定性和准确性。甚至于一两根细丝飘丝我们的方法都能比较好的稳定检测出来，这样极大的提高了预警的效率，给化纤工厂的生产效益带来很大的提升。
如图1所示，经过大量的数据观察分析，发现在发生了飘丝后丝絮会大量堆积并且最终挂落化纤机器的隔板上(也有可能少量丝线直接掉落在地上)，或者是形成一股线团垂下，亦或者是成堆的覆盖在机器的油嘴或者是挂钩上。
因此本专利的方案根据这种情况制定了一种基于激光射线散点检测的方式进行飘丝的异常情况监测。使用一种固定颜色的激光射线照射在挂钩和地面之间的挡板上，并且配以对应颜色的滤光片摄像头(使用滤光片可以得到更加利于后续图像分析的激光图)，采集对应的图片。
如图2所示，观察图像，可以很明显的发现，正常没有飘丝的激光图像是一条直线，而产生了飘丝的激光图像在激光直线附近出现一个或者多个散点或者说是光斑，如果出现一个表示只有一根丝线飘丝，这也是需要预警的。
本发明中创新地使用了激光射线的方式辅助进行丝线的检测。该方法不但避免了直接在可见光下进行丝絮的检测这种不稳定的方法，还能够根据实际工厂的机器调整对应激光射线的检测位置，相对以往的检测方式整体效果和稳定性有极大的提升。最重要的是该检测方法检测的精度极高，即使是一两根丝线飘丝都能很好的检测出来。
如图3所示，本发明采用一种基于激光射线的高精准化纤飘丝质量检测方法,包括如下步骤：
S1、采用一种固定颜色的激光发射器产生激光射线，产生激光射线，所述激光射线从上往下照射在化纤机器的油嘴和地面之间的挡板上，产生的对应的激光图；
S2、在摄像头采集端，设置配以所述固定颜色的滤光片摄像头，过滤其他可见光，对采集到的视频中的每一帧信息的激光线条图像进行后续的检测分析；
S3、根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝。
所述步骤S3中的根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝具体包括：
步骤S31、激光直线定位；根据图像特点，首先提取图像的固定颜色通道进行图像分割，采用最大类间方差法Ostu进行图像阈值分割；得到二值化的图像后使用Hough变换直线检测的方式定位出直线的位置；
步骤S32、图像信号化；定位出激光直线后，根据这个位置将图像往上扩大一定的范围进行ROI范围选定；在ROI范围内遍历每一列的图像，以激光线作为x轴，与其垂直并且在线段端点处作为y轴，按照y方向最大值作为y的坐标形成对应的一维信号图；
步骤S33、时频信号分析；将一维信号图进行时频信号分析，检测信号序列是否出现了信号波动，从而判断是否出现了激光散点光斑，进而判断是否检测到所述化纤飘丝。
更优选地，所述步骤S33具体包括：采用FFT离散傅里叶变换来将时域信号转换成频域信号，若所述图像为一条直线，那么频域图上没有高频信号的，则判断没有所述化纤飘丝；若在线条附近有飘丝造成的激光散点，那么对应的频域图会有比较大的高频信号，则判断检测到化纤飘丝。
