CN113567443A - 织物瑕疵检测系统的控制方法及装置 - Google Patents

织物瑕疵检测系统的控制方法及装置 Download PDF

Info

Publication number
CN113567443A
CN113567443A CN202110691007.2A CN202110691007A CN113567443A CN 113567443 A CN113567443 A CN 113567443A CN 202110691007 A CN202110691007 A CN 202110691007A CN 113567443 A CN113567443 A CN 113567443A
Authority
CN
China
Prior art keywords
fabric
detection
upgrade
module
program
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
CN202110691007.2A
Other languages
English (en)
Inventor
蒋大宇
茹水强
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 Dahao Technology Co ltd
Original Assignee
Zhejiang Dahao 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 Dahao Technology Co ltd filed Critical Zhejiang Dahao Technology Co ltd
Priority to CN202110691007.2A priority Critical patent/CN113567443A/zh
Publication of CN113567443A publication Critical patent/CN113567443A/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
    • 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
    • G01N2021/8835—Adjustable illumination, e.g. software adjustable screen
    • 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
    • G01N2021/8841—Illumination and detection on two sides of object
    • 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
    • G01N2021/8858—Flaw counting
    • 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
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • G01N2021/887—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing the measurements made in two or more directions, angles, positions
    • 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

Abstract

本申请提供一种织物瑕疵检测系统的控制方法及装置。该方法包括：当前的织物完成编织后，控制抓取机构将织物转移至预定的检测位置并控制织物机暂停工作；获取检测位置中织物的图像信息后，控制织物机继续工作并根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。本申请的方案，能够实现生产线场景下的织物瑕疵检测，并且本方案在采集图像时控制织物机暂停工作，从而在实现织物瑕疵检测的基础上，提高了图像采集质量，提高了织物瑕疵检测的准确性。

