CN113567447A - 一种合成革卷边在线检测方法 - Google Patents

一种合成革卷边在线检测方法 Download PDF

Info

Publication number
CN113567447A
CN113567447A CN202110793717.6A CN202110793717A CN113567447A CN 113567447 A CN113567447 A CN 113567447A CN 202110793717 A CN202110793717 A CN 202110793717A CN 113567447 A CN113567447 A CN 113567447A
Authority
CN
China
Prior art keywords
image
detection
value
threshold
gray
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
CN202110793717.6A
Other languages
English (en)
Other versions
CN113567447B (zh
Inventor
林建宇
潘凌锋
陈浙泊
颜文俊
林斌
郑军
蒋婷婷
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.)
Research Institute of Zhejiang University Taizhou
Original Assignee
Research Institute of Zhejiang University Taizhou
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 Research Institute of Zhejiang University Taizhou filed Critical Research Institute of Zhejiang University Taizhou
Priority to CN202110793717.6A priority Critical patent/CN113567447B/zh
Publication of CN113567447A publication Critical patent/CN113567447A/zh
Application granted granted Critical
Publication of CN113567447B publication Critical patent/CN113567447B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
    • 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
    • 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
    • G01N2021/8411—Application to online plant, process monitoring
    • 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
    • G01N2021/8861—Determining coordinates 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N2021/888—Marking defects
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

一种合成革卷边在线检测方法，包括支撑杆、支撑杆底盘、横杆一、横杆二、背光源、短杆、支杆、正面光源、采图模块、报警灯、工控机以及电气控制柜；所述支撑杆设置于支撑底盘，支撑底盘设置于地面，支撑杆竖立于检测点左右两侧；所述横杆一设置于支撑杆之间；所述背光源设置于横杆一上；所述短杆设置于支撑杆，短杆与支撑杆之间设置支杆；所述横杆二设置于短杆之间；所述工控机与电气控制柜设置于支撑杆，工控机与采图模块以及正面光源电性连接；本发明通过机器代替人工，避免了人工检查可能存在漏检或是发现问题不及时的情况发生，保证了生产布匹的质量；通过灰度值检测确定布匹的边缘，便于进行毛边以及卷边检测。