更优选地，根据现场的化纤机器型号不同和光照环境不同，调整对应激光射线的角度，强度，还有摄像头的曝光。所述固定颜色的激光发射器为绿色激光发射器，所述滤光片采用绿色窄带滤光片。
采用该基于激光射线的高精准化纤飘丝质量检测方法的检测装置包括：
1、图像获取模块：
图像获取模块模块的作用就是收集对应的激光图像。
使用市面上比较常用的绿色激光发射器来产生激光射线，射线从上往下打在油嘴和地面之间的挡板上，这样就可以产生的对应的激光图。在摄像头采集端，还专门配备了绿色窄带滤光片，可以过滤其他可见光，专一对激光线条图像进行后续的检测分析。最后还可以根据现场的化纤机器型号不同和光照环境不同，调整对应激光的角度，强度，还有摄像头的曝光等等参数。
2、图像检测分析模块：
图像检测分析模块旨在根据激光图像进行图像处理等操作，分析判断该图像是否出现了激光散点光斑，从而判断是否产生了化纤飘丝。整个图像的分析流程简单总结可以分为三步是直线定位，图像信号化，时频信号分析。以下详细说明每一个步骤的原理和过程。
(1).激光直线定位
如图4所示，在得到了激光图像后，首先要定位激光直线的位置才能进行后续的分析，即进行激光直线的定位。
这里采用的是Ostu图像阈值分割加上Hough变化检测直线。根据图像特点，首先会提取图像的绿色通道进行图像分割。由于固定阈值的图像分割方法的鲁棒性太低，采用了一种比较经典的自适应的分割方式Otsu(最大类间方差法)进行图像的分割。得到二值化的图像后使用Hough变换直线检测的方式定位出直线的位置。
(2).图像信号化
如图5-6所示，在获取激光线的位置后，采集线段附近的范围，并且根据一定的规则将图像转化成一维的信号序列。
定位出激光直线后，根据这个位置将图像往上扩大一定的范围进行ROI范围选定(因为激光是从上到下打下来的，如果出现散点也基本都是出现在激光线的上部)。在ROI范围内遍历每一列的图像，以激光线作为x轴，与其垂直并且在线段端点处作为y轴，按照y方向最大值作为y的坐标形成对应的一维信号图。
(3).时频信号分析
如图7所示，时频信号分析模块旨在将一维信号进行信号分析，检测信号序列是否出现了信号波动，即可以判断是否出现了激光散点光斑。
采用的方案是FFT离散傅里叶变换来将时域信号转换成频域信号。如果图像为一条直线，那么频域图上是几乎没有高频信号的，而如果在线条附近有飘丝造成的激光散点，那么对应的频域图片会有比较大的高频信号，根据这个原则就可以很好的检测出是否有飘丝现象的产生。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时所述基于激光射线的高精准化纤飘丝质量检测方法的步骤。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中所述处理器执行所述程序时实现所述基于激光射线的高精准化纤飘丝质量检测方法的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。在不脱离本发明之精神和范围内，所做的任何修改、等同替换、改进等，同样属于本发明的保护范围之内。

