CN112767384A - 一种弹力布克重在线检测系统的补偿方法和装置 - Google Patents

一种弹力布克重在线检测系统的补偿方法和装置 Download PDF

Info

Publication number
CN112767384A
CN112767384A CN202110127808.6A CN202110127808A CN112767384A CN 112767384 A CN112767384 A CN 112767384A CN 202110127808 A CN202110127808 A CN 202110127808A CN 112767384 A CN112767384 A CN 112767384A
Authority
CN
China
Prior art keywords
coil
yarn
elastic cloth
gram weight
coils
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
CN202110127808.6A
Other languages
English (en)
Other versions
CN112767384B (zh
Inventor
金福江
潘露露
刘毅
张鑫
樊荣
周丽春
金韬
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN202110127808.6A priority Critical patent/CN112767384B/zh
Publication of CN112767384A publication Critical patent/CN112767384A/zh
Application granted granted Critical
Publication of CN112767384B publication Critical patent/CN112767384B/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
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/02—Apparatus for or methods of weighing material of special form or property for weighing material of filamentary or sheet form
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明提供了一种弹力布克重在线检测系统的补偿方法，包括如下步骤：弹力布图像采集与线圈特征提取：采集检测架处弹力布图像，并对采集图像预处理；图像处理：线圈特征图像分割与分类，分析弹力布受力与未受力两种状态下椭圆形线圈尺寸与位置关键参数变化量引起纱线变化量；建立线圈参数(a,o,θ)变化与纱线伸缩量变化关系模型：弹力布受力时椭圆线圈形变引起待测域纱线变化计算：Vl补＝Vas+Vds‑Vls，线圈长轴a变化引起弹力布的经向倾斜纱线线长拉伸量计算Vas、线圈中心点o位置变化引起弹力布的径向纱线线长拉伸量计算Vds，线圈径向旋转角θ变化引起弹力布纬向纱线线长收缩量计算Vls；计算克重补偿：克重补偿量计算G补＝G(Vds)+G(Vas)‑G(Vls)；本发明提供的方法能够使数据更为准确，得到更好的质量检测与控制效果。

