CN112697805A - 一种织物疵点智能检测装置 - Google Patents

一种织物疵点智能检测装置 Download PDF

Info

Publication number
CN112697805A
CN112697805A CN202110027575.2A CN202110027575A CN112697805A CN 112697805 A CN112697805 A CN 112697805A CN 202110027575 A CN202110027575 A CN 202110027575A CN 112697805 A CN112697805 A CN 112697805A
Authority
CN
China
Prior art keywords
groove
sliding column
fabric
slides
box
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
CN202110027575.2A
Other languages
English (en)
Inventor
陈晓东
邱莉
梅秀庄
袁小军
赵欢
陈泽霖
王连东
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.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of 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 Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN202110027575.2A priority Critical patent/CN112697805A/zh
Publication of CN112697805A publication Critical patent/CN112697805A/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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Biochemistry (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明公开了一种织物疵点智能检测装置，包括箱体，所述箱体的后侧设有配电腔，所述配电腔的内部设有控制器，所述所述箱体的上侧面固定连接有支架，所述支架的中心位置上安装有用于采集织物图像的摄像头，所述摄像头将采集的织物图像信息汇集于控制器中通过线路或者网桥传输于外部的服务器系统中，服务器中将采集到的图像实时传输于检测系统中进行图像的预处理以及疵点检测，本发明通过检测设备采集相应的织物图像，针对织物进行灯光补助，在灯光的效果下能够较好的采集到织物特征图，将采集图像利用深度学习网络进行训练检测，实现对织物疵点检测的精准高效化。

Description

一种织物疵点智能检测装置
技术领域
本发明涉及织物疵点技术领域，具体为一种织物疵点智能检测装置。
背景技术
目前国内外大多企业仍用人工的方式实现对织物疵点坯检、灯检、成检、质检的过程，即检验人员将织物放置于灯箱或照衫灯下，通过人眼检测织物表面的各类疵点，企业通过制定内部评判标准，将疵点类型分为不同的疵点，这种人工检测存在诸多不足：
(1)疵点检测是一项重复性的工作，需要注意力高度集中，检测时很容易疲劳，对复杂纹路疵点存在严重的漏检问题，准确率仅可以达到60％-70％；
(2)人工检测成本较高，检测的范围相当有限，并且员工的技术水平参差不齐，直接影响总体检测效率与质量，而企业中员工绩效按检测数量来衡量，这将驱使工人在追求数量的过程中降低检测质量，通过对企业现场调研发现，在人工多次检测后仍会出现漏检问题，即使技术娴熟的检测工人也会出现同样的问题，这将直接影响企业经济、社会效益。
在对织物进行疵点进行检测时，织物的传输和摆放时阻碍效率提升一个重要方面。因此我们提出了一种织物疵点智能检测装置。
发明内容