Claims (10)

1.一种基于激光射线的高精准化纤飘丝质量检测方法,其特征在于：包括如下步骤：
S1、采用一种固定颜色的激光发射器产生激光射线，产生激光射线，所述激光射线从上往下照射在化纤机器的油嘴和地面之间的挡板上，产生的对应的激光图；
S2、在摄像头采集端，设置配以所述固定颜色的滤光片摄像头，过滤其他可见光以增强后续的信号处理，对采集到的视频中的每一帧信息的激光线条图像进行后续的检测分析；
S3、根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝。
2.根据权利要求1所述的检测方法，其特征在于，所述步骤S3中的根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝具体包括：
步骤S31、激光直线定位；根据图像特点，首先提取图像的固定颜色通道进行图像分割，采用最大类间方差法Ostu进行图像阈值分割；得到二值化的图像后使用Hough变换直线检测的方式定位出直线的位置；
步骤S32、图像信号化；定位出激光直线后，根据这个位置将图像往上扩大一定的范围进行ROI范围选定；在ROI范围内遍历每一列的图像，以激光线作为x轴，与其垂直并且在线段端点处作为y轴，按照y方向最大值作为y的坐标形成对应的一维信号图；
步骤S33、时频信号分析；将一维信号图进行时频信号分析，检测信号序列是否出现了信号波动，从而判断是否出现了激光散点光斑，进而判断是否检测到所述化纤飘丝。
3.根据权利要求2所述的检测方法，其特征在于，所述步骤S33具体包括：采用FFT离散傅里叶变换来将时域信号转换成频域信号，若所述图像为一条直线，那么频域图上没有高频信号的，则判断没有所述化纤飘丝；若在线条附近有飘丝造成的激光散点，那么对应的频域图会有比较大的高频信号，则判断检测到化纤飘丝。
4.根据权利要求1-3任一项所述的检测方法，其特征在于，根据现场的化纤机器型号不同和光照环境不同，调整对应激光射线的角度，强度，还有摄像头的曝光；所述固定颜色的激光发射器为绿色激光发射器，所述滤光片采用绿色窄带滤光片。
5.一种采用如权利要求1-4任一项所述的基于激光射线的高精准化纤飘丝质量检测方法的检测装置，其特征在于：包括：图像获取模块，用于采用一种固定颜色的激光发射器产生激光射线，产生激光射线，所述激光射线从上往下照射在化纤机器的油嘴和地面之间的挡板上，产生的对应的激光图；在摄像头采集端，设置配以所述固定颜色的滤光片摄像头，过滤其他可见光，对采集到的视频中的每一帧信息的激光线条图像进行后续的检测分析；
图像检测分析模块，用于根据所述激光线条图像进行图像检测分析；分析判断该激光线条图像是否出现了激光散点光斑；从而判断是否产生了化纤飘丝。
6.根据权利要求5所述的检测装置，其特征在于，所述图像检测分析模块中包括激光直线定位模块；图像信号化模块和时频信号分析模块；
所述激光直线定位模块，用于根据图像特点，首先提取图像的固定颜色通道进行图像分割，采用最大类间方差法Ostu进行图像阈值分割；得到二值化的图像后使用Hough变换直线检测的方式定位出直线的位置；
所述图像信号化模块；用于定位出激光直线后，根据这个位置将图像往上扩大一定的范围进行ROI范围选定；在ROI范围内遍历每一列的图像，以激光线作为x轴，与其垂直并且在线段端点处作为y轴，按照y方向最大值作为y的坐标形成对应的一维信号图；
所述时频信号分析模块；用于将一维信号图进行信号分析，检测信号序列是否出现了信号波动，从而判断是否出现了激光散点光斑，进而判断是否检测到所述化纤飘丝。
7.根据权利要求6所述的检测装置，其特征在于，所述时频信号分析模块具体用于：采用FFT离散傅里叶变换来将时域信号转换成频域信号，若所述图像为一条直线，那么频域图上没有高频信号的，则判断没有所述化纤飘丝；若在线条附近有飘丝造成的激光散点，那么对应的频域图会有比较大的高频信号，则判断检测到化纤飘丝。
8.根据权利要求5-7任一项所述的检测装置，其特征在于，所述检测装置根据现场的化纤机器型号不同和光照环境不同，调整对应激光射线的角度，强度，还有摄像头的曝光。所述固定颜色的激光发射器为绿色激光发射器，所述滤光片采用绿色窄带滤光片。
9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-4任一所述的基于激光射线的高精准化纤飘丝质量检测方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中所述处理器执行所述程序时实现如权利要求1-4任一所述的基于激光射线的高精准化纤飘丝质量检测方法的步骤。
CN202011359502.5A 2020-11-27 2020-11-27 一种基于激光射线的高精准化纤飘丝质量检测方法 Pending CN112505051A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011359502.5A CN112505051A (zh) 2020-11-27 2020-11-27 一种基于激光射线的高精准化纤飘丝质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011359502.5A CN112505051A (zh) 2020-11-27 2020-11-27 一种基于激光射线的高精准化纤飘丝质量检测方法

Publications (1)

Publication Number Publication Date
CN112505051A true CN112505051A (zh) 2021-03-16

Family

ID=74967092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011359502.5A Pending CN112505051A (zh) 2020-11-27 2020-11-27 一种基于激光射线的高精准化纤飘丝质量检测方法

Country Status (1)

