CN113109352A - 一种基于机器视觉的生丝质量检测方法及装置 - Google Patents

一种基于机器视觉的生丝质量检测方法及装置 Download PDF

Info

Publication number
CN113109352A
CN113109352A CN202110371728.5A CN202110371728A CN113109352A CN 113109352 A CN113109352 A CN 113109352A CN 202110371728 A CN202110371728 A CN 202110371728A CN 113109352 A CN113109352 A CN 113109352A
Authority
CN
China
Prior art keywords
raw silk
machine vision
industrial camera
image set
shot image
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
CN202110371728.5A
Other languages
English (en)
Inventor
黄扬
张杨
盖国平
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.)
Nanning Customs Technology Center
Guilin University of Electronic Technology
Original Assignee
Nanning Customs Technology Center
Guilin University of Electronic 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 Nanning Customs Technology Center, Guilin University of Electronic Technology filed Critical Nanning Customs Technology Center
Priority to CN202110371728.5A priority Critical patent/CN113109352A/zh
Publication of CN113109352A publication Critical patent/CN113109352A/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
    • G01N21/8851—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
    • G01N2021/8854—Grading and classifying of flaws
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于机器视觉的生丝质量检测方法及装置，通过在所述抱合力机工作平台上空布置工业相机，对需要检测的生丝进行连续采样，获得所述拍摄图像集，再由所述上位机对所述拍摄图像集进行处理，得到一段生丝检测的融合图像，然后对所述融合图像进行阈值分割，二值化处理，再将处理图像上每个像素点的具体灰度值罗列出来，然后对罗列后的灰度值进行相关计算，最后判断生丝的具体等级，代替传统的人工检测方法，效率高误差小，解决了现有技术中生丝质量检测依靠人工检测效率不高的技术问题。