Description

织物瑕疵检测系统的控制方法及装置
技术领域
本申请涉及视觉检测领域，尤其涉及一种织物瑕疵检测系统的控制方法及装置。
背景技术
在企业工厂的产品生产过程中，对产品的进行质量检测是必不可少的，影响到良品率和成本控制。其中瑕疵检测是质量检测的重要环节。一般瑕疵检测系统是将产品统一放置在输送带上，然后通过视觉检测或者其他方式进行检测。
产品有PVC材质的，也有针织材质的。目前对于PVC材质的产品的瑕疵检测相关技术中，以PVC手套为例，有涉及一种手套生产线中的表面缺陷检测剔除装置，利用视觉系统对流水线上的手套进行瑕疵检测，当检测到瑕疵手套后，考虑到PVC手套的具有气密性的特点，利用手套挂载机构吹气剔除瑕疵手套；还涉及一种基于机器视觉的PVC手套实时检测系统，利用图像采集传感器，以及对手套充气配合使用接触传感器检测充气手套的鼓胀程度，对手套生产线上的手套进行实时检测。
然而，上述的瑕疵检测方法用于对PVC产品的检测，不适用于织物的瑕疵检测。
发明内容
本申请提供一种织物瑕疵检测系统的控制方法及装置，用以实现对织物瑕疵的检测。
第一方面，本申请提供一种织物瑕疵检测系统的控制方法，织物瑕疵检测系统包括：图像采集模块、抓取机构、织物机、以及瑕疵检测模块；控制方法包括：接收织物机发送的完成消息，完成消息表征当前的织物完成编织；根据完成消息，控制抓取机构将织物转移至预定的检测位置；向织物机发送暂停指示，以控制织物机暂停工作；通过图像采集模块，采集获得检测位置中织物的图像信息，图像信息包括织物的正面图像和反面图像；向织物机发送工作指示，以控制织物机继续工作；以及，根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。
第二方面，本申请提供一种织物瑕疵检测系统的控制装置，织物瑕疵检测系统包括：图像采集模块、抓取机构、织物机、以及瑕疵检测模块；控制装置包括：获取模块，用于接收织物机发送的完成消息，完成消息表征当前的织物完成编织；获取模块，用于接收织物机发送的完成消息，完成消息表征当前的织物完成编织；处理模块，用于根据完成消息，控制抓取机构将织物转移至预定的检测位置；处理模块，还用于向织物机发送暂停指示，以控制织物机暂停工作；处理模块，还用于指示图像采集模块，采集获得检测位置中织物的图像信息，图像信息包括织物的正面图像和反面图像；处理模块，还用于向织物机发送工作指示，以控制织物机继续工作；以及，处理模块，还用于指示瑕疵检测模块，根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。
第三方面，本申请提供一种电子设备，包括：存储器，处理器；存储器；用于存储处理器可执行指令的存储器；其中，处理器被配置为：根据可执行指令执行如第一方面的方法。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面的方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如第一方面的方法。
本申请提供的织物瑕疵检测系统的控制方法及装置，包括当前的织物完成编织后，控制抓取机构将织物转移至预定的检测位置并控制织物机暂停工作；获取检测位置中织物的图像信息后，控制织物机继续工作并根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。本申请的方案，能够实现生产线场景下的织物瑕疵检测，并且本方案在采集图像时控制织物机暂停工作，从而在实现织物瑕疵检测的基础上，提高了图像采集质量，提高了织物瑕疵检测的准确性。
应当理解，上述发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1a至图1b为本申请提供的一种应用场景示意图；
图2为本申请实施例一提供的织物瑕疵检测系统的控制方法的流程图；
图3为本申请实施例一提供的光源布置示意图；
图4为本申请实施例一提供的织物瑕疵检测系统的控制过程示意图；
图5为本申请实施例一提供的织物瑕疵检测系统的升级方法的流程图；
图6为本申请实施例一提供的织物(以手套为例)瑕疵检测系统的升级过程示意图；
图7为本申请实施例二提供的织物瑕疵检测系统的控制装置示意图；
图8为本申请实施例二提供的织物瑕疵检测系统的控制装置中升级模块的示意图；
图9为本申请实施例三提供的一种电子设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
首先对本申请所涉及的名词进行解释：
机器学习(Machine Learning，ML)：是实现人工智能(Artificial Intelligence，AI)的必经路径。涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。传统机器学习的研究方向主要包括决策树、随机森林、人工神经网络、贝叶斯学习等方面的研究。
深度学习(Deep Learning，DL)：是机器学习的一种，深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。从一个输入中产生一个输出所涉及的计算可以通过一个流向图(flow graph)来表示：流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算以及一个计算的值，计算的结果被应用到这个节点的子节点的值。考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有父节点，输出节点没有子节点。这种流向图的一个特别属性是深度(depth)：从一个输入到一个输出的最长路径的长度。典型的深度学习模型有卷积神经网络(convolutional neural network，CNN)、DBN和堆栈自编码网络(stacked auto-encodernetwork)模型等。
darknet：是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项，移植性非常好，支持CPU与GPU两种计算方式。