本发明的目的在于提供一种织物疵点智能检测装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种织物疵点智能检测装置，包括箱体，所述箱体的后侧设有配电腔，所述配电腔的内部设有控制器，所述所述箱体的上侧面固定连接有支架，所述支架的中心位置上安装有用于采集织物图像的摄像头，所述摄像头将采集的织物图像信息汇集于控制器中通过线路或者网桥传输于外部的服务器系统中，服务器中将采集到的图像实时传输于检测系统中进行图像的预处理以及疵点检测，所述支架的外壁安装有用于织物图像采集光源补偿的环形灯管，所述箱体的两侧分别固定连接有放置箱与回收箱，所述箱体、放置箱与回收箱的内部组成运输通道，所述运输通道的侧壁上开有第一滑槽与第二滑槽，所述运输通道的内部通过运输机构运输有多个用于夹固织物的载物台，所述载物台的侧壁上固定连接有第一滑柱与第二滑柱，所述第一滑柱与第二滑柱分别滑动连接在第一滑槽与第二滑槽的内部，所述第一滑柱、第二滑柱、第一滑槽与第二滑槽的配合下使载物台途径摄像头的正下方时处于水平支撑织物的状态。
优选的，所述载物台包括主台板、夹槽、玻璃、夹框以及卡接装置，所述玻璃固定安装在主台板上，且所述夹槽开在玻璃的四周且位于主台板的侧壁上，所述夹框铰接在主台板的侧壁上，且所述夹框通过卡接装置活动卡接在夹槽的内部。
优选的，所述第一滑槽包括第一进料槽、工进槽、第一脱离槽与第一积料槽，所述第二滑槽包括第二进料槽、调角槽、支撑槽、复位槽、第二脱离槽与第二积料槽。
优选的，所述运输机构包括电机、皮带、第一拨块、辊轴以及第二拨块，所述皮带通过电机驱动旋转在运输通道的内部，所述第一拨块固定连接在皮带的侧壁上用于拨动第一滑柱在工进槽的内部滑动，所述辊轴通过皮带与电机的输出轴连接，所述第二拨块固定连接在辊轴上用于拨动第一滑柱在第一积料槽的内部滑动。
优选的，所述放置箱与回收箱的端口均铰接有箱门，所述箱体的前侧壁上铰接有检修门，所述箱门与检修门均通过永磁铁闭合密封。
优选的，所述箱体的内侧壁上固定安装有温度传感器。
优选的，所述摄像头对织物的图像采集包括以下流程：
S1：将载物台依次放入放置箱的内部，放置方法为：将载物台竖直放置后，使载物台上的第一滑柱与第二滑柱分别滑入第一进料槽与第二进料槽的内部，根据第一进料槽与第二进料槽的斜度载物台均向着放置箱的内部滑动，即第一滑柱向着工进槽的方向滑动，同时第二滑柱向着调角槽的方向滑动，致使首先放入的载物台上的第一滑柱滑动停止于第一进料槽与工进槽的连接处、第二滑柱滑动停止于第二进料槽与调角槽的连接处；
S2：启动电机，此时皮带带着第一拨块滑动，致使第一拨块拨着第一滑柱朝着第一脱离槽的方向滑动，此时第二滑柱随着第二滑柱滑动于调节槽内并逐渐向着支撑槽滑动，此时载物台由竖直状态逐渐向水平状态变化；
在运输机构驱动首个载物台滑动后，下一个载物台将自动滑动，使其上的第一滑柱滑动停止于第一进料槽与工进槽的连接处、第二滑柱滑动停止于第二进料槽与调角槽的连接处；
S3：第二滑柱随着第一滑柱滑动至支撑槽的内部后，载物台处于水平状态，该载物台上的织物平铺于摄像头的正下方，此时电机停止，使摄像头对织物的图像进行采集；
S4：采集完毕后，电机再次启动，从而使第一拨块拨着第一滑柱继续在此过程中，第二滑柱从支撑槽的内部滑动至复位槽的内部，经载物台的重力作用，第二滑柱在复位槽的内部滑动，即载物台绕着第一滑柱做圆周运动，致使载物台由水平状态复位自竖直状态；
S5：当载物台复位至竖直状态后，第一拨块仍拨着第一滑柱向第一脱离槽的方向进行滑动，当第一滑柱滑动至工进槽与第一脱离槽的连接处时，第二滑柱滑动至复位槽与第二脱离槽的连接处，当第一滑柱沿着第一脱离槽的斜坡滑动于第一脱离槽与第一积料槽的连接处时，第一滑柱与第一拨块脱离；
S6：通过辊轴带着第二拨块的旋转，促使第二拨块推着第一滑柱向远离第一脱离槽的方向滑动；
S7：当皮带带着第一拨块转动一圈后，第一拨块会拨动下一个载物台重复S1-S6的操作，继而实现对织物的图像进行自动采集。
与现有技术相比，本发明的有益效果是：
1、本发明通过检测设备采集相应的织物图像，通过灯光补助，在灯光的效果下能够较好的采集到织物特征图，将采集图像利用深度学习网络进行训练检测，实现对织物疵点检测的精准高效化；并且将多个夹固有织物样品的载物台放置于放置箱内，通过运输机构可自动驱使载物台自行移动，致使载物台上的织物样品一一摆放至摄像头的正下方进行图像采样，省去了每次图像采集后人工取出和重新放置样品的繁琐步骤，智能化、简单化程度提高，提高了采集织物图像的效率；
2、本发明对针织物疵点而言，能够方便自动化采集，并可以引入采集识别算法克服了人工主观因素的影响，随着神经网络的自学习，织物疵点识别率不断提高。
附图说明
图1为本发明的整体结构示意图Ⅰ；
图2为本发明的整体结构示意图II；
图3为本发明的整体结构示意图Ⅲ；
图4为本发明的箱体、摄像头与环形灯管处的结构示意图；
图5为本发明的主台板、玻璃与夹框处的结构示意图Ⅰ；
图6为本发明的主台板、玻璃与夹框处的结构示意图II；
图7为本发明的主台板、玻璃与夹框处的剖视图；
图8为本发明的图7的A处放大图；