Description

一种弹力布克重在线检测系统的补偿方法和装置
技术领域
本发明涉及机器视觉图像处理和工业生产检测领域，特别是指一种弹力布克重在线检测系统的补偿方法和装置。
背景技术
布匹克重是反映生产布匹质量的一项重要指标，布匹克重偏低或偏高都能影响布匹质量评价等级，为了达到实时检测和调控生产质量的目的，利用弹力布克重在线检测系统实现克重不合格及时调整生产工艺提高产品生产质量的目的。常见的克重在线检测设备主要利用X或β射线扫描检测布匹厚度间接检测布匹克重信息，工业生产常见的克重检测架并非均是水平安装，由于检测装置与出布装置相连，为了方便出布装置整理布匹，因此大多情况下布匹在检测架上处于垂挂状态，克重检测架处弹力布受下方弹力布重力作用，使得待检测处弹力布密度稀疏，由于弹力布纱线具有弹性伸缩特性，弹力布在下机释去力后纱线弹性收缩，纱线密度恢复，造成在线检测克重偏低这一现象
针对克重在线检测偏低这一现象，现有技术采取了一些措施进行克重补偿，包括以下两种：(1)利用张力传感器检测织物重力作用下棉氨纶丝所受的张力，结合织物张力作用对待测织物厚度变化的影响建立在线检测克重补偿模型。通过长期投入应用发现张力传感器虽然能通过织物承受张力大小来补偿克重，但其适用于张力较明显情况下，当弹力布所受张力较小时张力计测量精度较低会导致补偿不准，且精密的张力计价格昂贵成本较高。(2)空间域图像处理织物线圈、脊线密度分析法克重检测：此方法工作原理是采用图像处理技术采集织物图像，通过一系列图像预处理最终分割出布匹线圈和脊线特征，通过统计单位面积内线圈和脊线的数量间接测量织物克重信息。此种图像空间域法虽然可以通过线圈和纱线克重密度分布间接进行克重检测，由于采集图片受环境影响会出现光线不均匀现象，并且通过图像处理后得到的线圈特征会出现处理过度导致线圈消失或处理过轻线圈粘连线性的现象。以上均会对线圈和脊线统计造成一定影响，因此以上两种方法进行克重检测均出现精确度不高，使用性不强现象。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种建立弹力布纱线结构纹理中径向纱线构成的线圈尺寸和间距变化与纱线伸缩量变化的关系模型，获得弹力布克重密度变化从而进行克重补偿，能够解决目前对弹力布克重在线检测时由于弹力布在检测架上处于垂挂状态会受自身重力影响引起纱线弹性拉伸纱线密度稀疏，导致在线检测系统检测克重偏低的问题。
本发明采用如下技术方案：
本发明实施例一方面提供一种弹力布克重在线检测系统的补偿方法，包括如下步骤：
弹力布图像采集与线圈特征提取：采集检测架处弹力布图像，并对采集的弹力布图像进行图像预处理获得弹力布纱线线圈特征图，所述图像采集包括弹力布检测架处垂挂状态图像采集和平铺松弛状态图像采集；
图像处理：图像预处理后得到线圈并进行线圈分类处理，计算线圈拟合椭圆长轴a和中心点o以及椭圆与径向旋转夹角θ，分析弹力布受力与未受力两种状态下椭圆形线圈尺寸与位置关键参数变化量引起纱线变化量；
建立线圈参数(a,o,θ)变化与纱线伸缩量变化关系模型：计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，包括线圈长轴a变化引起构成弹力布的经向倾斜纱线线长拉伸量计算Vas、线圈中心点o位置变化引起构成弹力布的径向纱线线长拉伸量计算Vds，线圈径向旋转角θ变化引起弹力布纬向纱线线长收缩量计算Vls，弹力布受力时椭圆线圈形变引起待测域纱线变化计算：Vl补＝Vas+Vds-Vls；
计算克重补偿：克重补偿量计算G补＝G(Vds)+G(Vas)-G(Vls)；其中G(vds)是线圈间纱线径向受力拉伸后纱线拉伸量变化引起的克重减少量；G(Vas)是指椭圆形线圈长轴受径向拉伸后使构成线圈的纱线在该区域中克重的减少量，G(Vls)指脊线增加引起的克重变化量。
具体地，所述图像处理中，得到线圈并进行线圈分类处理具体包括：