YOLO模型：将对象检测重新定义为一个回归问题，将单个卷积神经网络(CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。
HDMI：高清多媒体接口(High Definition Multimedia Interface)，是一种全数字化视频和声音发送接口，可以发送未压缩的音频及视频信号。HDMI可用于机顶盒、DVD播放机、个人计算机、电视、游戏主机、综合扩大机、数字音响与电视机等设备。HDMI可以同时发送音频和视频信号，由于音频和视频信号采用同一条线材，大大简化系统线路的安装难度。
U口：应用于个人电脑和移动设备等信息通讯产品，并扩展至摄影器材、数字电视(机顶盒)、游戏机等其它相关领域。
本申请应用在织物瑕疵检测的场景中。在手套的连续生产过程中，手套的瑕疵检测是手套质量检测的重要环节，影响到良品率和成本控制。一般手套瑕疵检测系统是将手套统一放置在输送带上，然后通过视觉检测或者其他方式进行检测。有涉及一种手套生产线中的表面缺陷检测剔除装置，利用视觉系统对流水线上的手套进行瑕疵检测，当检测到瑕疵手套后，利用手套挂载机构吹气剔除瑕疵手套。
然而，上述的手套瑕疵检测方法，均用于在生产线上对PVC手套的检测，不适用于针织手套的瑕疵检测。具体有以下几种可能原因：第一方面，针织手套与PVC手套有较大的区别，针织手套具有弹性和纹理，且通常具有良好的透气性，因此不能通过对手套充气检测其气密性来判定手套是否有瑕疵。第二方面，不同的针织手套多编织花纹及纹理，且对图像采集的清晰度具有一定的要求，而PVC手套的瑕疵检测对此要求不高，故因此针对PVC手套的瑕疵检测方案不适合在连续输送的织物生产线上进行瑕疵检测。
本申请提供了一种织物瑕疵检测系统的控制方法及装置，旨在解决现有技术中的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
实施例一
本申请提供的织物瑕疵检测系统的控制方法，可以适用于图1a至图1b所示的一种应用场景。其中织物可以为手套、袜子，也可以为手帕、围巾等针织产品。以针织手套机的瑕疵检测过程为例，如图1a至图1b所示，针织手套的瑕疵检测系统包括：图像采集模块、抓取机构、针织手套机、瑕疵检测模块。如图1a所示，针织手套机编织完成一只手套，将其传送在输送带上，并暂停编织；抓取机构将待检测手套转移至检测位置(图示以箭头1表示)，图像采集模块获取针织手套的正面图像，并保留图像信息。接着，如图1b所示，抓取机构将待检测手套翻转(图示以箭头2表示)，以便于图像采集模块获取针织手套的反面图像，并保留图像信息。最后，图像获取完毕后，启动针织手套机继续编织，同时瑕疵检测模块对手套的正面图像与反面图像进行瑕疵检测，并给出检测结果。而抓取机构可选择地将检测位置上图像获取完毕的手套转移至输送带上或者其他用于收集手套的位置。瑕疵检测结果为无瑕疵和有瑕疵，有瑕疵时给出瑕疵种类。其中，瑕疵检测模块是基于神经网络利用近2000个瑕疵手套作为样本预先训练的，制作了近3万左右的瑕疵手套数据，包括各种已经遇到的瑕疵类型，若后续遇到新的瑕疵类型，也可对瑕疵检测模块进行升级。
本申请实施例一提供的织物瑕疵检测系统包括：图像采集模块、抓取机构、织物机、以及瑕疵检测模块。其中，织物机为具有编织功能的设备，具体的可以为针织手套机、织袜机。图像采集模块为具有图像采集作用的设备，具体的可以是相机、摄像头等设备。抓取机构为具有将物品进行位置转移的机构，具体的可以是具有抓取能力的机械手、抓取夹；鉴于针织物品的材质特殊性也可以为尼龙粘扣带(包括两面，一面为绒面，表面有许多毛圈；一面为钩面，表面有许多均匀小钩子，钩状结构可以粘附在织物上)，需配合其他结构脱除被粘取织物。瑕疵检测模块为基于神经网络经过大量样本数据预先训练的具有图像识别作用的模型、程序、算法或计算机，用于识别图像中的瑕疵。
图2为本申请实施例一提供的织物瑕疵检测系统的控制方法的流程图，如图2所示，本申请实施例一提供的织物瑕疵检测系统的控制方法包括：
步骤101、接收织物机发送的完成消息，完成消息表征当前的织物完成编织；
步骤102、根据完成消息，控制抓取机构将织物转移至预定的检测位置；
步骤103、向织物机发送暂停指示，以控制织物机暂停工作；
步骤104、通过图像采集模块，采集获得检测位置中织物的图像信息，图像信息包括织物的正面图像和反面图像；
步骤105、向织物机发送工作指示，以控制织物机继续工作；
步骤106、根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。
实际应用中，当待检测织物为手帕等单面织物时，抓取机构可使手帕平整，便于图像采集；由于编织手法可能单从一面检测瑕疵不明显，双面检测也有助于提高瑕疵检测的准确性。当待检测织物为手套或者袜子等具有一定弹性及两面性时，在检测时需要对织物进行展平操作使其平整，便于提高图像采集的清晰度；同时考虑到织物具有正面与反面，瑕疵有可能仅出现在正面，或者仅出现在反面，或者正反两面均存在瑕疵，当仅采集单面图像进行瑕疵检测，则有可能因为瑕疵处于未被采集图像的一面而漏查，进而导致产品的良品率降低，因此对织物的正反两面均进行图像采集和瑕疵检测，有利于提高瑕疵检测准确性。
其中，织物机暂停的时间为图像采集过程的时间，图像采集过程包括采集织物正面图像与反面图像的时间，以及利用抓取机构将织物翻面的时间，为了保证织物机的编织效率，可通过提高图像采集设备中的摄像头的帧率，来缩短暂停编织的时间。以手套编织为例，编织单只手套的时间至少为1分钟，采用帧率为30帧的摄像头，则拍摄两张图片时间不超过100毫秒，对整个手套机的编织效率不会产生很大的影响，手套机暂停的时间与抓取机构控制翻面的时间基本一致。为了降低成本，可选择低成本易于采购安装的U口普通摄像头，其中摄像头的曝光可调整，进而可以调节图片的辨识度。