图9为本发明的第一滑槽与第二滑槽处的结构示意图；
图10为本发明的箱体、放置箱、回收箱、摄像头、载物台处的剖视图；
图11为本发明的图10的B处放大图；
图12为本发明的皮带、第一拨块、辊轴与第二拨块处的结构示意图；
图13为本发明的载物台、第一滑柱与第二滑柱移动过程简图Ⅰ；
图14为本发明的载物台、第一滑柱与第二滑柱移动过程简图II；
图15为本发明的载物台、第一滑柱与第二滑柱移动过程简图Ⅲ；
图16为本发明的载物台、第一滑柱与第二滑柱移动过程简图Ⅳ；
图17为本发明的载物台、第一滑柱与第二滑柱移动过程简图Ⅴ；
图18为本发明的图17的C处放大图；
图19为本发明的载物台、第一滑柱与第二滑柱移动过程简图Ⅵ；
图20为本发明的箱体、通气管与排气管处的结构示意图；
图21为本发明的配电腔、帕尔铁模块、冷箱与热箱处的结构示意图；
图22为本发明的帕尔铁模块、冷箱、热箱与Y型导管处的剖视图；
图23为本发明的控制电路简图Ⅰ；
图24为本发明的控制电路简图II。
图中：1、箱体，101、配电腔，2、支架，3、摄像头，4、载物台，401、主台板，402、夹槽，403、玻璃，404、夹框，405、卡接装置，4051、卡块，4052、卡槽，4053、弹簧，4054、推柄，5、放置箱，6、回收箱，7、运输机构，701、电机，702、皮带，703、第一拨块，704、辊轴，705、第二拨块，8、第一滑槽，801、第一进料槽，802、工进槽，803、第一脱离槽，804、第一积料槽，9、第二滑槽，901、第二进料槽，902、调角槽，903、支撑槽，904、复位槽，905、第二脱离槽，906、第二积料槽，10、环形灯管，11、第一滑柱，12、第二滑柱，13、检修门，14、永磁铁，15、温度传感器，16、箱门，17、控制器，18、帕尔铁模块，19、冷箱，20、热箱，21、Y型导管，22、单向密封板，23、风机，24、通气管，25、排气管。
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，所描述的实施例仅仅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。
请参阅图1-24，本发明提供一种技术方案：一种织物疵点智能检测装置，包括箱体1，所述箱体1的后侧设有配电腔101，配电腔101的后侧通过后盖板密封，后盖板的侧壁上开有将导线伸出的孔，所述配电腔101的内部设有控制器17，所述所述箱体1的上侧面固定连接有支架2，所述支架2的中心位置上安装有用于采集织物图像的摄像头3，所述摄像头3将采集的织物图像信息汇集于控制器17中通过线路或者网桥传输于外部的服务器系统中，图24中“a”代表外部服务器，服务器中将采集到的图像实时传输于检测系统中进行图像的预处理以及疵点检测。
织物疵点检测可以采用如神经网络算法yolo3的形式实现对织物疵点的检测以及学习。其算法流程可采用如下形式：
(1)把织物图片分割为m×m的网格。当织物疵点目标中心落在一个网格，网格将负责检测疵点目标。有些目标中心点可能落在多个网格的边界，可通过非最大抑制进行筛选。
(2)每个网格预测P个边界框及其置信度。置信度说明了边界框包含对象的置信度，以及bounding box预测目标的准确程度。置信度定义为：
Figure BDA0002890894720000071
如果不含目标，则confidence＝0，如果含有目标，则
Figure BDA0002890894720000072
(3)每个边界框包括五个预测值：x,y,w,h及置信度。(x,y)表示bounding box中心坐标，与网格相关，训练过程将x,y,w,h进行归一化。
(4)每个网格预测Q个条件类别概率Pr(classi|object)，不论每个网格中bounding box有多少个，每个网格只进行一组类别概率预测。
(5)在测试阶段，我们将条件类别概率与bounding box置信度相乘：
Figure BDA0002890894720000073
得到每个bounding box属于特定类别的confidence score。因此，最终预测值变为m×m×(P*5+Q)的张量。
边界框预测的方法，通过尺寸聚类确定anchor box。对每个边界框网络预测四个坐标偏移tx,ty,tw,th。如果feature map某一单元偏移图片左上角坐标(qx,qy),boundingbox预选框尺寸为bw,bh，即anchor尺寸，那么生成对预测坐标为px,py,pw,ph,此为featuremap层级.而gx,gy,,gw,gh为真值在feature map上的映射，通过预测偏移tx,ty,tw,th使得px,py,pw,ph与gx,gy,,gw,gh一致。