对预处理后的线圈进行特征识别与分类，训练卷积神经网络对规则椭圆形线圈、两两相粘连线圈以及处理过度不成形线圈三类线圈进行特征识别与分类，并求取三类线圈概率密度分布：规则线圈P(A)、粘连线圈P(B)、处理过度线圈P(C)，A指1个规则线圈、B指隐含2个规则线圈、C指隐含1个规则线圈。
具体地，所述图像处理中，计算线圈拟合椭圆长轴a和中心点o以及椭圆与径向旋转夹角θ，还包括
线圈拟合旋转椭圆：
Figure BDA0002924636250000031
求取椭圆关键参数，包括：
长轴a均值：
Figure BDA0002924636250000032
长轴a偏差
Figure BDA0002924636250000033
线圈径向间距d计算公式：
Figure BDA0002924636250000034
间距d均值：
Figure BDA0002924636250000035
间距d总偏差
Figure BDA0002924636250000036
线圈与径向夹角改变造成纬向脊线偏差量：
Figure BDA0002924636250000037
其中i、j分别表示第i行、第j列线圈，m,n分别表示线圈行、列数；xo、yo表示对应线圈中心点坐标；m,n分别表示线圈行、列数，K表示线圈受力状态：T表示线圈未受力状态。
具体地，计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，还包括：
弹力布未受力时，线圈边缘像素坐标(x,y)，椭圆方程求得椭圆长轴a＝f(x,y)、中心点o＝g(x,y)、夹角θ＝h(x,y)；
受力F作用下弹力布纱线对应线圈边缘点坐标点x'＝x+k(F)，y'＝y+k(F)，受力后长轴：a'＝f(x',y')、中心点：o'＝g(x',y')、夹角：θ'＝h(x',y')，受力长轴拉伸Va＝|a'-a|，径向中心点间距增大Vd＝|o'-o|，径向夹角变小Vθ＝|θ'-θ|。
具体地，计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，还包括：
受力与未受力两种状态下线圈拟合的椭圆几何长轴偏差Vap、间距Vdp、倾斜夹角变化引起纬向变化量Vlp*2a*m，参数的拉伸量偏差建立与纱线拉伸量间关系
Figure BDA0002924636250000041
其中，ls表示实际采集域尺寸，lp表示采集图片像素；图片像素与长度单位米之间的比例关系lp:ls。
具体地，所述克重补偿量计算G补＝G(Vds)+G(Vas)-G(Vls)还包括：
G(vds)线圈间纱线径向受力拉伸后纱线拉伸量变化引起的克重减少量：G(Vds)＝Vds*ρG纱线；
G(Vas)是指椭圆形线圈长轴受径向拉伸后使构成线圈的纱线在该区域中克重的减少量：G(Vas)＝Vas*ρG纱线；
G(Vls)指脊线增加引起的克重变化量：G(Vls)＝2a*Vls*m*ρG纱线；
其中
Figure BDA0002924636250000042
为每米纱线克重，S表示一根纱线包含多少根纤维丝、D指纱线的丹尼尔数，V表示每克纤维丝长度。
具体地，所述计算克重补偿中，还包括：
建立线圈尺寸变化量克重密度
Figure BDA0002924636250000051
建立克重补偿计算模型：G补＝G(Vds)+G(Vas)-G(Vls)＝ρpG[Vdp+Vap-Vlp*2a*m]，
具体地，所述图像预处理包括灰度二值化处理、特征线圈边缘强化处理灰度直方图投影法线圈分割处理和去除脊线特征。
本发明实施例另一方面提供一种弹力布克重在线检测系统的补偿装置，包括：服务器、PLC控制柜、工业相机、驱动装置和相机轨道，工业相机设置于相机轨道上，相机轨道设置于弹力布上方，工业相机与驱动装置连接，驱动装置与PLC控制柜相连接，服务器通过RS485线与PLC控制柜连接，驱动驱动装置对工业相机在相机轨道的位移进行调整，处理工业相机采集到的数据。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