Description

一种合成革卷边在线检测方法
此申请专利为2019年08月07日提交的申请号为201910726981.0，名称为一种湿法涂胶的合成革卷边在线检测装置及方法的分案申请。
技术领域
本发明涉及合成革检测，特别是涉及一种合成革卷边在线检测方法。
背景技术
在合成革湿法涂胶自动化生产线上，已涂胶布匹可能会出现卷边且卷边宽度超阈值的情况，卷边宽度超阈值会直接影响合成革的品质，情况严重时会导致数十米甚至更长的成品报废。引起卷边宽度超阈值的主要原因为布匹在滚轮上传输时受前后滚轮拉伸作用，其侧边有时发生正面翻卷，由于胶还未烘干，已翻卷区域和已涂胶区域就会黏在一起且黏合区宽度过宽。
然而，目前生产厂家是通过人工巡检的方式进行监控。每条产线配有一名巡检员且有三处可查看布匹边缘情况，当巡检员发现有卷边宽度超阈值时，先暂停产线，若情况不严重，用刀片对其割除，并在布匹边缘卷边宽度超阈值段和正常段的衔接处夹一个薄扁夹子，再启动设备运行。放置夹子是为了大大降低附近布匹边缘再次发生卷边宽度超阈值的概率；若情况严重，将折叠的布匹强拉扯恢复至原状，并同样在布匹边缘卷边宽度超阈值段和正常段衔接处夹一个薄扁夹子，再启动设备运行；而此段缺陷布匹在成品终检时再被割除。
但是上述这种通过人工巡检的方式进行监控的方法，存在以下两点缺陷：(1)由于产线监控区段较长，约为100m，且三处监控点依次相隔30多米，人工巡检方式存在漏检，即有卷边宽度超阈值但未发现的情况，直到产线末端成品终检时才发现；(2)发现不及时，导致宽度超阈值的卷边的长度过长，对于正面翻卷且越卷越宽的情况，也会使得卷边宽度变大。以上这两点缺陷，增加了生产成本且降低了合成革品质。
发明内容
本发明的目的是解决现有技术的不足，提供一种合成革卷边在线检测方法，结构简单，使用方便。
一种合成革卷边在线检测装置，其特征在于，包括支撑杆、支撑底盘、横杆一、横杆二、背光源、短杆、支杆、正面光源、采图模块、报警灯、工控机以及电气控制柜；所述支撑杆设置于支撑底盘，支撑底盘设置于地面，支撑杆竖立于检测点左右两侧；所述横杆一设置于支撑杆之间；所述背光源设置于横杆一上；所述短杆设置于支撑杆，短杆与支撑杆之间设置支杆；所述横杆二设置于短杆之间；所述采图模块、正面光源以及报警灯设置于横杆二；所述工控机与电气控制柜设置于支撑杆，工控机与采图模块以及正面光源电性连接。
进一步的，所述横杆一平行于地面，横杆一位于布匹上方；所述背光源的照射面与布匹平行，背光源在装置运行过程中处于常亮状态；所述短杆与支撑杆垂直设置；所述支撑杆、短杆以及支杆连接部分构成直角三角形；所述横杆二位于布匹下方，横杆二平行于地面。
进一步的，所述采图模块包括面阵相机、镜头、防护罩以及固定件；所述采图模块的拍摄面平行于布匹；所述正面光源设置于采图模块的左右两侧，正面光源的照射面平行于布匹。
一种基于上述装置的检测方法，所述检测方法具体包括如下步骤：
101)打开检测系统，进入开机界面；检测系统接收初始化指令，进入初始化流程；所述初始化流程包括工控机控制采图模块连续采集图像；结束初始化流程并进入初始化界面；
201)检测系统接收设置指令，进入参数设置界面，在参数设置界面输入参数；参数设置成功返回初始化界面；
301)检测系统接收检测指令，进入检测流程，所述检测流程包括出界检测、布匹边缘有无毛边检测、边距检测；
302)首先对采集到的一帧图像进行出界检测；若判为出界，则检测系统由正常状态转为出界状态，保存、显示该帧图像，报警灯发出报警信号，该帧图像检测流程结束，检测系统开始对下一帧图像进行出界检测；若判为不出界，则对该帧图像进行布匹边缘有无毛边检测；
303)若步骤302)检测结果为不出界，则对该帧图像进行布匹边缘有无毛边检测；若布匹边缘有无毛边检测的检测结果为毛边，则检测系统判断该帧图像为正常，显示该帧图像，该帧图像检测流程结束，检测系统开始对下一帧图像进行出界检测；若检测结果为无毛边，则检测系统判断该帧图像为卷边，检测系统由正常状态转为卷边状态，显示该帧图像，该帧图像检测流程结束，检测系统开始对下一帧图像直接进行边距检测；