Px＝α(tx)+Qx
Py＝α(ty)+Qy
Figure BDA0002890894720000074
Figure BDA0002890894720000081
由于在卷积神经网络训练过程中会减少特征信息，因此引用Densenet密集连接网络结构，它连接每一层到前馈模式中的其他层，从而保留了所有特征信息。从而通过不断的数据采集和人工专家干预可以不断的进行，完善学习，实现完全自动检测。Densenet网络结构在Darknet-53架构基础上使用密集网络代替分辨率低的原始输入层，增强特征传播并促进特征复用和融合。将输入图像大小有256×256换成512×512，同时将原网络中32×32、16×16下的采样层修改为DenseNet结构。当然具体的算法也可以是其他的形式，具体根据服务器的设计来运行。
所述支架2的外壁安装有用于织物图像采集光源补偿的环形灯管10，环形灯管10的亮度可自动调节，实现对织物光线强度的自动变化，所述箱体1的两侧分别固定连接有放置箱5与回收箱6，所述箱体1、放置箱5与回收箱6的内部组成运输通道，所述运输通道的侧壁上开有第一滑槽8与第二滑槽9，所述运输通道的内部通过运输机构7运输有多个用于夹固织物的载物台4，所述载物台4的侧壁上固定连接有第一滑柱11与第二滑柱12，所述第一滑柱11与第二滑柱12分别滑动连接在第一滑槽8与第二滑槽9的内部，所述第一滑柱11、第二滑柱12、第一滑槽8与第二滑槽9的配合下使载物台4途径摄像头3的正下方时处于水平支撑织物的状态。
如图5-8所示，为了能够快速的将织物样品进行夹固，具体而言，所述载物台4包括主台板401、夹槽402、玻璃403、夹框404以及卡接装置405，所述玻璃403固定安装在主台板401上，玻璃403采用透明磨砂玻璃，且所述夹槽402开在玻璃403的四周且位于主台板401的侧壁上，所述夹框404铰接在主台板401的侧壁上，转动夹框404至如图6所示的状态，然后将织物样品放置于玻璃403上，且织物样品的边缘处于夹槽402的内部，然后闭合夹框404，致使夹框404将织物样品的边缘固定在夹槽402的内部，从而使织物样品固定平铺在玻璃403上，且所述夹框404通过卡接装置405活动卡接在夹槽402的内部，如图8所示，卡接装置405包括卡块4051、卡槽4052、弹簧4053与推柄4054，卡块4051通过弹簧4053滑动连接在夹框404的内部，且推柄4054与卡块4051固定连接，卡槽4052开在主台板401的侧壁上，当夹框404闭合后，卡块4051卡接在卡槽4052的内部，这样可将夹框404固定在主台板401上，致使夹框404对织物进行夹固，当需要将织物样品取下时，推动推柄4054，致使推柄4054将卡块4051从卡槽4052的内部滑出，此时夹框404可在主台板401上转动，继而实现将织物样品取下以便对织物样品进行快速更换。
如图9-12所示，为了使载物台4能够在运输通道的内部进行移动，具体而言，所述第一滑槽8包括第一进料槽801、工进槽802、第一脱离槽803与第一积料槽804，所述第二滑槽9包括第二进料槽901、调角槽902、支撑槽903、复位槽904、第二脱离槽905与第二积料槽906，第一进料槽801与第二进料槽901设置在放置箱5的内部，如图9所示，第一进料槽801与第二进料槽901相互平行，且第一进料槽801与第二进料槽901具有一定的斜度，第一脱离槽803与第二脱离槽905相互平行，且第一脱离槽803与第二脱离槽905具有一定的斜度，第一积料槽804与第二积料槽906设置在回收箱6的内部，如图9所示，第一积料槽804与第二积料槽906相互平行，所述运输机构7包括电机701、皮带702、第一拨块703、辊轴704以及第二拨块705，所述皮带702通过电机701驱动旋转在运输通道的内部，电机701固定安装在箱体1的内侧壁上，皮带702由两个支撑轴进行支撑，任一支撑轴与电机701的输出轴连接，因此，电机701启动时，电机701会驱动皮带702转动，所述第一拨块703固定连接在皮带702的侧壁上用于拨动第一滑柱11在工进槽802的内部滑动，所述辊轴704通过皮带与电机701的输出轴连接，如图12所示，当电机701启动时，电机701驱动辊轴704旋转，所述第二拨块705固定连接在辊轴704上用于拨动第一滑柱11在第一积料槽804的内部滑动。
如图13-19所示，为了使载物台4在移动过程中能够进行角度的切换，具体而言，所述摄像头3对织物的图像采集包括以下流程：