Description

一种基于机器视觉的生丝质量检测方法及装置
技术领域
本发明涉及检测技术领域，尤其涉及一种基于机器视觉的生丝质量检测方法及装置。
背景技术
生丝是丝绸行业中具有承上启下作用的初级产品，它的质量是影响丝织品生产效率和质量的关键因素，我国一直是一个生丝消费大国，而目前进行生丝检测的主要方式仍然是依靠人工检测，现有的生丝质量检测的标准程序比较繁琐的，耗时较长，另外生丝直径均匀度检测主要还是通过人工进行黑板检测，这种检测方式受人的主观因素影响较大，而且劳动强度大，检测效率低且无法长时间工作，无法满足现有丝绸行业的发展需求。
发明内容
本发明的目的在于提供一种基于机器视觉的生丝质量检测方法及装置，旨在解决现有技术中生丝质量检测依靠人工检测效率不高的技术问题。
为实现上述目的，本发明采用的一种基于机器视觉的生丝质量检测方法，包括下列步骤：
将需要检测的生丝置入抱合力机工作平台；
工业相机聚焦并设置好曝光参数；
步进电机带动所述工业相机扫描拍摄，获得拍摄图像集；
将获得的所述拍摄图像集传输至上位机融合处理并进行统计计算；
筛选有效数据，输出生丝的质量等级结果。
其中，在工业相机聚焦并设置好曝光参数的过程中，所述工业相机聚焦后的拍摄高度固定，曝光参数值由所述步进电机的移动速度决定。
其中，在步进电机带动所述工业相机扫描拍摄，获得拍摄图像集的过程中，所述步进电机匀速移动，推动所述工业相机沿固定方向拍摄若干张生丝图片，若干张所述生丝图片组成所述拍摄图像集，所述生丝图片的数量至少为两张。
其中，在所述拍摄图像集传输至上位机融合处理并进行统计计算的过程中，所述融合处理的具体步骤为，所述上位机将所述拍摄图像集中的图片进行拼接融合，获得融合图像，对所述融合图像进行阈值分割和图像剪切，将所述融合图像中的噪音进行降噪处理，然后对所述融合图像进行二值化处理，获得处理图像。
其中，所述统计计算的具体步骤为，计算所述处理图像中每一行灰度值为255的点的个数的总和s，类推统计从第1行至第n行的个数总和s1至sn，计算全部所述个数总和的中位数值。
其中，在筛选有效数据，输出生丝的质量等级结果的过程中，包括下列步骤：
剔除所述中位数值上下5％外的行数；
将剩下的有效行数和总行数进行对比，计算生丝直径的均匀度；
将所述均匀度与现行标准比较，输出生丝的质量等级结果。
本发明还提供了一种采用所述的基于机器视觉的生丝质量检测方法的装置，包括工业相机、步进电机、抱合力机工作平台、钢架和上位机，所述钢架与所述抱合力机工作平台固定连接，并位于所述抱合力机工作平台的上方，所述工业相机与所述钢架滑动连接，且位于所述钢架的侧方，所述步进电机设置在所述钢架上，所述工业相机与所述上位机电性连接。
本发明的有益效果为：通在所述抱合力机工作平台上空布置工业相机，对需要检测的生丝进行连续采样，获得所述拍摄图像集，再由所述上位机对所述拍摄图像集进行处理，得到一段生丝检测的融合图像，然后对所述融合图像进行阈值分割，二值化处理，再将处理图像上每个像素点的具体灰度值罗列出来，然后对罗列后的灰度值进行相关计算，最后判断生丝的具体等级，代替传统的人工检测方法，效率高误差小，解决了现有技术中生丝质量检测依靠人工检测效率不高的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种基于机器视觉的生丝质量检测方法的流程示意图。
图2是本发明的具体实施例的装置的结构示意图。
1-工业相机、2-步进电机、3-抱合力机工作平台、4-钢架、5-上位机。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1，本发明提出了一种基于机器视觉的生丝质量检测方法，包括下列步骤：
S1：将需要检测的生丝置入抱合力机工作平台；
S2：工业相机聚焦并设置好曝光参数；
S3：步进电机带动所述工业相机扫描拍摄，获得拍摄图像集；
S4：将获得的所述拍摄图像集传输至上位机融合处理并进行统计计算；
S5：筛选有效数据，输出生丝的质量等级结果。
在工业相机聚焦并设置好曝光参数的过程中，所述工业相机聚焦后的拍摄高度固定，曝光参数值由所述步进电机的移动速度决定。
在步进电机带动所述工业相机扫描拍摄，获得拍摄图像集的过程中，所述步进电机匀速移动，推动所述工业相机沿固定方向拍摄若干张生丝图片，若干张所述生丝图片组成所述拍摄图像集，所述生丝图片的数量至少为两张。
在所述拍摄图像集传输至上位机融合处理并进行统计计算的过程中，所述融合处理的具体步骤为，所述上位机将所述拍摄图像集中的图片进行拼接融合，获得融合图像，对所述融合图像进行阈值分割和图像剪切，将所述融合图像中的噪音进行降噪处理，然后对所述融合图像进行二值化处理，获得处理图像。
所述统计计算的具体步骤为，计算所述处理图像中每一行灰度值为255的点的个数的总和s，类推统计从第1行至第n行的个数总和s1,…,sn，计算全部所述个数总和的中位数值。
在筛选有效数据，输出生丝的质量等级结果的过程中，包括下列步骤：
剔除所述中位数值上下5％外的行数；
将剩下的有效行数和总行数进行对比，计算生丝直径的均匀度；
将所述均匀度与现行标准比较，输出生丝的质量等级结果。
所述拍摄图像集的融化处理过程类似全景相机拍照，因为一次拍摄的图片不能把所有的场景都拍摄到，所以将拍摄分多次进行，接着把相同的部分进行特征匹配，不同的部分进行拼接融合，最后合成一张需要的含有所有场景的图像。
在阈值分割的过程中，提取每一行第一个灰度值为255的点的坐标设置为(x1，y1)，和每一行最后一个灰度值为255的点的坐标设置为(x2，y1)，对两个点的横坐标进行相减得s1＝x2-x1；类推sn＝x2n-x2n-1；然后求出
Figure BDA0003009578890000041
在此S1是第一组横坐标相减的差值，Sn就是递推公式，j为求平均值的公式。设置一个质量合格范围，生丝直径均匀度为d，将s中不在95％d到105％d的数据进行剔除，然后将剩下的数据组进行统计个数k，然后通过计算d＝k/j的大小进行划分生丝的质量等级，假设有n＝100，也就是有100组数据，若求得平均值j＝100，然后再筛选S1到Sn中95到105的个数，比如S1,S2,S3,...S97,S99.满足也就是有97组数据满足95到105，那么均匀度就是97。最后再按d的大小将生丝等级划分为6A、5A、4A、3A、2A、A、B、C、级外品。
请参阅图2，本发明还提供了一种采用所述的基于机器视觉的生丝质量检测方法的装置的具体实施例：
包括工业相机1、步进电机2、抱合力机工作平台3、钢架4和上位机5，所述钢架4与所述抱合力机工作平台3固定连接，并位于所述抱合力机工作平台3的上方，所述工业相机1与所述钢架4滑动连接，且位于所述钢架4的侧方，所述步进电机2设置在所述钢架4上，所述工业相机1与所述上位机5电性连接。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (7)