304)若步骤303)检测结果为无毛边，则检测系统进入卷边状态，检测系统开始对下一帧图像直接进行边距检测；若边距检测的检测结果为边距未超阈值，则检测系统判断该帧图像正常，显示该帧图像，该帧图像检测流程结束，检测系统对下一帧图像进行出界检测；若检测结果为边距超阈值，则检测系统判断该帧图像为卷边宽度超阈值，检测系统转为卷边宽度超阈值状态，保存、显示该帧图像，报警灯发出报警信号，该帧图像检测流程结束，检测系统对下一帧图像直接进行边距检测；
401)检测系统接收检测流程结束指令，结束检测流程，返回初始化界面，检测系统接收异常记录指令，进入异常记录界面；所述异常记录界面能够查看图像在检测流程中保存的图像以及异常记录；
501)检测系统接收退出指令，检测系统关闭。
进一步的，所述出界检测包括采集模块采集设定像素大小的24位BMP格式的图像；选取一帧图像转为灰度图并进行均值滤波；均值滤波后的图像进行N等分，将N等分后的某一区域的首行设定为参数i；检测系统判断参数i的值是否小于总行数；
若i的值小于总行数，再判断当前采集的图像是左侧图像还是右侧图像；若是左侧图像，设定参数j为第i行第1列；将第i行第0列的像素值置为255；设定第i行第0列和j的像素值之差的绝对值大于设定阈值次数为0，并且像素值之差的绝对值不大于设定阈值次数为0；所述设定阈值为127；若是右侧图像，设定参数j为第i行第1列；设定第i行第0列的像素值为0；设定第i行第0列和j的像素值之差的绝对值大于设定阈值次数为0，并且像素值之差的绝对值不大于设定阈值次数为0；
若j值小于(总列数-1)，求第i行第0列和j的像素值之差的绝对值，并判断该绝对值是否大于设定阈值；
若第i行第0列和j的像素值之差的绝对值大于设定阈值，再判断绝对值大于设定阈值次数是否大于0；若绝对值大于设定阈值次数不大于0，保存j值，绝对值大于设定阈值次数加1；若绝对值大于设定阈值次数大于0，绝对值大于设定阈值次数加1，并判断绝对值大于设定阈值次数是否大于设定值，若是，保存i值，若否，j加1；所述j加1为j的列数加一；
若第i行第0列和j的像素值之差的绝对值不大于设定阈值，再判断绝对值大于设定阈值次数是否大于0；若绝对值大于设定阈值次数不大于0，j加1；若绝对值大于设定阈值次数大于0，绝对值不大于设定阈值的次数加1，并判断绝对值不大于设定阈值次数是否大于设定值，若否，j加1；若是，删除第i行已保存的j值，绝对值不大于设定阈值的次数清零，绝对值大于设定阈值的次数清零；
若i值等于总行数，再判断保存的行数是否大于2；若是，统计各i行的第j列值，去掉最值后求平均值，即为定位到的布匹边缘列值，该流程结束；若否，则判定为出界，该流程结束。
进一步的，所述布匹边缘有无毛边检测包括检测系统根据定位到的布匹边缘列值，提取待检测区域，所述待检测区域用字母ROI表示；接着将ROI转为灰度图，并对ROI进行Sober边缘检测以及阈值化处理；提取所有边缘轮廓像素点，找出轮廓周长最长的轮廓，将该轮廓上的像素点构成轮廓点集；遍历该轮廓点集，找出两点间的最大间距；判断最长周长是否大于最大间距的设定倍数；若是，判为毛边，毛边检测结束；若否，判为无毛边，毛边检测结束；
所述图像阈值化处理为采用最大类间方差法确定图像的最佳灰度值的阈值k*；然后用k*-1进行图像阈值化，大于k*-1的像素点灰度值置为255，其余像素点的灰度值置0。
所述最大类间方差法求出的最佳阈值k*就是
Figure BDA0003159072760000041
式中k为假设的灰度值阈值，
Figure BDA0003159072760000042
为类间方差。
进一步的，所述Sober边缘检测处理过程如下：
(a)假设矩阵A表示ROI区域的像素值矩阵；
(b)分别求水平方向(x)的导数Gx和垂直方向(y)的导数Gy；
水平方向：将A与一个大小为3的内核进行卷积，如式(1)：
Figure BDA0003159072760000043
垂直方向：将A与一个大小为3的内核进行卷积，如式(2)：
Figure BDA0003159072760000051