S1：将载物台4依次放入放置箱5的内部，放置方法为：将载物台4竖直放置后，使载物台4上的第一滑柱11与第二滑柱12分别滑入第一进料槽801与第二进料槽901的内部，根据第一进料槽801与第二进料槽901的斜度载物台4均向着放置箱5的内部滑动，即第一滑柱11向着工进槽802的方向滑动，同时第二滑柱12向着调角槽902的方向滑动，致使首先放入的载物台4上的第一滑柱11滑动停止于第一进料槽801与工进槽802的连接处、第二滑柱12滑动停止于第二进料槽801与调角槽902的连接处；
S2：启动电机701，此时皮带702带着第一拨块703滑动，致使第一拨块703拨着第一滑柱11朝着第一脱离槽803的方向滑动，此时第二滑柱12随着第二滑柱11滑动于调节槽902内并逐渐向着支撑槽903滑动，此时载物台4由竖直状态逐渐向水平状态变化；
在运输机构7驱动首个载物台4滑动后，下一个载物台4将自动滑动，使其上的第一滑柱11滑动停止于第一进料槽801与工进槽802的连接处、第二滑柱12滑动停止于第二进料槽801与调角槽902的连接处；
S3：第二滑柱12随着第一滑柱11滑动至支撑槽903的内部后，载物台4处于水平状态，该载物台4上的织物平铺于摄像头3的正下方，此时电机701停止，使摄像头3对织物的图像进行采集；
S4：采集完毕后，电机701再次启动，从而使第一拨块705拨着第一滑柱11继续在此过程中，第二滑柱12从支撑槽903的内部滑动至复位槽904的内部，经载物台4的重力作用，第二滑柱12在复位槽904的内部滑动，即载物台4绕着第一滑柱11做圆周运动，致使载物台4由水平状态复位自竖直状态；
S5：当载物台4复位至竖直状态后，第一拨块703仍拨着第一滑柱11向第一脱离槽803的方向进行滑动，当第一滑柱11滑动至工进槽802与第一脱离槽803的连接处时，第二滑柱12滑动至复位槽904与第二脱离槽905的连接处，当第一滑柱11沿着第一脱离槽803的斜坡滑动于第一脱离槽803与第一积料槽804的连接处时，第一滑柱11与第一拨块703脱离；
S6：通过辊轴704带着第二拨块705的旋转，促使第二拨块705推着第一滑柱11向远离第一脱离槽803的方向滑动；
S7：当皮带702带着第一拨块703转动一圈后，第一拨块703会拨动下一个载物台4重复S1-S6的操作，继而实现对织物的图像进行自动采集。
为了防止外部光线射入箱体1的内部影响织物图样采集，具体而言，所述放置箱5与回收箱6的端口均通过折页铰接有箱门16，所述箱体1的前侧壁上铰接有检修门13，所述箱门16与检修门13均通过永磁铁14闭合密封，如图3所示，永磁铁14固定在箱门16与检修门13的侧壁上，且箱体1、放置箱5与回收箱6的对应侧壁上也设有永磁体14，当箱门16与检修门13闭合时，两个永磁铁14产生吸力，致使箱门16与检修门13在闭合状态下固定，且箱门16与检修门13的内侧壁上贴附有橡胶垫，当箱门16与检修门13闭合后，橡胶垫可将箱门16与检修门13的缝隙堵住，避免外部光线射入箱体1的内部。
为了对箱体1内部的温度进行检测，使操作者能够获知箱体1内部的温度状况，具体而言，所述箱体1的内侧壁上固定安装有温度传感器15，如图3所示，温度传感器15处于箱体1的内部，能够对箱体1内部的温度进行检测，并且温度传感器15与控制器17电连接，此时温度传感器15会将检测的温度数值传输至控制器17的内部，并由控制器17将温度数值传递至外部的显示装置上，致使操作者能够获知箱体1内部的温度状况，温度传感器15、控制器17为现有技术产品，故不做赘述，例如温度传感器15可采用WZPT-01型号，控制器17可采用创莓CHM的树莓派4开发板。
在进行织物图样采集时，温度的较大变化会使采集图样产生较大的误差，从而会降低织物疵点检测的精度，因此需要使箱体1的内部处于温度状态，为了实现箱体1的内部始终处于恒温状态，配电腔101的内部增设有温控装置，温控装置包括帕尔铁模块18，帕尔铁模块18的冷、热两端分别设有冷箱19与热箱20，帕尔铁模块18通电后可将冷箱19内的气体制冷、将热箱20内的气体制热，且温控装置还包括Y型导管21，Y型导管21的下侧两端口分别与冷箱19、热箱20连通，且两个连通处均设有风机23，Y型导管21的下侧端口与冷箱19连接处的风机23启动时，可将冷箱19内的冷气吹入Y型导管21内，Y型导管21的下侧端口与热箱20连接处的风机23启动时，可将热箱20内的热气吹入Y型导管21内，Y型导管21的上侧端口与箱体1的内腔连通，且Y型导管21与冷箱19、热箱20连通的通路上均设有单向密封板22；
假设采集织物图样的温度范围为20°-30°，当箱体1内的温度低于或高于该温度范围时，温控装置进行工作，温控装置的工作过程为(以下过程以20°-30°的最佳采集织物图样温度范围为例)：