1.一种基于机器视觉的生丝质量检测方法，其特征在于，包括下列步骤：
将需要检测的生丝置入抱合力机工作平台；
工业相机聚焦并设置好曝光参数；
步进电机带动所述工业相机扫描拍摄，获得拍摄图像集；
将获得的所述拍摄图像集传输至上位机融合处理并进行统计计算；
筛选有效数据，输出生丝的质量等级结果。
2.如权利要求1所述的基于机器视觉的生丝质量检测方法，其特征在于，在工业相机聚焦并设置好曝光参数的过程中，所述工业相机聚焦后的拍摄高度固定，曝光参数值由所述步进电机的移动速度决定。
3.如权利要求2所述的基于机器视觉的生丝质量检测方法，其特征在于，在步进电机带动所述工业相机扫描拍摄，获得拍摄图像集的过程中，所述步进电机匀速移动，推动所述工业相机沿固定方向拍摄若干张生丝图片，若干张所述生丝图片组成所述拍摄图像集，所述生丝图片的数量至少为两张。
4.如权利要求3所述的基于机器视觉的生丝质量检测方法，其特征在于，在所述拍摄图像集传输至上位机融合处理并进行统计计算的过程中，所述融合处理的具体步骤为，所述上位机将所述拍摄图像集中的图片进行拼接融合，获得融合图像，对所述融合图像进行阈值分割和图像剪切，将所述融合图像中的噪音进行降噪处理，然后对所述融合图像进行二值化处理，获得处理图像。
5.如权利要求4所述的基于机器视觉的生丝质量检测方法，其特征在于，所述统计计算的具体步骤为，计算所述处理图像中每一行灰度值为255的点的个数的总和s，类推统计从第1行至第n行的个数总和s1至sn，计算全部所述个数总和的中位数值。
6.如权利要求5所述的基于机器视觉的生丝质量检测方法，其特征在于，在筛选有效数据，输出生丝的质量等级结果的过程中，包括下列步骤：
剔除所述中位数值上下5％外的行数；
将剩下的有效行数和总行数进行对比，计算生丝直径的均匀度；
将所述均匀度与现行标准比较，输出生丝的质量等级结果。
7.采用如权利要求1所述的基于机器视觉的生丝质量检测方法的装置，其特征在于，
包括工业相机、步进电机、抱合力机工作平台、钢架和上位机，所述钢架与所述抱合力机工作平台固定连接，并位于所述抱合力机工作平台的上方，所述工业相机与所述钢架滑动连接，且位于所述钢架的侧方，所述步进电机设置在所述钢架上，所述工业相机与所述上位机电性连接。
CN202110371728.5A 2021-04-07 2021-04-07 一种基于机器视觉的生丝质量检测方法及装置 Pending CN113109352A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110371728.5A CN113109352A (zh) 2021-04-07 2021-04-07 一种基于机器视觉的生丝质量检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110371728.5A CN113109352A (zh) 2021-04-07 2021-04-07 一种基于机器视觉的生丝质量检测方法及装置

Publications (1)

Publication Number Publication Date
CN113109352A true CN113109352A (zh) 2021-07-13

Family

ID=76714264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110371728.5A Pending CN113109352A (zh) 2021-04-07 2021-04-07 一种基于机器视觉的生丝质量检测方法及装置

Country Status (1)