图像的每一个像素的水平方向和垂直方向的灰度值通过以下公式(3)结合，来计算该像素的灰度值G；
Figure BDA0003159072760000052
进一步的，所述边距检测包括采图模块采集一帧图像并发送到检测系统；检测系统将该图像转换为灰度图，并进行灰度值检测；所述灰度值检测具体为根据灰度设定阈值调节一次相机曝光量并判断图像平均灰度值是否已调节至设定阈值；若否，转回采集模块采集一帧图像，继续调节判断；若是，接着对图像做双边滤波；再对图像做Sober边缘检测以及阈值化处理，提取图像边缘像素点；利用提取的图像边缘像素点，进行霍夫线变换，找图像中所有的直线段，并保存斜率大于设定斜率的直线段，并判断所保存的直线段条数是否大于1；若所保存的直线段条数没有大于1，转到检测结果为边距未超阈值，本次检测结束；若所保存的直线段条数大于1，接着判断本次处理的图像是否为左侧图像；若是左侧图像，比较各条直线段中点的横坐标值，找出中点的横坐标值最小和次小的两条直线段；若不是左侧图像，说明该图像为右侧图像，则比较各条直线段中点的横坐标值，找出中点横坐标值最大和次大的两条直线段；
求这两条直线段的间距并判断此间距是否大于设定的边距阈值；若是，转到检测结果为边距超阈值，本次检测结束；若否，转到检测结果为边距未超阈值，本次检测结束。
进一步的，所述霍夫线变换找直线段的实现思路如下：
首先，用极坐标系来表示直线，直线的表达式如式(4)所示，其中r表示极径，θ表示极角；
Figure BDA0003159072760000053
化简公式(4)得公式(5)：
r＝xcosθ+y sinθ (5)
接着，对于给定一点(x0，y0)，可以将通过该点的一簇直线统一定义为：
rθ＝x0cosθ+y0 sinθ (6)
这就意味着每一对(rθ，θ)代表通过点(x0，y0)的直线；
对于一个给定不变点(x0，y0)，rθ随着θ的变化而变化；在平面θ-r绘制所有通过点(x0，y0)的直线，得到一条正弦曲线；
对图像中的所有边缘像素点进行上述操作，在平面θ-r交于一点的曲线数量超过了一定阈值，那么可以认为这个交点所代表的参数对在原图像中为一条直线；再利用公式(4)反推算。
进一步的，所述异常记录包括出界信息记录和卷边宽度超阈值信息记录；所述检测系统处于出界状态和正常状态时，只进行毛边检测和出界检测；检测系统处于卷边状态和卷边宽度超阈值状态时，只进行边距检测；所述检测流程在正常状态进行出界检测时，增加对出界和无毛边检测到次数的计数与判断功能；所述检测流程在出界状态进行有无毛边检测时，增加对毛边和无毛边检测到次数的计数与判断功能；所述检测流程在卷边状态进行边距检测时，增加边距超阈值和边距未超阈值检测到次数的计数和判断功能；所述检测流程在卷边宽度超阈值状态进行边距检测时，增加边距未超阈值检测到次数的计数和判断功能。
采用本发明的有益效果是：
本发明通过设计一种湿法涂胶的合成革卷边在线检测装置，该装置采用一种基于机器视觉的在线检测方法，对合成革湿法涂胶产生过程中布匹左右两侧进行实时监控。通过在产线可查看布匹边缘的三处各安装一台本装置，进行实时监控，监控数据实时传给车间监控室，当检测到卷边宽度超阈值时，装置保存、显示该图像，并且警报器自动报警，及时将生产线的异常状态反馈到控制室，实现实时监控、快速处理；在其余情况装置也能够将图像进行保存，以便随时查看。
本发明通过机器代替人工，避免了人工检查可能存在漏检或是发现问题不及时的情况发生，保证了生产布匹的质量；
通过灰度值检测确定并校验布匹的边缘，便于进行边缘的毛边以及卷边检测。
附图说明
图1为本发明结构示意图；
图2为本发明人机交互界面操作流程图；
图3为本发明检测总流程图；
图4为本发明出界检测和边缘定位流程图；
图5为本发明毛边检测流程图；
图6为本发明边距检测流程图；
图7为本发明灰度值检测流程图。
附图标记说明：支撑杆1、支撑底盘2、横杆一3、背光源4、短杆5、横杆二6、采图模块7、正面光源8、报警灯9、工控机10、电气控制柜11、支杆12。
具体实施方式
下面将结合说明书附图以及具体实施例对本发明做进一步说明。
实施例一：