温度传感器15对箱体1内的温度进行实时检测，温度传感器15将检测的温度值传递至控制器17的内部；
工作过程一、当控制器17接收到的箱体1内温度值处于20°-30°的范围内时，控制器17控制温控装置处于待机状态，即帕尔铁模块18与两个风机23均处于关闭状态；
工作过程二、当控制器17接收到的箱体1内温度高于30°时，控制器17控制温控装置启动，此时帕尔铁模块18通电启动，致使帕尔铁模块18将冷箱19内部的温度制冷，同时冷箱19与Y型导管21连接处的风机23启动(另一个风机23停止状态)，此时该风机23将冷箱19内部的冷气吹入Y型导管21内，此时靠近冷箱19的单向密封板22被吹开，靠近热箱20的单向密封板22处于密封状态，这样Y型导管21内的冷气便会吹入箱体1的内部进行降温，当箱体1内部的温度降低至25°(可将该为温度值设定成处于20°-30°之间的任一温度值)时，控制器17控制温控装置再次处于待机状态，当箱体1内部的温度再次上升至高于30°时，此时控制器17再次控制温控装置启动，从而实现将箱体1内部的温度控制在20°-30°的范围内；
工作过程三、当控制器17接收到的箱体1内温度低于20°时，控制器17控制温控装置启动，此时帕尔铁模块18通电启动，致使帕尔铁模块18将热箱20内部的温度制热，同时热箱20与Y型导管21连接处的风机23启动(另一个风机23停止状态)，此时该风机23将热箱20内部的冷气吹入Y型导管21内，此时靠近热箱20的单向密封板22被吹开，靠近冷箱19的单向密封板22处于密封状态，这样Y型导管21内的热气便会吹入箱体1的内部进行升温，当箱体1内部的温度上升至25°(可将该为温度值设定成处于20°-30°之间的任一温度值)时，控制器17控制温控装置再次处于待机状态，当箱体1内部的温度再次下降至低于20°时，此时控制器17再次控制温控装置启动，从而实现将箱体1内部的温度控制在20°-30°的范围内；
工作过程二、工作过程三中，由于冷箱19、热箱20、Y型导管21与箱体1的气体是流动的，因此为了确保冷箱19、热箱20、Y型导管21与箱体1气压恒定，冷箱19、热箱20上均设有与外界连通的通气管24(通气管24起到换气的作用)，箱体1上设有与外界连通的排气管25，并且排气管25弯折为U型状态，继而可防止外部光线从排气管25处射入箱体1内。
工作原理：使用时，转动夹框404至如图6所示的状态，然后将织物样品放置于玻璃403上，且织物样品的边缘处于夹槽402的内部，然后闭合夹框404，致使夹框404将织物样品的边缘固定在夹槽402的内部，从而使织物样品固定平铺在玻璃403上，然后将放置箱5上的箱门16打开，将夹固有织物样品的载物台4放置于放置箱5的内部，此时闭合箱门16，致使箱体1处于完全密封的状态，然后启动运输机构7，致使运输机构7逐个将载物台4进行运输，运输过程中，载物台4实现翻转后将织物样品支撑在摄像头3的正下方，此时摄像头3对织物样品进行图样采集，摄像头3将采集的织物图像信息汇集于控制器17中通过线路或者网桥传输于外部的服务器系统中，服务器中将采集到的图像实时传输于检测系统中进行图像的预处理以及疵点检测，之后运输机构7会将已经检测织物样品(载物台4)运输至回收箱6的内部，当织物样品全部检测完毕后，打开回收箱6端口的箱门16，继而可将载物台4全部取出。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种织物疵点智能检测装置，包括箱体(1)，所述箱体(1)的后侧设有配电腔(101)，其特征在于：所述配电腔(101)的内部设有控制器(17)，所述所述箱体(1)的上侧面固定连接有支架(2)，所述支架(2)的中心位置上安装有用于采集织物图像的摄像头(3)，所述摄像头(3)将采集的织物图像信息汇集于控制器(17)中通过线路或者网桥传输于外部的服务器系统中，服务器中将采集到的图像实时传输于检测系统中进行图像的预处理以及疵点检测，所述支架(2)的外壁安装有用于织物图像采集光源补偿的环形灯管(10)，所述箱体(1)的两侧分别固定连接有放置箱(5)与回收箱(6)，所述箱体(1)、放置箱(5)与回收箱(6)的内部组成运输通道，所述运输通道的侧壁上开有第一滑槽(8)与第二滑槽(9)，所述运输通道的内部通过运输机构(7)运输有多个用于夹固织物的载物台(4)，所述载物台(4)的侧壁上固定连接有第一滑柱(11)与第二滑柱(12)，所述第一滑柱(11)与第二滑柱(12)分别滑动连接在第一滑槽(8)与第二滑槽(9)的内部，所述第一滑柱(11)、第二滑柱(12)、第一滑槽(8)与第二滑槽(9)的配合下使载物台(4)途径摄像头(3)的正下方时处于水平支撑织物的状态。