具体的，为了提高视觉瑕疵检测模块的准确性，在实际使用前进行预先训练。为了训练视觉瑕疵检测模块，收集了近2000个瑕疵织物，建立了近3万的瑕疵织物数据集。利用darknet深度学习框架下的yolo模型作为基础，针对该数据集对yolo模型进行优化和改进。其中，对于视觉瑕疵检测模块的算法并不局限在本申请提到的深度学习框架和模型上，实际应用过程中，本领域技术人员可根据硬件配置、个人知识储备等实际情况进行算法的构建。为了降低成本，可将训练好的模型部署在ARM A8嵌入式板上，并不仅限于此种嵌入式板的型号，实际应用中，可根据实际情况选择合适的嵌入板；当然也不限于将训练模型部署在嵌入板上的形式，也可根据实际情况选择合适的模型的载体及起效方式。
进一步地，在开发板中自行设计了扩展板，可选择地集合多种接口，比如可供调试的HDMI接口、升级接口、调试的网口、U口、与上位机通信的CAN通信接口、调试显示接口、光源控制接口等。织物机再次启动编织，编织完成前，瑕疵检测模块应当完成对前一件织物的瑕疵检测，即给出瑕疵检测结果，不影响对新编制完成的织物进行检测。由于瑕疵检测模块具有独立的算力与通信能力，并不影响织物机的正常编织工作。
进一步地，在一个示例中，织物瑕疵检测系统还包括：光源；步骤102之后还包括：控制光源开启，光源用于调节检测位置的光线亮度。瑕疵检测系统对于光源的要求极高，对于一些深颜色的断针瑕疵，特别是一些多针的手套，瑕疵十分不明显，需要亮度较高的光线，且尽量减少阴影的形成。
进一步地，在一个示例中，光源的数量为多个，且多个光源围绕检测的侧边设置。具体的，选择采用环检测区的侧打光方式效果良好，具体的光源布置如图3所示，围绕在检测位置设置有四个条形的光源，且其光线照射方向应朝向检测位置，使得光线经过待检测织物的反射后的反射光垂直于检测位置，若摄像头位于检测位置的正上方，则反射光直射在摄像头上，不会出现阴影。在一个示例中，光源的数量也可以为一个环形光灯源。在具体实施过程中，本领域技术人员可根据检测位置的大小等实际情况，进行光源的设计和选择。
在一个示例中，步骤106之后还包括：根据连续获得的检测结果，若连续的第一检测结果的数量达到预设的阈值，则输出报警信号；其中，报警信号用于指示织物机发生故障，第一检测结果为织物存在瑕疵。当连续检测出同一瑕疵时，有可能是由于织物机出现了故障，因此有必要给出报警信号，避免继续造成连续损失。
实际应用中，一般由针织手套机的故障导致的针织手套的瑕疵时，会连续生产出具有相同瑕疵的手套，针对此种情形，需要停止机器并进行故障检测。对此，上述示例中，在检测到连续的检测结果为存在瑕疵的数量达到一定量，也就是说，当织物出现连续的瑕疵时，表明当前很可能发生机器故障，相应的，输出表征织物机发生故障的报警信号，以及时提醒工作人员进行故障检测，保证织物产品质量，减少损失。
作为一种示例，结合前述的步骤101至步骤106，织物瑕疵检测系统的控制流程图，如图4所示。当织物机编织完毕后，给出完成信号；抓取机构将织物转移到预定的检测位置，织物机暂停编织；打开视觉检测光源，给出拍照信号；图像采集模块进行图像采集，此为织物的正面图像；当图像采集完毕，给出拍照完毕信号；接收到拍照完毕信号后，抓取机构翻转织物；翻转完毕后，给出拍照信号；图像采集模块对织物的反面图像进行采集；当图像采集完毕，给出拍照完毕信号；启动织物机进行下一件织物的编织；同时瑕疵检测模块根据采集的正面图像与反面图像进行瑕疵检测；当有瑕疵时，给出有瑕疵信号，并给出瑕疵类型；当无瑕疵时给出正常信号；若连续检测出多个同一类型的瑕疵，则若连续的第一检测结果的数量达到预设的阈值，则输出报警信号，表示织物机可能存在故障，需要停机检查。
在一个示例中，支持对瑕疵检测系统进行升级，用于开发者对现行的程序或设备进行升级更新。图5为织物瑕疵检测系统的升级方法的流程图，在任一示例的基础上，上述升级方法包括以下步骤：
步骤201、接收升级指令，升级指令包括机械信号和/或控件操作信号。当视觉检测系统的控制程序集成并外显为一个模组或模块时，可在模组或模块外部设置实体的升级按钮，用于触发升级指令。当视觉检测系统的控制程序合并在织物机的控制计算机中时，可在显示界面设置升级按钮，也可在连接实体的升级按钮，用于触发升级指令。
步骤202、根据升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序；
步骤203、获取升级文件，并将瑕疵检测模块的检测程序中的对应文件替换为升级文件，以完成升级；
步骤204、控制瑕疵检测模块运行升级后的检测程序，并关闭升级程序。
进一步地，在一个示例中，步骤204之后，还包括：步骤205、指示瑕疵检测模块对升级后的检测程序进行自测；若自测通过，则输出升级完成信号，升级完成信号包括第一灯光信号；否则，输出升级失败信号，升级失败信号包括第二灯光信号。
实际应用中，当视觉检测系统的控制程序集成并外显为一个模组或模块时，可在模组或模块外部设置第一信号灯和第二信号灯，用于显示升级成功或者失败信号，比如，第一灯光信号用于表征升级成功；第二灯光信号用于表征升级失败。当视觉检测系统的控制程序合并在织物机的控制计算机中时，可以用上述相同的信号灯的显示方式，也可在显示界面弹出升级成功或者失败的弹窗。本示例中，通过对升级后的检测程序进行自测，保证瑕疵检测的准确性和可靠性。
进一步地，在一个示例中，步骤202之后，还包括：输出升级提示信号，升级提示信号包括第三灯光信号和/或第一显示信号。当视觉检测系统的控制程序集成并外显为一个模组或模块时，可在模组或模块外部设置第三信号灯，用于表征升级中。当视觉检测系统的控制程序合并在织物机的控制计算机中时，可以用上述相同的信号灯的显示方式，也可在显示界面弹出升级提示弹窗。本示例中，通过可视设备输出升级提示信号，可以使用户直观地连接当前检测系统的当前状态，保证系统升级稳定进行。
进一步地，步骤203中获取升级文件的方式包括：读取当前接入的移动存储设备中的升级文件；或者，建立与服务器的无线通信，并通过无线通信从服务器下载升级文件。
以手套瑕疵检测系统的升级过程为例，参照图6，图6为以U盘为升级程序的载体给瑕疵检测系统进行升级的流程示意图。将现行的检测控制程序记为程序A，将升级后的检测控制程序记为A+，将控制升级的程序记为程序B。接收到升级指令后，当前运行的程序A调用升级程序B；升级程序B运行，使程序A关闭；升级程序B扫描U盘，给出升级提示信号，一种可选的方式为在模块上设置有绿色的LED灯，灯光闪烁表征升级中；另一种可选地方式为在手套机的控制计算机的显示界面上，弹出升级提示弹窗，弹窗界面上有表征升级中的升级进度条。