如图1所示，一种湿法涂胶的合成革卷边在线检测装置，包括支撑杆1、支撑底盘2、横杆一3、背光源4、短杆5、横杆二6、采图模块7、正面光源8、报警灯9、工控机10、电气控制柜11、支杆12。所述支撑杆1共两根，两根支撑杆1分别竖立于检测点的左右两侧，支撑杆1设置于支撑底盘2上。所述支撑底盘2设置于地面。支撑杆1和支撑底盘2构成整个检测装置的承重支撑结构。所述横杆一3设置于支撑杆1之间，横杆一3平行于地面设置并且位于布匹上方，横杆3设置有背光源4。所述背光源4共两个，背光源4的照射面与布匹的下表面平行，背光源4在整个检测流程中处于常亮状态。所述短杆5设置于支撑杆1，短杆5与支撑杆1前端面垂直，所述前端面为布匹进入检测装置的一面。在短杆5与支撑杆1之间设置支杆12，所述支杆12设置于短杆5的下端面以及支撑杆1的前端面。设置于检测点同一侧的支杆12与支撑杆1、短杆5的连接部分构成直角三角形的结构，使短杆5的结构更牢固，承重能力更强。所述横杆二6设置于支撑杆5之间，横杆二6平行于地面设置并且横杆二位于布匹下方。所述采图模块7、正面光源8以及报警灯9设置于横杆二6。所述采图模块7包括面阵相机、镜头、防护罩以及固定件。采图模块的拍摄面平行于布匹。采图模块7共两个，两个采图模块分别用于采集布匹两侧边缘的图像。所述正面光源8设置于采图模块7的左右两侧。正面光源8仅在检测系统运行状态是卷边状态或卷边宽度超阈值状态时才被点亮，其他状态是关闭的。正面光源8的照射面平行于布匹面。所述报警灯9用于报警提醒作用，报警灯9在检测系统运行在出界状态或者卷边宽度超阈值状态时发出报警信号，具体的报警信号为发出报警声并且由正常的绿色灯光转为红色灯光。工控机10和电器控制柜11设置于支撑杆1前端面，位于短杆5的下方。工控机10与采图模块7以及正面光源8电性连接。采图模块7采集的图像传输给工控机10，工控机10还能够控制正面光源8的开关。所述电器控制柜11用于将输入的220V市电转化为检测装置中各个元器件所需要的电压电流，并且将转化后的电压电流输出到各个元器件。
如图2所示，一种湿法涂胶的合成革卷边在线检测方法，该检测方法依赖于上述检测装置。所述检测方法包括检测系统；所述检测系统开机后进入开机界面，所述开机界面包括初始化按钮和退出按钮。所述开机界面的退出按钮能够关闭检测系统。点击所述初始化按钮发出初始化指令，检测系统接收初始化指令，进入初始化流程。所述初始化流程包括工控机10发出信号，采图模块7接收工控机10发出的信号并开始采集图像。初始化流程结束后进入初始化界面。在初始化界面能够实时显示采图模块7采集的图像。
所述初始化界面包括设置按钮、检测按钮、异常记录按钮以及退出按钮。点击所述设置按钮发出设置指令，检测系统接收设置指令，进入参数设置界面，参数设置界面包括确定按钮和取消按钮，点按确定按钮则参数设置成功并返回初始化界面，点按取消按钮则参数未设置成功并返回初始化界面。所述参数设置具体为手动设置。点击所述检测按钮，发出检测指令，检测系统接收检测指令，进入检测界面并开始检测流程。检测界面包括停止按钮。点击停止按钮发出停止指令，检测系统接收停止指令，结束检测流程，返回到初始化界面；否则检测流程持续进行。点击所述异常记录按钮发出异常记录指令，检测系统接收异常记录指令，进入异常记录界面，在异常记录界面能够查看检测流程中保存的图像以及异常记录。所述异常记录包括布匹的出界信息记录和卷边宽度超阈值记录。异常记录界面包括返回按钮，点按返回按钮，能够退出异常记录界面返回到初始化界面；所述初始化界面的退出按钮能够关闭检测系统。所述检测系统初始状态为正常状态。
如图3所示，所述检测流程具体为检测系统先对采集模块7采集的一帧图像做出界检测。若检测系统判断该帧图像为出界，则检测系统由正常状态转为出界状态，检测系统保存该帧图像并在显示界面显示该帧图像并将该帧图像标记为出界，同时报警灯9发出报警信号，该帧图像检测流程结束，检测系统开始对下一帧图像进行出界检测；若判断为不出界，则对该帧图像进行布匹边缘有无毛边检测，若此时检测系统的状态为出界状态，则转为正常状态，否则保持不变。
所述布匹边缘有无毛边检测，若检测结果为毛边，则检测系统判断该帧图像为正常，显示该帧图像并将该帧图像标记为正常，该帧图像检测流程结束，检测系统开始对下一帧图像进行以出界检测为起始的检测流程；若检测结果为无毛边，则检测系统判断该帧图像为卷边，检测系统由正常状态转为卷边状态，在显示界面显示该帧图像并将该帧图像标记为卷边，该帧图像检测流程结束，检测系统开始检测下一帧图像，并对下一帧图像直接进行边距检测。