(1)本发明利用工业相机采集织物图像，对采集弹力布图片进行图像预处理以及线圈特征识别分类，对分类后规则线圈进行概率求解，减少粘连线圈和处理过度线圈对测试域线圈数量误差影响；此种规则线圈概率求解法可以克服基于线圈与脊线空间密度分析因布匹图像预处理偏差造成线圈统计不准情况，提高处理图像线圈精度，减少误差，增强检测结果的精度，极大的提高了织物的质量评价等级，避免弹力布因为检测误差而带来的产品返工问题。
(2)本发明利用图像处理法对反映弹力布纱线拉伸量变化的织物线圈图像关键参数进行计算，实现对克重在线检测系统进行补偿。通过对线圈边缘形状椭圆几何拟合，对比织物受力与未受力两种状态弹力布纹理图案中线圈尺寸、位置和间距的细微形变量引起织物的径向纱线线圈尺寸、线圈间距拉伸和纬向脊线变化。以上从受力影响线圈尺寸和间距变化来计算引起的细微纱线克重变化克服了弹力布受力不明显时拉力传感器检测度低的现象。
(3)本发明实施例将弹力布克重在线检测补偿方法与工厂中的β射线克重检测方法相结合，进行多次弹力布克重补偿实验，通过对实验数据分析可知在克重补偿前利用β射线在线克重检测精度均值为：81.997％，而通过此发明专利法进行克重在线检测补偿后克重精度均值为：93.786％，克重检测准确度提高了11.789％。
附图说明
图1为本发明实施例的弹力布克重在线检测系统的补偿方法流程图；
图2为本发明实施例工业相机采集弹力布原图；其中图(a)为弹力布未受力原图；图(a)为弹力布受力原图；
图3为本发明实施例图像预处理弹力布二值化图；其中图(a)为弹力布未受力二值化灰度处理图；图(b)为弹力布受力二值化灰度处理图；
图4为本发明实施例图像预处理线圈特征图；其中图(a)为未受力线圈特征图，图(b)为受力线圈特征图；
图5为本发明实施例弹力布图像线圈分割图；
图6为本发明实施例图像提取线圈椭圆拟合图；
图7为本发明实施例分析纱线受力示意图；
图8为本发明实施例线圈受力变化偏差计算分析示意图；其中图(a)为线圈受力示意图；图(b)线圈未受力示意图；
图9为本发明弹力布克重在线检测系统的补偿装置安装示意图。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
如图1，本发明实施例一方面提供一种弹力布克重在线检测系统的补偿方法，包括如下步骤：
弹力布图像采集与线圈特征提取：采集检测架处弹力布图像，并对采集的弹力布图像进行图像预处理获得弹力布纱线线圈特征图，所述图像采集包括弹力布检测架处垂挂状态图像采集和平铺松弛状态图像采集；
CCD工业相机采集的弹力布图片在PC端工作站进行图像预处理，图2为本发明实施例工业相机采集弹力布原图；其中图(a)为弹力布未受力原图；图(b)为弹力布受力原图；
线圈是由弹力布纱线编织凹凸纹理特征在光线反射作用下形成的椭圆形几何结构，其线圈大小表示弹力布在该区域编织弹力布所用纱线长度的多少，弹力布径向受力时其图像中线圈几何大小和分布变化较明显，因此图像预处理目标是提取纱线形成的特征线圈；
为了精确提取反应弹力布纱线变化的线圈对弹力布线圈预处理操作有：GrayWorld算法图像亮度均衡化处理，用来处理拍摄光线不均匀图片，避免影响后续图像处理效果，图像灰度设定阈值对灰度图像进行二值化处理，分离出明显的线圈脊线特征，利用sobel算子对图像中特征线圈进行边缘强化去噪处理；以上处理后图像如附图图3所示，其中图(a)为弹力布未受力二值化灰度处理图；图(b)为弹力布受力二值化灰度处理图；利用hongh变换进行脊线标记进行脊线去除，处理后图像如附图4中所示，其中，图(a)为未受力线圈特征图，图(b)为受力线圈特征图。
上述预处理后得到径向规则排列的线圈特征图，对线圈在采集域的位置(xo(i,j),yo(i.j))和像素值(po(i,j),po(i.j))存入数据库，为了方便后续计算规则线圈尺寸大小和密度分布，需对线圈特征图图4进行灰度直方图投影法分别进行径向、纬向投影分割，分割出单独的线圈特征图如附图5所示。