2.根据权利要求1所述的一种织物疵点智能检测装置，其特征在于：所述载物台(4)包括主台板(401)、夹槽(402)、玻璃(403)、夹框(404)以及卡接装置(405)，所述玻璃(403)固定安装在主台板(401)上，且所述夹槽(402)开在玻璃(403)的四周且位于主台板(401)的侧壁上，所述夹框(404)铰接在主台板(401)的侧壁上，且所述夹框(404)通过卡接装置(405)活动卡接在夹槽(402)的内部。
3.根据权利要求1所述的一种织物疵点智能检测装置，其特征在于：所述第一滑槽(8)包括第一进料槽(801)、工进槽(802)、第一脱离槽(803)与第一积料槽(804)，所述第二滑槽(9)包括第二进料槽(901)、调角槽(902)、支撑槽(903)、复位槽(904)、第二脱离槽(905)与第二积料槽(906)。
4.根据权利要求1所述的一种织物疵点智能检测装置，其特征在于：所述运输机构(7)包括电机(701)、皮带(702)、第一拨块(703)、辊轴(704)以及第二拨块(705)，所述皮带(702)通过电机(701)驱动旋转在运输通道的内部，所述第一拨块(703)固定连接在皮带(702)的侧壁上用于拨动第一滑柱(11)在工进槽(802)的内部滑动，所述辊轴(704)通过皮带(702)与电机(701)的输出轴连接，所述第二拨块(705)固定连接在辊轴(704)上用于拨动第一滑柱(11)在第一积料槽(804)的内部滑动。
5.根据权利要求1所述的一种织物疵点智能检测装置，其特征在于：所述放置箱(5)与回收箱(6)的端口均铰接有箱门(16)，所述箱体(1)的前侧壁上铰接有检修门(13)，所述箱门(16)与检修门(13)均通过永磁铁(14)闭合密封。
6.根据权利要求1所述的一种织物疵点智能检测装置，其特征在于：所述箱体(1)的内侧壁上固定安装有温度传感器(15)。
7.根据权利要求4所述的一种织物疵点智能检测装置，其特征在于：所述摄像头(3)对织物的图像采集包括以下流程：
S1：将载物台(4)依次放入放置箱(5)的内部，放置方法为：将载物台(4)竖直放置后，使载物台(4)上的第一滑柱(11)与第二滑柱(12)分别滑入第一进料槽(801)与第二进料槽(901)的内部，根据第一进料槽(801)与第二进料槽(901)的斜度载物台(4)均向着放置箱(5)的内部滑动，即第一滑柱(11)向着工进槽(802)的方向滑动，同时第二滑柱(12)向着调角槽(902)的方向滑动，致使首先放入的载物台(4)上的第一滑柱(11)滑动停止于第一进料槽(801)与工进槽(802)的连接处、第二滑柱(12)滑动停止于第二进料槽(801)与调角槽(902)的连接处；
S2：启动电机(701)，此时皮带(702)带着第一拨块(703)滑动，致使第一拨块(703)拨着第一滑柱(11)朝着第一脱离槽(803)的方向滑动，此时第二滑柱(12)随着第二滑柱(11)滑动于调节槽(902)内并逐渐向着支撑槽(903)滑动，此时载物台(4)由竖直状态逐渐向水平状态变化；
在运输机构(7)驱动首个载物台(4)滑动后，下一个载物台(4)将自动滑动，使其上的第一滑柱(11)滑动停止于第一进料槽(801)与工进槽(802)的连接处、第二滑柱(12)滑动停止于第二进料槽(801)与调角槽(902)的连接处；
S3：第二滑柱(12)随着第一滑柱(11)滑动至支撑槽(903)的内部后，载物台(4)处于水平状态，该载物台(4)上的织物平铺于摄像头(3)的正下方，此时电机(701)停止，使摄像头(3)对织物的图像进行采集；
S4：采集完毕后，电机(701)再次启动，从而使第一拨块(703)拨着第一滑柱(11)继续在此过程中，第二滑柱(12)从支撑槽(903)的内部滑动至复位槽(904)的内部，经载物台(4)的重力作用，第二滑柱(12)在复位槽(904)的内部滑动，即载物台(4)绕着第一滑柱(11)做圆周运动，致使载物台(4)由水平状态复位自竖直状态；
S5：当载物台(4)复位至竖直状态后，第一拨块(703)仍拨着第一滑柱(11)向第一脱离槽(803)的方向进行滑动，当第一滑柱(11)滑动至工进槽(802)与第一脱离槽(803)的连接处时，第二滑柱(12)滑动至复位槽(904)与第二脱离槽(905)的连接处，当第一滑柱(11)沿着第一脱离槽(803)的斜坡滑动于第一脱离槽(803)与第一积料槽(804)的连接处时，第一滑柱(11)与第一拨块(703)脱离；
S6：通过辊轴(704)带着第二拨块(705)的旋转，促使第二拨块(705)推着第一滑柱(11)向远离第一脱离槽(803)的方向滑动；