Country Link
CN (1) CN113109352A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPQ677300A0 (en) * 2000-04-07 2000-05-11 Chubpak Australia Pty Ltd Detection method
US20030103662A1 (en) * 2001-12-05 2003-06-05 Finkbeiner Steven M. Robotic microscopy systems
US20030156733A1 (en) * 2002-02-15 2003-08-21 Digimarc Corporation And Pitney Bowes Inc. Authenticating printed objects using digital watermarks associated with multidimensional quality metrics
EP1330774B1 (de) * 2000-11-02 2004-12-22 Infineon Technologies AG Verfahren zur optimierung eines elektronisch erzeugten bildes
CN109297979A (zh) * 2018-11-21 2019-02-01 四川省纤维检验局 一种生丝质量检测装置及检测方法
CN209231187U (zh) * 2018-11-30 2019-08-09 湖州市纤维检验所 一种气缸传动的生丝抱合检验装置
CN110196226A (zh) * 2019-07-01 2019-09-03 常州市智睿源信息科技有限公司 蚕丝抱合力自动检测装置及方法
CN110455708A (zh) * 2019-09-12 2019-11-15 中国计量大学 一种生丝抱合自动检测装置及其使用方法
CN210155020U (zh) * 2019-07-01 2020-03-17 常州市智睿源信息科技有限公司 蚕丝抱合力自动检测装置
CN111307814A (zh) * 2019-11-29 2020-06-19 宜昌南玻硅材料有限公司 一种基于图像处理的硅块杂质检测方法
JP2020122233A (ja) * 2019-01-30 2020-08-13 東レ株式会社 筬汚れ試験方法
CN111862064A (zh) * 2020-07-28 2020-10-30 桂林电子科技大学 一种基于深度学习的银质丝材表面瑕疵识别方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPQ677300A0 (en) * 2000-04-07 2000-05-11 Chubpak Australia Pty Ltd Detection method
EP1330774B1 (de) * 2000-11-02 2004-12-22 Infineon Technologies AG Verfahren zur optimierung eines elektronisch erzeugten bildes
US20030103662A1 (en) * 2001-12-05 2003-06-05 Finkbeiner Steven M. Robotic microscopy systems
US20030156733A1 (en) * 2002-02-15 2003-08-21 Digimarc Corporation And Pitney Bowes Inc. Authenticating printed objects using digital watermarks associated with multidimensional quality metrics
CN109297979A (zh) * 2018-11-21 2019-02-01 四川省纤维检验局 一种生丝质量检测装置及检测方法
CN209231187U (zh) * 2018-11-30 2019-08-09 湖州市纤维检验所 一种气缸传动的生丝抱合检验装置
JP2020122233A (ja) * 2019-01-30 2020-08-13 東レ株式会社 筬汚れ試験方法
CN110196226A (zh) * 2019-07-01 2019-09-03 常州市智睿源信息科技有限公司 蚕丝抱合力自动检测装置及方法
CN210155020U (zh) * 2019-07-01 2020-03-17 常州市智睿源信息科技有限公司 蚕丝抱合力自动检测装置
CN110455708A (zh) * 2019-09-12 2019-11-15 中国计量大学 一种生丝抱合自动检测装置及其使用方法
CN111307814A (zh) * 2019-11-29 2020-06-19 宜昌南玻硅材料有限公司 一种基于图像处理的硅块杂质检测方法
CN111862064A (zh) * 2020-07-28 2020-10-30 桂林电子科技大学 一种基于深度学习的银质丝材表面瑕疵识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王晨: "基于机器视觉的生丝电子检测方法", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 *
许建梅 等，: "生丝线密度检验精密度的评价与测定", 《纺织学报》 *

Similar Documents

Publication Publication Date Title
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
CN111539935B (zh) 一种基于机器视觉的电缆表面缺陷在线检测方法
CN104809422B (zh) 基于图像处理的qr码识别方法
CN101387493B (zh) 铁塔构件孔的形位尺寸非接触光电检测方法
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN110618134A (zh) 钢板表面质量缺陷检测评级系统及方法
CN115131354B (zh) 一种基于光学手段的实验室用塑料薄膜缺陷检测方法
CN108629790B (zh) 一种基于深度残差网络的光条图像阈值分割方法
CN110517213A (zh) 一种显微镜用的基于拉普拉斯金字塔的实时景深延拓方法
CN113706566B (zh) 一种基于边缘检测的加香喷雾性能检测方法
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
RU2325044C1 (ru) Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения
CN1672174A (zh) 用于分割的系统和方法
CN113109352A (zh) 一种基于机器视觉的生丝质量检测方法及装置
KR20130126638A (ko) 유리판, 유리판의 검사 방법 및 유리판의 제조 방법
CN112561875A (zh) 一种基于人工智能的光伏电池板粗栅检测方法
CN117036345A (zh) 一种压接导线的对边距测量方法及系统
JP2005164565A (ja) 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法
CN103605973A (zh) 一种图像字符检测鉴别方法
CN108830834B (zh) 一种爬索机器人视频缺陷信息自动提取方法
CN112837287B (zh) 一种板面缺陷区域的提取方法及装置
CN114037682A (zh) 一种光学元件表面疵病二维自动检测方法
CN106780596A (zh) 一种双绞线绕距在线检测系统及方法
CN112669207A (zh) 一种基于电视摄像头的人脸图像分辨率增强方法
CN114782436B (zh) Pcb缺陷检测方法、电路板计量测量方法及制作方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713

RJ01 Rejection of invention patent application after publication