所述边距检测，若检测结果为边距未超阈值，则检测系统判断该帧图像正常，在显示界面显示该帧图像并将该帧图像标记为正常，该帧图像检测流程结束，检测系统转为正常状态，检测系统开始对下一帧图像进行以出界检测为起始的检测流程；若检测结果为边距超阈值，则检测系统判断该帧图像为卷边宽度超阈值，若检测系统处于卷边状态，则检测系统转为卷边宽度超阈值状态，否则检测系统保持卷边宽度超阈值状态，检测系统保存该帧图像，在显示界面显示该帧图像并将该帧图像标记为边距超阈值，同时报警灯9发出报警信号，该帧图像检测流程结束，检测系统开始检测下一帧图像，并对下一帧图像直接进行边距检测。
为了减少检测系统处于正常状态时对出界和无毛边的误判断，检测流程中增加了上述两个判断流程检测到次数的计数与判断功能。为了减少检测系统处于出界状态时对毛边和无毛边的误判断，检测流程中增加了上述两个判断流程检测到次数的计数与判断功能。为了减少检测系统处于卷边状态时，对边距超阈值和边距未超阈值的误判断，检测流程中增加了上述两个判断流程检测到次数的计数与判断功能。为了减少检测系统处于卷边宽度超阈值状态时，对边距未超阈值的误判断，检测流程中增加了上述判断流程的检测到次数的计数与判断功能。当检测系统处于正常状态时，若检测结果为出界的情况连续发生的次数超过设定阈值，检测系统进入出界状态；若检测结果为无毛边的情况连续发生的次数超过设定阈值，检测系统进入卷边状态。当检测系统处于出界状态时，若检测结果为毛边的情况连续发生的次数超过设定阈值，检测系统进入正常状态；若检测结果为无毛边的情况连续发生的次数超过设定阈值，检测系统进入卷边状态。当检测系统处于卷边状态时，若检测结果为边距未超阈值的情况连续发生的次数超过设定阈值，检测系统进入正常状态；若检测结果为边距超阈值的情况连续发生的次数超过设定阈值，检测系统进入卷边宽度超阈值状态。当检测系统处于卷边宽度超阈值状态时，若检测结果为边距未超阈值的情况连续发生的次数超过设定阈值，检测系统进入正常状态。
所述出界检测的流程如图4所示。首先是采图模块7采集布匹生产线的图像，所述图像为设定像素大小的24位BMP格式的图像。检测系统从采集的图像中选取一帧图像，将该图像转化为灰度图并进行均值滤波。所述图像转为灰度图的过程包括将24位图像转为8位3通道图像，再将获得的8位3通道图像转为单通道256色图像。所述均值滤波是采用邻域均值法对灰度图进行滤波处理，对图像进行领域均值的处理能够使图像整体的显示更加平滑。具体的，邻域均值法可以描述为先选定一个目标像素，所述目标像素结合围绕目标像素的8个周围像素构成滤波模板，再用滤波模板中的全体像素的灰度值平均值代替目标像素的灰度值，所述全体像素为包括目标像素在内的9个像素。接着，将滤波后的灰度图进行N等分，将N等分后的某一区域的首行设定为参数i，因此参数i的取值范围为总行数的第0行、第(总行数/N)行、......、第(总行数-(总行数/N))行，本实施例中N的取值设为5。检测系统判断参数i的值是否小于总行数，若是，再判断当前采集的图像是左侧图像还是右侧图像，所述左侧图像为设置于左侧的采图模块获取的图片；所述右侧图像为设置于右侧的采图模块获取的图片。若是左侧图像，设定参数j为第i行第1列；将第i行第0列像素值置为255；设定第i行第0列和j的像素值之差的绝对值大于设定阈值次数为0，并且像素值之差的绝对值不大于设定阈值次数为0，本实施例中所述设定阈值为127。若是右侧图像，设定参数j为第i行第1列；设定第i行第0列的像素值为0；设定第i行第0列和j的像素值之差的绝对值大于设定阈值次数为0，并且像素值之差的绝对值不大于设定阈值次数为0。若j值小于(总列数-1)，求第i行第0列和j的像素值之差的绝对值。判断该绝对值是否大于设定阈值。
若第i行第0列和j的像素值之差的绝对值大于设定阈值，再判断绝对值大于设定阈值次数是否大于0。若绝对值大于设定阈值次数不大于0，保存j值，绝对值大于设定阈值次数加1；若绝对值大于设定阈值次数大于0，绝对值大于设定阈值次数加1，并判断绝对值大于设定阈值次数是否大于设定值，若是，保存i值，若否，j加1。所述j加1为j的列数加一，j第一次加1后j为第i行第2列的像素值，以此类推。