当升级程序B未识别到U盘内有升级文件时，则升级失败，给出升级失败信号；当升级程序B识别到U盘内有升级文件时，则删除原有文件，并拷贝U盘中的升级文件至指定目录；拷贝完毕后升级程序B启动程序A+，程序A+关闭升级程序B。程序A+进行自测，自测未通过，则给出升级失败信号；自测通过则给出升级成功信号，一种可选择的方式为在模块上设置有绿色的LED灯，灯光常亮表征升级完成；另一种可选地方式为在手套机的控制计算机的显示界面上，弹出升级提示弹窗，弹窗界面上显示升级完成。
本申请实施例一提供的织物瑕疵检测系统的控制方法，包括当前的织物完成编织后，控制抓取机构将织物转移至预定的检测位置并控制织物机暂停工作；获取检测位置中织物的图像信息后，控制织物机继续工作并根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。本申请的控制方法，能够实现生产线场景下的织物瑕疵检测，并且本方案在采集图像时控制织物机暂停工作，从而在实现织物瑕疵检测的基础上，提高了图像采集质量，提高了织物瑕疵检测的准确性。
实施例二
本申请实施例二提供的织物瑕疵检测系统的控制装置的结构示意图，如图7所示，织物瑕疵检测系统包括织物机10、抓取机构20、图像采集模块30、以及瑕疵检测模块40。织物瑕疵检测系统的控制装置包括获取模块50和处理模块60。操作人员可通过控制装置来控制植物瑕疵检测系统。
其中，织物机10为具有编织功能的设备，具体的可以为针织手套机、织袜机。抓取机构20为具有将物品进行位置转移的机构，具体的可以是具有抓取能力的机械手、抓取夹；鉴于针织物品的材质特殊性也可以为尼龙粘扣带(包括两面，一面为绒面，表面有许多毛圈；一面为钩面，表面有许多均匀小钩子，钩状结构可以粘附在织物上)，需配合其他结构脱除被粘取织物。
图像采集模块30为具有图像采集作用的设备，具体的可以是相机、摄像头等设备。瑕疵检测模块40为具有数据分析处理功能的设备，用于识别图像中的瑕疵，比如，处理芯片等。控制装置可以为在织物瑕疵检测系统中的控制程序嵌入板，或者为包含控制程序的计算机可读存储介质，需要进一步结合织物机的生产过程使用；也可以配备单独的计算机用于织物瑕疵检测，与织物机的生产过程控制计算机进行有线或无线通信。
本申请实施例二提供的织物瑕疵检测系统的控制装置包括：获取模块50，用于接收织物机发送的完成消息，完成消息表征当前的织物完成编织。处理模块60，用于根据完成消息，控制抓取机构20将织物转移至预定的检测位置；处理模块60，还用于向织物机10发送暂停指示，以控制织物机暂停工作；处理模块60，还用于指示图像采集模块10，采集获得检测位置中织物的图像信息，图像信息包括织物的正面图像和反面图像；处理模块60，还用于向织物机发送工作指示，以控制织物机继续工作；以及，处理模块60，还用于指示瑕疵检测模块，根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。
实际应用中，当待检测织物为手帕等单面织物时，抓取机构可使手帕平整，便于图像采集；由于编织手法可能单从一面检测瑕疵不明显，双面检测也有助于提高瑕疵检测的准确性。当待检测织物为手套或者袜子等具有一定弹性及两面性时，在检测时需要对织物进行展平操作使其平整，便于提高图像采集的清晰度；同时考虑到织物具有正面与反面，瑕疵有可能仅出现在正面，或者仅出现在反面，或者正反两面均存在瑕疵，当仅采集单面图像进行瑕疵检测，则有可能因为瑕疵处于未被采集图像的一面而漏查，进而导致产品的良品率降低，因此对织物的正反两面均进行图像采集和瑕疵检测，有利于提高瑕疵检测准确性。
其中，织物机暂停的时间为图像采集过程的时间，图像采集过程包括采集织物正面图像与反面图像的时间，以及利用抓取机构将织物翻面的时间，为了保证织物机的编织效率，可通过提高图像采集设备中的摄像头的帧率，来缩短暂停编织的时间。以手套编织为例，编织单只手套的时间至少为1分钟，采用帧率为30帧的摄像头，则拍摄两张图片时间不超过100毫秒，对整个手套机的编织效率不会产生很大的影响，手套机暂停的时间与抓取机构控制翻面的时间基本一致。
具体的，为了提高视觉瑕疵检测模块的准确性，在实际使用前进行预先训练。为了训练视觉瑕疵检测模块，收集了近2000个瑕疵织物，建立了近3万的瑕疵织物数据集。利用darknet深度学习框架下的yolo模型作为基础，针对该数据集对yolo模型进行优化和改进。其中，对于视觉瑕疵检测模块的算法并不局限在本申请提到的深度学习框架和模型上，实际应用过程中，本领域技术人员可根据硬件配置、个人知识储备等实际情况进行算法的构建。为了降低成本，可将训练好的模型部署在ARM A8嵌入式板上，并不仅限于此种嵌入式板的型号，实际应用中，可根据实际情况选择合适的嵌入板；当然也不限于将训练模型部署在嵌入板上的形式，也可根据实际情况选择合适的模型的载体及起效方式。
进一步地，在开发板中自行设计了扩展板，可选择地集合多种接口，比如可供调试的HDMI接口、升级接口、调试的网口、U口、与上位机通信的CAN通信接口、调试显示接口、光源控制接口等。织物机再次启动编织，编织完成前，瑕疵检测模块应当完成对前一件织物的瑕疵检测，即给出瑕疵检测结果，不影响对新编制完成的织物进行检测。由于瑕疵检测模块具有独立的算力与通信能力，并不影响织物机的正常编织工作。
进一步地，织物瑕疵检测系统还包括：光源；处理模块60，还用于根据完成消息，控制抓取机构20将织物转移至预定的检测位置之后，还用于控制光源开启，光源用于调节检测位置的光线亮度。瑕疵检测系统对于光源的要求极高，对于一些深颜色的断针瑕疵，特别是一些多针的手套，瑕疵十分不明显，需要亮度较高的光线，且尽量减少阴影的形成。