图像处理：图像预处理后得到线圈并进行线圈分类处理，计算线圈拟合椭圆长轴a和中心点o以及椭圆与径向旋转夹角θ，分析弹力布受力与未受力两种状态下椭圆形线圈尺寸与位置关键参数变化量引起纱线变化量；
对预处理后的线圈进行特征识别与分类，训练卷积神经网络对规则椭圆形线圈、两两相粘连线圈以及处理过度不成形线圈三类线圈进行特征识别与分类，并求取三类线圈概率密度分布：规则线圈P(A)、粘连线圈P(B)、处理过度线圈P(C)，A指1个规则线圈、B指隐含2个规则线圈、C指隐含1个规则线圈，利用以上概率分布可以避免线圈识别时对粘连性线圈和处理过度线圈分布漏计，将非规则线圈转化规则线圈进行待测域线圈数统计，提高线圈识别和统计精度。
以上图像预处理和分类后，提取待测区域A类规则线圈，对规则椭圆形线圈边缘点坐标进行提取采取最小二乘法进行旋转椭圆曲线拟合，椭圆线圈拟合算法：椭圆曲线一般式：a*x2+b*xy+c*y2+d*x+e*y+f＝0，令x'＝x-x0，y'＝y-y0；椭圆旋转角为-θ，x＝x'cosθ-y'sinθ,y＝x”sinθ+y”cosθ；
线圈拟合旋转椭圆：
Figure BDA0002924636250000081
如图6为本发明实施例图像提取线圈椭圆拟合图；拟合椭圆形线圈几何与位置变化引起纱线密度分布变化分析，检测弹力布未受力作用时，线圈边缘像素坐标(x,y)结合椭圆方程求得椭圆长轴a＝f(x,y)、中心点o＝g(x,y)、夹角θ＝h(x,y)，受力F作用下弹力布纱线由于弹性作用出现拉伸现象，对应线圈边缘点坐标点发生x'＝x+k(F)，y'＝y+k(F)变化，受力后长轴：a'＝f(x',y')、中心点：o'＝g(x',y')、夹角：θ'＝h(x',y')，受力长轴拉伸Va＝|a'-a|，径向中心点间距增大Vd＝|o'-o|，径向夹角变小Vθ＝|θ'-θ|；力与长轴变化量，径向间距变化量，径向夹角变化量之间存在一定的计算关系：Va＝|k1(F)|、Vd＝|k2(F)|、Vθ＝|k3(F)|；线圈受力变化关键参数偏差计算待测域纱线受力密度变化的方法，从细微的线圈几何尺寸和位置变化来反映弹力布受力状态下待测域纱线密度分布变化提高了克重补偿精度，如图7本发明实施例分析纱线受力示意图。
对反映待测域纱线变化量的线圈受力未受力两种状态线圈关键参数变差分析计算，线圈几何尺寸大小椭圆关键参数，包括：
长轴a均值：
Figure BDA0002924636250000091
长轴a偏差
Figure BDA0002924636250000092
线圈径向间距d计算公式：
Figure BDA0002924636250000093
间距d均值：
Figure BDA0002924636250000094
间距d总偏差
Figure BDA0002924636250000095
线圈与径向夹角改变造成纬向脊线偏差量：
Figure BDA0002924636250000096
其中i、j分别表示第i行、第j列线圈，m,n分别表示线圈行、列数；xo、yo表示对应线圈中心点坐标；m,n分别表示线圈行、列数，K表示线圈受力状态：T表示线圈未受力状态。
建立线圈参数(a,o,θ)变化与纱线伸缩量变化关系模型：计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，包括线圈长轴a变化引起构成弹力布的经向倾斜纱线线长拉伸量计算Vas、线圈中心点o位置变化引起构成弹力布的径向纱线线长拉伸量计算Vds，线圈径向旋转角θ变化引起弹力布纬向纱线线长收缩量计算Vls，弹力布受力时椭圆线圈形变引起待测域纱线变化计算：Vl补＝Vas+Vds-Vls；
计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，还包括：