若第i行第0列和j的像素值之差的绝对值不大于设定阈值，再判断绝对值大于设定阈值次数是否大于0。若绝对值大于设定阈值次数不大于0，j加1；若绝对值大于设定阈值次数大于0，则绝对值不大于设定阈值的次数加1，并判断绝对值不大于设定阈值次数是否大于设定值，若否，j加1；若是，删除第i行已保存j值，绝对值不大于设定阈值的次数清零，绝对值大于设定阈值的次数清零。
若i值等于总行数，再判断保存的行数是否大于2。若是，统计各i行的第j列值，去掉最值后求平均值，即为定位到的布匹边缘列值，该流程结束；若否，则判定为出界，该流程结束。
所述布匹边缘有无毛边检测的流程如图5所示。检测系统能够根据定位到的布匹边缘列值，提取待检测区域(ROI)。具体来说，若列值小于图像总列数的1/20，则ROI为一个矩形区域，该矩形的左上角起点为图像的原点，坐标为(0，0)，长度＝图像的总行数，宽度＝(图像的总列数)-(定位的列值)+(图像总列数的1/20)。若列值大于图像总列数的19/20，则ROI为一个矩形区域，该矩形的左上角起点在图像中坐标为((定位的列值-(图像总列数的1/20))，0)，长度＝图像的总行数，宽度＝(图像的总列数)-(定位的列值)+(图像总列数的1/20)。若列值不小于图像总列数的1/20并且不大于图像总列数的19/20，则ROI为一个矩形区域，该矩形的左上角起点的坐标为((定位的列值-(图像总列数的1/20))，0)，长度＝图像的总行数，宽度＝图像总列数的1/10。
将ROI转化为灰度图，接着对ROI做Sober边缘检测处理。
所述Sober边缘检测处理过程如下：
(1)假设矩阵A表示ROI区域的像素值矩阵；
(2)分别求水平方向(x)的导数Gx和垂直方向(y)的导数Gy；
水平方向：将A与一个大小为3的内核进行卷积，如式(1)：
Figure BDA0003159072760000111
垂直方向：将A与一个大小为3的内核进行卷积，如式(2)：
Figure BDA0003159072760000112
图像的每一个像素的水平方向和垂直方向的灰度值通过以下公式(3)结合，来计算该像素的灰度值G。
Figure BDA0003159072760000121
接着对边缘检测处理后的ROI做图像阈值化处理。所述图像阈值化采用最大类间方差法确定图像最佳灰度值的阈值k*。所述最大类间方差法的原理为背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，也就意味着构成图像的两部分的错分概率最小，进而求出图像阈值化的灰度值最佳阈值k*。求出k*后，用k*-1进行图像阈值化，大于k*-1的像素点灰度值置为255，其余像素点的灰度值置0。阈值化后灰度图像变为黑白两色图像，灰度值为0表示黑色，灰度值为255表示白色。
然后，提取所有边缘轮廓像素点，找出轮廓周长最长的轮廓，将该轮廓上的像素点构成轮廓点集。遍历该轮廓点集，求出两点间的最大间距。判断最长周长是否大于最大间距的设定倍数，(本实施例中设定倍数值为2.1)。若是，判为毛边，毛边检测结束；若否，判为无毛边，毛边检测结束。
所述最大类间方差法实现思路如下：
所述待检灰度图有256个灰度值[1，2，...，256]。灰度值为i的像素点的个数为ni，那么总的像素点个数即为
Figure BDA0003159072760000122
使用归一化的灰度值直方图并且视为这幅图像的概率分布，随机一个像素点的灰度值为i的概率为pi：
pi＝ni/N，pi≥0，
Figure BDA0003159072760000123
现在假设通过一个灰度值为k的阈值将这些像素点划分为两类：C0和C1；C0表示灰度值为[1，2，...，k]的像素点，C1表示灰度值为[k+1，…，256]的像素点。那么，设定随机一个像素点属于C0的概率为ω0；随机一个像素点属于C1的概率为ω1；C0中像素点的平均灰度值为μ0；G1中像素点的平均灰度值为μ1。具体的计算如公式(5)～(8)所示：
Figure BDA0003159072760000124
Figure BDA0003159072760000125