进一步地，在一个示例中，光源的数量为多个，且多个光源围绕检测的侧边设置。具体的，选择采用环检测区的侧打光方式效果良好，具体的光源布置如图3所示，围绕在检测位置设置有四个条形的光源，且其光线照射方向应朝向检测位置，使得光线经过待检测织物的反射后的反射光垂直于检测位置，若摄像头位于检测位置的正上方，则反射光直射在摄像头上，不会出现阴影。在一个示例中，光源的数量也可以为一个环形光灯源。在具体实施过程中，本领域技术人员可根据检测位置的大小等实际情况，进行光源的设计和选择。
在一个示例中，控制装置还包括：警示模块，用于根据连续获得的检测结果，若连续的第一检测结果的数量达到预设的阈值，则输出报警信号；其中，报警信号用于指示织物机发生故障，第一检测结果为织物存在瑕疵。当连续检测出同一瑕疵时，有可能是由于织物机出现了故障，因此有必要给出报警信号，避免继续造成连续损失。
实际应用中，一般由针织手套机的故障导致的针织手套的瑕疵时，会连续生产出具有相同瑕疵的手套，针对此种情形，需要停止机器并进行故障检测。对此，上述示例中，在检测到连续的检测结果为存在瑕疵的数量达到一定量，也就是说，当织物出现连续的瑕疵时，表明当前很可能发生机器故障，相应的，输出表征织物机发生故障的报警信号，以及时提醒工作人员进行故障检测，保证织物产品质量，减少损失。
在一个示例中，支持对瑕疵检测系统进行升级，用于开发者对现行的程序或设备进行升级更新。本申请实施例的控制装置还包括：升级模块70。图8为织物瑕疵检测系统的升级模块示意图，升级模块70包括：升级获取单元71，用于接收升级指令，升级指令包括机械信号和/或控件操作信号；升级处理单元72，用于根据升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序；升级处理单元72，还用于获取升级文件，并将瑕疵检测模块的检测程序中的对应文件替换为升级文件，以完成升级；升级处理单元72，还用于控制瑕疵检测模块运行升级后的检测程序，并关闭升级程序。
具体的，当视觉检测系统的控制程序集成并外显为一个模组或模块时，可在模组或模块外部设置实体的升级按钮，用于触发升级指令。当视觉检测系统的控制程序合并在织物机的控制计算机中时，可在显示界面设置升级按钮，也可在连接实体的升级按钮，用于触发升级指令。
在一个示例中，本申请实施例二提供的控制装置，升级模块70还包括升级自测单元，用于在升级处理单元72控制瑕疵检测模块运行升级后的检测程序，并关闭升级程序之后，指示瑕疵检测模块对升级后的检测程序进行自测；升级自测单元，还用于若自测通过，则输出升级完成信号，升级完成信号包括第一灯光信号；否则，输出升级完成信号，升级完成信号包括第二灯光信号。
实际应用中，当视觉检测系统的控制程序集成并外显为一个模组或模块时，可在模组或模块外部设置第一信号灯和第二信号灯，用于显示升级成功或者失败信号，比如，第一灯光信号用于表征升级成功；第二灯光信号用于表征升级失败。当视觉检测系统的控制程序合并在织物机的控制计算机中时，可以用上述相同的信号灯的显示方式，也可在显示界面弹出升级成功或者失败的弹窗。本示例中，通过对升级后的检测程序进行自测，保证瑕疵检测的准确性和可靠性。
在一个示例中，本申请实施例二提供的控制装置，升级模块70还包括升级显示单元，用于在升级处理单元根据升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序之后，输出升级提示信号，升级提示信号包括第三灯光信号和/或第一显示信号。当视觉检测系统的控制程序集成并外显为一个模组或模块时，可在模组或模块外部设置第三信号灯，用于表征升级中。当视觉检测系统的控制程序合并在织物机的控制计算机中时，可以用上述相同的信号灯的显示方式，也可在显示界面弹出升级提示弹窗。本示例中，通过可视设备输出升级提示信号，可以使用户直观地连接当前检测系统的当前状态，保证系统升级稳定进行。
在一个示例中，本申请实施例二提供的控制装置，升级处理单元72，具体用于读取当前接入的移动存储设备中的升级文件；或者，建立与服务器的无线通信，并通过无线通信从服务器下载升级文件。
本申请实施例二提供的织物瑕疵检测系统的控制装置，包括：获取模块，用于接收织物机发送的完成消息，完成消息表征当前的织物完成编织。处理模块，用于根据完成消息，控制抓取机构将织物转移至预定的检测位置；还用于向织物机发送暂停指示，以控制织物机暂停工作；还用于指示图像采集模块，采集获得检测位置中织物的图像信息，图像信息包括织物的正面图像和反面图像；还用于向织物机发送工作指示，以控制织物机继续工作；以及用于指示通过瑕疵检测模块，根据织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。本申请的方案，能够实现生产线场景下的织物瑕疵检测，并且本方案在采集图像时控制织物机暂停工作，从而在实现织物瑕疵检测的基础上，提高了图像采集质量，提高了织物瑕疵检测的准确性。
实施例三
图9为本申请实施例三提供的一种电子设备的结构示意图，如图9所示，电子设备包括：
处理器(processor)291，电子设备还包括了存储器(memory)292；还可以包括通信接口(Communication Interface)293和总线294。其中，处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器292中的逻辑指令，以执行上述实施例的方法。
此外，上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器292作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本申请实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器292可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器292可以包括高速随机存取存储器，还可以包括非易失性存储器。
本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述实施例提供的方法。
本申请实施例提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (19)