弹力布未受力时，线圈边缘像素坐标(x,y)，椭圆方程求得椭圆长轴a＝f(x,y)、中心点o＝g(x,y)、夹角θ＝h(x,y)；
受力F作用下弹力布纱线对应线圈边缘点坐标点x'＝x+k(F)，y'＝y+k(F)，受力后长轴：a'＝f(x',y')、中心点：o'＝g(x',y')、夹角：θ'＝h(x',y')，受力长轴拉伸Va＝|a'-a|，径向中心点间距增大Vd＝|o'-o|，径向夹角变小Vθ＝|θ'-θ|。
具体地，计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，还包括：
受力与未受力两种状态下线圈拟合的椭圆几何长轴偏差Vap、间距Vdp、倾斜夹角变化引起纬向变化量Vlp*2a*m，参数的拉伸量偏差建立与纱线拉伸量间关系
Figure BDA0002924636250000101
其中，ls表示实际采集域尺寸，lp表示采集图片像素；图片像素与长度单位米之间的比例关系lp:ls；如图8为本发明实施例线圈受力变化偏差计算分析示意图；其中图(a)为线圈受力示意图；图(b)线圈未受力示意图。
计算克重补偿：克重补偿量计算G补＝G(Vds)+G(Vas)-G(Vls)；其中G(vds)是线圈间纱线径向受力拉伸后纱线拉伸量变化引起的克重减少量；G(Vas)是指椭圆形线圈长轴受径向拉伸后使构成线圈的纱线在该区域中克重的减少量，G(Vls)指脊线增加引起的克重变化量。
具体地，所述克重补偿量计算G补＝G(Vds)+G(Vas)-G(Vls)还包括：
G(vds)线圈间纱线径向受力拉伸后纱线拉伸量变化引起的克重减少量：G(Vds)＝Vds*ρG纱线；
G(Vas)是指椭圆形线圈长轴受径向拉伸后使构成线圈的纱线在该区域中克重的减少量：G(Vas)＝Vas*ρG纱线；
G(Vls)指脊线增加引起的克重变化量：G(Vls)＝2a*Vls*m*ρG纱线；
其中
Figure BDA0002924636250000102
为每米纱线克重，S表示一根纱线包含多少根纤维丝、D指纱线的丹尼尔数，V表示每克纤维丝长度。
具体地，所述计算克重补偿中，还包括：
建立线圈尺寸变化量克重密度
Figure BDA0002924636250000103
建立克重补偿计算模型：G补＝G(Vds)+G(Vas)-G(Vls)＝ρpG[Vdp+Vap-Vlp*2a*m]，
此外，本发明实施例结合工厂实际生产的β射线克重在线检测设备对JC32S+30D弹力布进行多次检测和补偿操做，通过对实验数据分析可知在克重补偿前利用β射线在线克重检测精度均值为：81.997％，而通过次发明专利法进行克重在线检测补偿后克重精度均值为：93.786％，克重检测准确度提高了11.789％，实验数据如表1所示。
表1克重在线补偿设备实验数据对比信息表
Figure BDA0002924636250000111
如图9所示，本发明实施例另一方面提供一种弹力布克重在线检测系统的补偿装置，补偿装置共分为5方面，其中检测架处9-3导布辊对待测弹力布9-5出布进行引导，传送布匹运动，利用9-2的工业相机在9-4相机轨道上进行控制传输，与克重在线检测系统的扫描探头共用一个轨道辊，承载扫描探头和2-2工业相机，工业相机与驱动装置连接，驱动装置与PLC控制柜相连接，服务器通过RS485线与PLC控制柜连接，驱动驱动装置对工业相机在相机轨道的位移进行调整，处理工业相机采集到的数据，工业相机采集的数据通过USB接口与9-1的PC工作站中Amcap软件相连接进行图像显示，9-1的PC工作站端利用VB.net编译上位机操作界面，此操作界面主要包含以下功：(1)图像预处理的启、停、调整、保存与删除等；(2)线圈拟合参数求解与存库；(3)克重补偿计算；以上各装置之间相互配合与调整实现克重补偿操作。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (9)