S7：当皮带(702)带着第一拨块(703)转动一圈后，第一拨块(703)会拨动下一个载物台(4)重复S1-S6的操作，继而实现对织物的图像进行自动采集。
CN202110027575.2A 2021-01-10 2021-01-10 一种织物疵点智能检测装置 Pending CN112697805A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110027575.2A CN112697805A (zh) 2021-01-10 2021-01-10 一种织物疵点智能检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110027575.2A CN112697805A (zh) 2021-01-10 2021-01-10 一种织物疵点智能检测装置

Publications (1)

Publication Number Publication Date
CN112697805A true CN112697805A (zh) 2021-04-23

Family

ID=75513669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110027575.2A Pending CN112697805A (zh) 2021-01-10 2021-01-10 一种织物疵点智能检测装置

Country Status (1)

Country Link
CN (1) CN112697805A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114082663A (zh) * 2022-01-18 2022-02-25 四川明泰电子科技有限公司 一种集成芯片管体及管脚检测系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114082663A (zh) * 2022-01-18 2022-02-25 四川明泰电子科技有限公司 一种集成芯片管体及管脚检测系统

Similar Documents

Publication Publication Date Title
US10597626B2 (en) Incubation apparatus
CN106814087B (zh) 一种柔性显示屏多工位单视觉aoi检测平台及其检测方法
CN106272426A (zh) 太阳能电池片串焊前视觉定位及角度检测设备及检测方法
CN103502422A (zh) 图像捕捉和照明设备
CN103210338A (zh) 观察装置、观察程序及观察系统
CN113610935A (zh) 一种红茶自动发酵监测系统
CN108920020A (zh) 一种智能手机触摸屏的贴合设备
CN112697805A (zh) 一种织物疵点智能检测装置
CN107767377A (zh) 基于双目视觉系统的液晶屏缺陷与灰尘区分法及检测装置
CN106959310A (zh) 数字射线直接成像的复合材料界面形貌检测系统及方法
CN205786362U (zh) 一种触摸屏玻璃表面瑕疵在线自动化检测系统
CN202114018U (zh) 一种谷物实时检测与分级的机器视觉系统
CN108447798A (zh) 硅晶电池蓝膜检测系统及其图像采集装置
AU2021103046A4 (en) Intelligent detection device for fabric defects
CN110125022A (zh) 一种塑料齿轮自动检测与分选装置
CN210367694U (zh) 一种平板菌落自动计数仪
CN214844855U (zh) 一种织物疵点智能检测装置
WO2023071286A1 (zh) 面料扫描装置
CN110951608A (zh) 微生物自动检验设备
CN206387731U (zh) 电子产品外壳丝印检测设备
CN201990718U (zh) 蒸镀机及其面板检测装置
CN110927064B (zh) 一种基于视觉系统智能高效匣钵检测装置
CN109765692B (zh) 一种吸盘式全自动工业射线胶片读片机机构
CN210528938U (zh) 一种培养皿菌落自动计数仪
CN208922220U (zh) 一种智能手机触摸屏的贴合设备

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