1.一种织物瑕疵检测系统的控制方法，其特征在于，所述织物瑕疵检测系统包括：图像采集模块、抓取机构、织物机、以及瑕疵检测模块；所述控制方法包括：
接收织物机发送的完成消息，所述完成消息表征当前的织物完成编织；
根据所述完成消息，控制抓取机构将所述织物转移至预定的检测位置；
向所述织物机发送暂停指示，以控制所述织物机暂停工作；
通过所述图像采集模块，采集获得所述检测位置中织物的图像信息，所述图像信息包括织物的正面图像和反面图像；
向所述织物机发送工作指示，以控制织物机继续工作；以及，根据所述织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。
2.根据权利要求1所述的方法，其特征在于，所述织物瑕疵检测系统还包括：光源；所述根据所述完成消息，控制抓取机构将所述织物转移至预定的检测位置之后，还包括：
控制所述光源开启，所述光源用于调节所述检测位置的光线亮度。
3.根据权利要求2所述的方法，其特征在于，所述光源的数量为多个，且多个光源围绕所述检测的侧边设置。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据连续获得的检测结果，若连续的第一检测结果的数量达到预设的阈值，则输出报警信号；其中，所述报警信号用于指示织物机发生故障，所述第一检测结果为织物存在瑕疵。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收升级指令，所述升级指令包括机械信号和/或控件操作信号；
根据所述升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序；
获取升级文件，并将瑕疵检测模块的检测程序中的对应文件替换为所述升级文件，以完成升级；
控制所述瑕疵检测模块运行升级后的检测程序，并关闭所述升级程序。
6.根据权利要求5所述的方法，其特征在于，所述控制所述瑕疵检测模块运行升级后的检测程序，并关闭所述升级程序之后，还包括：
指示所述瑕疵检测模块对升级后的检测程序进行自测；
若自测通过，则输出升级完成信号，所述升级完成信号包括第一灯光信号；否则，输出升级失败信号，所述升级失败信号包括第二灯光信号。
7.根据权利要求5所述的方法，其特征在于，所述根据所述升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序之后，还包括：
输出升级提示信号，所述升级提示信号包括第三灯光信号和/或第一显示信号。
8.根据权利要求5所述的方法，其特征在于，所述获取升级文件，包括：
读取当前接入的移动存储设备中的所述升级文件；或者，
建立与服务器的无线通信，并通过所述无线通信从所述服务器下载所述升级文件。
9.一种织物瑕疵检测系统的控制装置，其特征在于，所述织物瑕疵检测系统包括：图像采集模块、抓取机构、织物机、以及瑕疵检测模块；所述控制装置包括：
获取模块，用于接收织物机发送的完成消息，所述完成消息表征当前的织物完成编织；
处理模块，用于根据所述完成消息，控制抓取机构将所述织物转移至预定的检测位置；
所述处理模块，还用于向所述织物机发送暂停指示，以控制所述织物机暂停工作；
所述处理模块，还用于指示所述图像采集模块，采集获得所述检测位置中织物的图像信息，所述图像信息包括织物的正面图像和反面图像；
所述处理模块，还用于向所述织物机发送工作指示，以控制织物机继续工作；
以及，所述处理模块，还用于指示所述瑕疵检测模块，根据所述织物的图像信息，基于预先训练的神经网络算法进行视觉瑕疵检测，获得检测结果。
10.根据权利要求9所述的装置，其特征在于，所述织物瑕疵检测系统还包括：光源；所述处理模块，还用于根据所述完成消息，控制抓取机构将所述织物转移至预定的检测位置之后，控制所述光源开启，所述光源用于调节所述检测位置的光线亮度。
11.根据权利要求10所述的装置，其特征在于，所述光源的数量为多个，且多个光源围绕所述检测的侧边设置。
12.根据权利要求9所述的装置，其特征在于，所述装置还包括：
警示模块，用于根据连续获得的检测结果，若连续的第一检测结果的数量达到预设的阈值，则输出报警信号；其中，所述报警信号用于指示织物机发生故障，所述第一检测结果为织物存在瑕疵。
13.根据权利要求9所述的装置，其特征在于，所述装置还包括：升级模块；所述升级模块包括：
升级获取单元，用于接收升级指令，所述升级指令包括机械信号和/或控件操作信号；
升级处理单元，用于根据所述升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序；
所述升级处理单元，还用于获取升级文件，并将瑕疵检测模块的检测程序中的对应文件替换为所述升级文件，以完成升级；
所述升级处理单元，还用于控制所述瑕疵检测模块运行升级后的检测程序，并关闭所述升级程序。
14.根据权利要求13所述的装置，其特征在于，所述升级模块还包括：
升级自测单元，用于在所述升级处理单元控制所述瑕疵检测模块运行升级后的检测程序，并关闭所述升级程序之后，指示所述瑕疵检测模块对升级后的检测程序进行自测；
升级自测单元，还用于若自测通过，则输出升级完成信号，所述升级完成信号包括第一灯光信号；否则，输出升级完成信号，所述升级完成信号包括第二灯光信号。
15.根据权利要求13所述的装置，其特征在于，所述升级模块还包括：
升级显示单元，用于在所述升级处理单元根据所述升级指令，通过调用升级程序停止运行瑕疵检测模块的检测程序之后，输出升级提示信号，所述升级提示信号包括第三灯光信号和/或第一显示信号。
16.根据权利要求13所述的装置，其特征在于，所述升级处理单元，具体用于读取当前接入的移动存储设备中的所述升级文件；或者，建立与服务器的无线通信，并通过所述无线通信从所述服务器下载所述升级文件。
17.一种电子设备，其特征在于，包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为：根据所述可执行指令执行如权利要求1-8中任一项所述的控制方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-8中任一项所述的控制方法。
19.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的控制方法。
CN202110691007.2A 2021-06-22 2021-06-22 织物瑕疵检测系统的控制方法及装置 Pending CN113567443A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110691007.2A CN113567443A (zh) 2021-06-22 2021-06-22 织物瑕疵检测系统的控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110691007.2A CN113567443A (zh) 2021-06-22 2021-06-22 织物瑕疵检测系统的控制方法及装置