1.一种弹力布克重在线检测系统的补偿方法，其特征在于，包括如下步骤：
弹力布图像采集与线圈特征提取：采集检测架处弹力布图像，并对采集的弹力布图像进行图像预处理获得弹力布纱线线圈特征图，所述图像采集包括弹力布检测架处垂挂状态图像采集和平铺松弛状态图像采集；
图像处理：图像预处理后得到线圈并进行线圈分类处理，计算线圈拟合椭圆长轴a和中心点o以及椭圆与径向旋转夹角θ，分析弹力布受力与未受力两种状态下椭圆形线圈尺寸与位置关键参数变化量引起纱线变化量；
建立线圈参数(a,o,θ)变化与纱线伸缩量变化关系模型：计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，包括线圈长轴a变化引起构成弹力布的经向倾斜纱线线长拉伸量计算Vas、线圈中心点o位置变化引起构成弹力布的径向纱线线长拉伸量计算Vds，线圈径向旋转角θ变化引起弹力布纬向纱线线长收缩量计算Vls，弹力布受力时椭圆线圈形变引起待测域纱线变化计算：Vl补＝Vas+Vds-Vls；
计算克重补偿：克重补偿量计算G补＝G(Vds)+G(Vas)-G(Vls)；其中G(vds)是线圈间纱线径向受力拉伸后纱线拉伸量变化引起的克重减少量；G(Vas)是指椭圆形线圈长轴受径向拉伸后使构成线圈的纱线在该区域中克重的减少量，G(Vls)指脊线增加引起的克重变化量。
2.如权利要求1所述的一种弹力布克重在线检测系统的补偿方法，其特征在于：所述图像处理中，得到线圈并进行线圈分类处理具体包括：
对预处理后的线圈进行特征识别与分类，训练卷积神经网络对规则椭圆形线圈、两两相粘连线圈以及处理过度不成形线圈三类线圈进行特征识别与分类，并求取三类线圈概率密度分布：规则线圈P(A)、粘连线圈P(B)、处理过度线圈P(C)，A指1个规则线圈、B指隐含2个规则线圈、C指隐含1个规则线圈。
3.如权利要求2所述的一种弹力布克重在线检测系统的补偿方法，其特征在于：所述图像处理中，计算线圈拟合椭圆长轴a和中心点o以及椭圆与径向旋转夹角θ，还包括
线圈拟合旋转椭圆：
Figure FDA0002924636240000021
求取椭圆关键参数，包括：
长轴a均值：
Figure FDA0002924636240000022
长轴a偏差
Figure FDA0002924636240000023
线圈径向间距d计算公式：
Figure FDA0002924636240000024
间距d均值：
Figure FDA0002924636240000025
间距d总偏差
Figure FDA0002924636240000026
线圈与径向夹角改变造成纬向脊线偏差量：
Figure FDA0002924636240000027
其中i、j分别表示第i行、第j列线圈，m,n分别表示线圈行、列数；xo、yo表示对应线圈中心点坐标；K表示线圈受力状态：T表示线圈未受力状态。
4.如权利要求3所述的一种弹力布克重在线检测系统的补偿方法，其特征在于：计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，还包括：
弹力布未受力时，线圈边缘像素坐标(x,y)，椭圆方程求得椭圆长轴a＝f(x,y)、中心点o＝g(x,y)、夹角θ＝h(x,y)；
受力F作用下弹力布纱线对应线圈边缘点坐标点x'＝x+k(F)，y'＝y+k(F)，受力后长轴：a'＝f(x',y')、中心点：o'＝g(x',y')、夹角：θ'＝h(x',y')，受力长轴拉伸Va＝|a'-a|，径向中心点间距增大Vd＝|o'-o|，径向夹角变小Vθ＝|θ'-θ|。
5.如权利要求4所述的一种弹力布克重在线检测系统的补偿方法，其特征在于：计算弹力布受力时线圈参数变化引起纱线弹性拉伸变化量，还包括：
受力与未受力两种状态下线圈拟合的椭圆几何长轴偏差Vap、间距Vdp、倾斜夹角变化引起纬向变化量Vlp*2a*m，参数的拉伸量偏差建立与纱线拉伸量间关系
Figure FDA0002924636240000031
其中，ls表示实际采集域尺寸，lp表示采集图片像素；图片像素与长度单位米之间的比例关系lp:ls。
6.如权利要求5所述的一种弹力布克重在线检测系统的补偿方法，其特征在于：所述克重补偿量计算G补＝G(Vds)+G(Vas)-G(Vls)还包括：
G(vds)线圈间纱线径向受力拉伸后纱线拉伸量变化引起的克重减少量：G(Vds)＝Vds*ρG纱线；
G(Vas)是指椭圆形线圈长轴受径向拉伸后使构成线圈的纱线在该区域中克重的减少量：G(Vas)＝Vas*ρG纱线；
G(Vls)指脊线增加引起的克重变化量：G(Vls)＝2a*Vls*m*ρG纱线；
其中
Figure FDA0002924636240000032
为每米纱线克重，S表示一根纱线包含多少根纤维丝、D指纱线的丹尼尔数，V表示每克纤维丝长度。
7.根据权利要求6所述的一种弹力布克重在线检测系统的补偿方法，其特征在于，所述计算克重补偿中，还包括：
建立线圈尺寸变化量克重密度
Figure FDA0002924636240000033
建立克重补偿计算模型：G补＝G(Vds)+G(Vas)-G(Vls)＝ρpG[Vdp+Vap-Vlp*2a*m]。
8.如权利要求1-7任意一项所述的一种弹力布克重在线检测系统的补偿方法，其特征在于：所述图像预处理包括灰度二值化处理、特征线圈边缘强化处理灰度直方图投影法线圈分割处理和去除脊线特征。
9.一种弹力布克重在线检测系统的补偿装置，其特征在于，包括：服务器、PLC控制柜、工业相机、驱动装置和相机轨道，工业相机设置于相机轨道上，相机轨道设置于弹力布上方，工业相机与驱动装置连接，驱动装置与PLC控制柜相连接，服务器通过RS485线与PLC控制柜连接，驱动驱动装置对工业相机在相机轨道的位移进行调整，处理工业相机采集到的数据。
CN202110127808.6A 2021-01-29 2021-01-29 一种弹力布克重在线检测系统的补偿方法和装置 Active CN112767384B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110127808.6A CN112767384B (zh) 2021-01-29 2021-01-29 一种弹力布克重在线检测系统的补偿方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110127808.6A CN112767384B (zh) 2021-01-29 2021-01-29 一种弹力布克重在线检测系统的补偿方法和装置