Country Link
CN (1) CN112505051A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487166A (zh) * 2021-06-30 2021-10-08 桐乡市五疆科技发展有限公司 一种基于卷积神经网络的化纤飘丝质量检测方法及系统
CN117474907A (zh) * 2023-12-25 2024-01-30 浙江恒逸石化有限公司 出丝状态的检测方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0549914A2 (en) * 1991-12-31 1993-07-07 Corning Incorporated Measurement of fiber diameters and detection of defects
US20170010181A1 (en) * 2014-06-16 2017-01-12 Halliburton Energy Services, Inc. Distributed nondestructive structural defects detection in slickline cables
CN107402217A (zh) * 2017-07-27 2017-11-28 哈尔滨工业大学（威海） 基于视觉传感的激光增材制造缺陷的在线诊断方法
CN110286124A (zh) * 2018-03-14 2019-09-27 浙江大学山东工业技术研究院 基于机器视觉的耐火砖测量系统
CN210775245U (zh) * 2019-05-31 2020-06-16 吴江朗科化纤有限公司 一种化纤纺丝工艺丝路的智能巡检装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0549914A2 (en) * 1991-12-31 1993-07-07 Corning Incorporated Measurement of fiber diameters and detection of defects
US20170010181A1 (en) * 2014-06-16 2017-01-12 Halliburton Energy Services, Inc. Distributed nondestructive structural defects detection in slickline cables
CN107402217A (zh) * 2017-07-27 2017-11-28 哈尔滨工业大学（威海） 基于视觉传感的激光增材制造缺陷的在线诊断方法
CN110286124A (zh) * 2018-03-14 2019-09-27 浙江大学山东工业技术研究院 基于机器视觉的耐火砖测量系统
CN210775245U (zh) * 2019-05-31 2020-06-16 吴江朗科化纤有限公司 一种化纤纺丝工艺丝路的智能巡检装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487166A (zh) * 2021-06-30 2021-10-08 桐乡市五疆科技发展有限公司 一种基于卷积神经网络的化纤飘丝质量检测方法及系统
CN117474907A (zh) * 2023-12-25 2024-01-30 浙江恒逸石化有限公司 出丝状态的检测方法、装置、设备及存储介质
CN117474907B (zh) * 2023-12-25 2024-03-22 浙江恒逸石化有限公司 出丝状态的检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US10942133B2 (en) Method and system for automatically detecting fabric defect, and computer readable storage medium
CN112505051A (zh) 一种基于激光射线的高精准化纤飘丝质量检测方法
CN103759662B (zh) 一种纺织纱线直径动态快速测量装置与方法
EP2159182B1 (en) Running yarn line inspection method and carbon fiber manufacturing method using thereof
CN106596568A (zh) 一种基于线激光的实时非接触纱线断头检测方法
CN108288272A (zh) 纱线识别方法及装置
CN113920086B (zh) 一种碳纤维编织过程纱线状态检测方法及装置
CN105891228A (zh) 基于机器视觉的光纤外观缺陷检测及外径测量装置
CN103471973A (zh) 一种图像法测定织物孔隙特征的方法
CN114897894A (zh) 一种筒纱菊花芯缺陷检测方法
CN103630553A (zh) 一种镜片表面点状与线状杂质的检测装置
CN114387269B (zh) 一种基于激光的纤维丝缺损检测方法
CN110308147B (zh) 一种化纤纺丝工艺丝路的智能检查方法
CN114998321A (zh) 一种基于光学手段的纺织材料表面毛羽程度识别方法
CN104685347B (zh) 丝线的检查方法、丝线的检查装置、丝线的制造方法、丝线卷装以及丝线模块
CN107421956A (zh) 一种基于双目视觉的生丝或浸泡丝外观质量检测装置及检测方法
CN117089977B (zh) 一种坯布生产动态监测方法、系统及介质
CN113487166A (zh) 一种基于卷积神经网络的化纤飘丝质量检测方法及系统
CN116563223B (zh) 一种玻纤纱线绕罗拉检测方法、设备及存储介质
CN109632817B (zh) 一种基于准直激光束的织物织造在线疵点检测方法
Dorrity et al. On-line defect detection for weaving systems
CN205665178U (zh) 基于机器视觉的光纤外观缺陷检测及外径测量装置
CN102269714A (zh) 基于图像处理的网格圈质量检测方法
CN210775245U (zh) 一种化纤纺丝工艺丝路的智能巡检装置
CN210796704U (zh) 一种化纤纺丝工艺丝路的检测装置

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