Publications (1)

Publication Number Publication Date
CN113567443A true CN113567443A (zh) 2021-10-29

Family

ID=78162489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110691007.2A Pending CN113567443A (zh) 2021-06-22 2021-06-22 织物瑕疵检测系统的控制方法及装置

Country Status (1)

Country Link
CN (1) CN113567443A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5936665A (en) * 1996-05-22 1999-08-10 Georgia Tech Research Corporation Automated apparatus for counting pillings in textile fabrics
CN104346807A (zh) * 2014-06-05 2015-02-11 苏州大学 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法
CN105817430A (zh) * 2016-03-29 2016-08-03 常熟理工学院 基于机器视觉的产品检测方法
CN107389682A (zh) * 2017-08-15 2017-11-24 无锡蠡湖增压技术股份有限公司 产品检测系统和检测方法
CN208043694U (zh) * 2018-04-02 2018-11-02 山东泰山钢铁集团有限公司 不锈钢酸洗生产线用钢带表面形貌影像在线采集装置
CN109406533A (zh) * 2018-10-25 2019-03-01 北京阿丘机器人科技有限公司 一种产品表面缺陷的检测系统及方法
CN110306287A (zh) * 2019-06-21 2019-10-08 西安工程大学 基于激光及机器视觉的袜机织针联合检测装置及方法
CN110490874A (zh) * 2019-09-04 2019-11-22 河海大学常州校区 基于yolo神经网络的纺织布匹表面瑕疵检测方法
CN111722604A (zh) * 2020-06-11 2020-09-29 圣山集团有限公司 智能化印染车间及其自动控制方法
CN112179903A (zh) * 2020-09-30 2021-01-05 深兰人工智能芯片研究院（江苏）有限公司 无锁空瓶检测方法和系统
CN112432954A (zh) * 2020-12-09 2021-03-02 浙江理工大学 一种编织管瑕疵检测方法
CN112634194A (zh) * 2020-10-20 2021-04-09 天津大学 一种经编织造过程中的织物疵点自学习检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5936665A (en) * 1996-05-22 1999-08-10 Georgia Tech Research Corporation Automated apparatus for counting pillings in textile fabrics
CN104346807A (zh) * 2014-06-05 2015-02-11 苏州大学 基于机器视觉的在线织物瑕疵检测与报警系统的检测方法
CN105817430A (zh) * 2016-03-29 2016-08-03 常熟理工学院 基于机器视觉的产品检测方法
CN107389682A (zh) * 2017-08-15 2017-11-24 无锡蠡湖增压技术股份有限公司 产品检测系统和检测方法
CN208043694U (zh) * 2018-04-02 2018-11-02 山东泰山钢铁集团有限公司 不锈钢酸洗生产线用钢带表面形貌影像在线采集装置
CN109406533A (zh) * 2018-10-25 2019-03-01 北京阿丘机器人科技有限公司 一种产品表面缺陷的检测系统及方法
CN110306287A (zh) * 2019-06-21 2019-10-08 西安工程大学 基于激光及机器视觉的袜机织针联合检测装置及方法
CN110490874A (zh) * 2019-09-04 2019-11-22 河海大学常州校区 基于yolo神经网络的纺织布匹表面瑕疵检测方法
CN111722604A (zh) * 2020-06-11 2020-09-29 圣山集团有限公司 智能化印染车间及其自动控制方法
CN112179903A (zh) * 2020-09-30 2021-01-05 深兰人工智能芯片研究院（江苏）有限公司 无锁空瓶检测方法和系统
CN112634194A (zh) * 2020-10-20 2021-04-09 天津大学 一种经编织造过程中的织物疵点自学习检测方法
CN112432954A (zh) * 2020-12-09 2021-03-02 浙江理工大学 一种编织管瑕疵检测方法

Similar Documents

Publication Publication Date Title
CN107392091B (zh) 一种农业人工智能作物检测方法、移动终端和计算机可读介质
US10810113B2 (en) Method and apparatus for creating reference images for an automated test of software with a graphical user interface
JP2020027424A (ja) 学習データ生成装置、判別モデル生成装置、及びプログラム
CN110830791B (zh) 一种电视整机软件功能的自动测试方法、装置及系统
KR102559021B1 (ko) 불량 이미지 생성 장치 및 방법
KR101941585B1 (ko) 인공지능 기반의 검사를 위한 임베디드 시스템, 제어 방법 및 이를 포함하는 검사 시스템
CN109656827A (zh) 一种控件树生成方法和终端设备
CN113240673A (zh) 缺陷检测方法、装置、电子设备及存储介质
WO2022158700A1 (ko) 전자 장치 및 그 제어 방법
CN110032473A (zh) 数据保护方法、装置、电子设备和系统
CN113567443A (zh) 织物瑕疵检测系统的控制方法及装置
JP2020030145A (ja) 検査装置及び検査システム
KR102470422B1 (ko) 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템
CN110267009A (zh) 图像处理方法、装置、服务器及存储介质
WO2021145551A1 (ko) 전자 장치 및 그 제어 방법
CN111885373A (zh) 一种用于产品测试视频链路的自动检测方法及装置
US20230117656A1 (en) Defect inspection system having human-machine interaction function
CN113916899B (zh) 基于视觉识别的大输液软袋产品的检测方法、系统及装置
CN109087236B (zh) 多深度学习平台工业图像检测控制方法及系统
CN106789472A (zh) 消费类电子控制cec功能检测方法、装置及系统
CN108572897B (zh) 人证一体机测试方法、装置及人证一体机
JP7382862B2 (ja) 遊技機
CN117171000A (zh) 一种应用程序app测试方法、装置、电子设备及存储介质
CN107608553A (zh) 一种触控区域校准方法和电子设备
CN112799511A (zh) 图形码生成模型的训练方法、装置、电子设备及存储介质

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