Publications (2)

Publication Number Publication Date
CN112767384A true CN112767384A (zh) 2021-05-07
CN112767384B CN112767384B (zh) 2023-08-29

Family

ID=75703762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110127808.6A Active CN112767384B (zh) 2021-01-29 2021-01-29 一种弹力布克重在线检测系统的补偿方法和装置

Country Status (1)

Country Link
CN (1) CN112767384B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113790784A (zh) * 2021-09-14 2021-12-14 上海布眼人工智能科技有限公司 基于机器视觉的面料克重测定方法、装置及电子设备
CN116958127A (zh) * 2023-09-18 2023-10-27 山东九思新材料科技有限责任公司 基于图像特征的硅片质量评估方法
CN117490812A (zh) * 2023-12-29 2024-02-02 常州宏大智慧科技有限公司 一种织物幅向克重偏差在线检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610111A (zh) * 2017-09-12 2018-01-19 武汉大学 一种基于深度学习的焊点图像检测方法
CN108140015A (zh) * 2015-07-15 2018-06-08 胡安卡洛斯国王大学 用于模拟针织织物在纱线层处的行为的计算机实施方法、系统和计算机程序产品
WO2019136882A1 (zh) * 2018-01-13 2019-07-18 江南大学 一种手机触控屏Mark定位非接触式视觉检测方法
CN110146019A (zh) * 2019-06-13 2019-08-20 哈工大机器人（合肥）国际创新研究院 一种基于工业相机的工件尺寸在线检测与自动补偿方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108140015A (zh) * 2015-07-15 2018-06-08 胡安卡洛斯国王大学 用于模拟针织织物在纱线层处的行为的计算机实施方法、系统和计算机程序产品
CN107610111A (zh) * 2017-09-12 2018-01-19 武汉大学 一种基于深度学习的焊点图像检测方法
WO2019136882A1 (zh) * 2018-01-13 2019-07-18 江南大学 一种手机触控屏Mark定位非接触式视觉检测方法
CN110146019A (zh) * 2019-06-13 2019-08-20 哈工大机器人（合肥）国际创新研究院 一种基于工业相机的工件尺寸在线检测与自动补偿方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张孝超 等: "应用图像空域法的针织物密度在线测量", 《纺织学报》 *
张孝超;李平;金福江;: "应用图像空域法的针织物密度在线测量", 纺织学报, no. 11 *
李冠志: "基于椭圆间隙堆砌纱线截面模型的纱线外观保持性对织物外观影响研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113790784A (zh) * 2021-09-14 2021-12-14 上海布眼人工智能科技有限公司 基于机器视觉的面料克重测定方法、装置及电子设备
CN116958127A (zh) * 2023-09-18 2023-10-27 山东九思新材料科技有限责任公司 基于图像特征的硅片质量评估方法
CN116958127B (zh) * 2023-09-18 2023-12-08 山东九思新材料科技有限责任公司 基于图像特征的硅片质量评估方法
CN117490812A (zh) * 2023-12-29 2024-02-02 常州宏大智慧科技有限公司 一种织物幅向克重偏差在线检测方法
CN117490812B (zh) * 2023-12-29 2024-04-02 常州宏大智慧科技有限公司 一种织物幅向克重偏差在线检测方法

Also Published As

Publication number Publication date
CN112767384B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN112767384B (zh) 一种弹力布克重在线检测系统的补偿方法和装置
CN106372667B (zh) 一种高铁接触网斜撑套筒部件螺钉不良状态检测方法
CN103759662B (zh) 一种纺织纱线直径动态快速测量装置与方法
CN108364291A (zh) 基于计算机视觉技术的原坯布快速检测方法
CN114842007B (zh) 一种基于图像处理的纺织品磨损缺陷检测方法
Zhang et al. A review of fabric identification based on image analysis technology
Pan et al. Automatic detection of structure parameters of yarn-dyed fabric
CN100406849C (zh) 一种聚合物挤出法非织造布纤维直径测量方法及系统
CN111415349B (zh) 一种基于图像处理技术的涤纶长丝毛丝检测方法
CN111507942B (zh) 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法
CN103413375A (zh) 基于图像统计特征的纸币新旧判别系统及其判别方法
CN110458809B (zh) 一种基于亚像素边缘检测的纱线条干均匀度检测方法
CN113936001B (zh) 一种基于图像处理技术的纺织品表面瑕疵点检测方法
CN115861310A (zh) 一种床单表面纺织缺陷检测方法
Li et al. A direct measurement method of yarn evenness based on machine vision
CN116563276A (zh) 一种化纤长丝在线缺陷检测方法及检测系统
CN112365452B (zh) 一种基于双侧图像的网络丝网络点的检测方法
CN110261388A (zh) 一种多角度纱线外观数字化测试装置及测试方法
Zhang et al. A backlighting method for accurate inspection of woven fabric density
CN105717133B (zh) 基于线性插值法矫正图像的自动验布机
Chaudhari et al. A hybrid method of textile defect detection using GLCM, LBP, SVD and Wavelet Transform
CN115524337A (zh) 基于机器视觉的验布方法
CN104778709A (zh) 一种基于纱线序列图像的电子黑板的构建方法
CN109063738A (zh) 一种压缩感知的陶瓷水阀片自动在线检测方法
Wang et al. Yarn break detection using an optical method in real time

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