Figure BDA0003159072760000126
Figure BDA0003159072760000131
其中，ω(k)表示随机一个像素点的灰度值属于[1，2，...，k]的概率；μ(k)表示灰度值属于[1，2，...，k]的像素点的集合的平均灰度值，
Figure BDA0003159072760000132
Figure BDA0003159072760000133
而μT表示整副图像的平均灰度值，
Figure BDA0003159072760000134
对于任意选定的k，都有：
ω0μ0+ω1μ1＝μT，ω0+ω1＝1. (12)
选取以下(13)式中的η作为评价选择k作为阈值的“好坏”(分离性)的测量标准
Figure BDA0003159072760000135
其中，
Figure BDA0003159072760000136
表示类间方差；
Figure BDA0003159072760000137
表示灰度值的总方差：
Figure BDA0003159072760000138
又根据式(12)，可以得出：
Figure BDA0003159072760000139
使用下面的公式选择不同的k值顺序搜索，根据式(9)和(10)，寻找最佳阈值k*，使得η取得最大值。将式(4)、(11)带入式(14)、(15)，不难观察出灰度值的总方差
Figure BDA00031590727600001310
的值不随k的取值而变化，所以使得η取得最大值，等价于使得
Figure BDA00031590727600001311
达到最大。
Figure BDA00031590727600001312
Figure BDA00031590727600001313
所以，最佳阈值k*由公式(18)得出，
Figure BDA00031590727600001314
所述边距检测流程如图6所示。采图模块7采集一帧图像发送给检测系统，检测系统将该图像转为灰度图，并进行灰度值检测。所述灰度值检测具体为根据灰度设定阈值调节一次相机曝光量并判断图像平均灰度值是否已调节至设定阈值。若否，转回采图模块7采集一帧图像，继续调节判断；若是，则图像平均灰度值已在设定阈值范围，接着对图像做双边滤波，使得布匹边缘涂胶区域和未涂胶区域边界更加分明。再对图像做Sober边缘检测以及阈值化处理，提取图像边缘像素点。利用提取的边缘像素点，运用霍夫线变换找图像中所有的直线段，并保存斜率大于设定斜率的直线段。然后判断所保存的直线段条数是否大于1。若所保存的直线段条数没有大于1，转到检测结果为边距未超阈值，本次检测结束；若所保存的直线段条数大于1，接着判断本次处理的图像是否为左侧图像。若是左侧图像，比较各条直线段中点的横坐标值，找出中点的横坐标值最小和次小的两条直线段；若不是左侧图像，说明该图像为右侧图像，则比较各条直线段中点的横坐标值，找出中点横坐标值最大和次大的两条直线段。求这两条直线段的间距并判断此间距是否大于设定的边距阈值。若是，转到检测结果为边距超阈值，本次检测结束；若否，转到检测结果为边距未超阈值，本次检测结束。
所述霍夫线变换找直线段的实现思路如下：
首先，用极坐标系来表示直线，直线的表达式如式(19)，其中r表示极径，θ表示极角；
Figure BDA0003159072760000141
化简得：
r＝xcosθ+ysinθ (20)
接着，对于给定一点(x0，y0)，可以将通过该点的一簇直线统一定义为：
rθ＝x0cosθ+y0 sinθ (21)
这就意味着每一对(rθ，θ)代表通过点(x0，y0)的直线。
对于一个给定不变点(x0，y0)，rθ随着θ的变化而变化，在极坐标对极径极角平面绘制所有通过点(x0，y0)的直线，将得到一条正弦曲线。所述极坐标对极径极角平面的横轴为θ，纵轴为r，即下文所述的平面θ-r。
可以对图像中的所有点进行上述操作，如果两个不同点进行上述操作后得到的曲线在平面θ-r内相交，这就意味着它们通过同一条直线。
霍夫线变换要做的就是追踪图像中的每个点对应到平面θ-r中曲线间的交点，如果交于一点的曲线数量超过了一定阈值，那么可以认为这个交点所代表的参数对在原图像中为一条直线。再利用公式(19)反推算，即可求得该直线。
所述灰度值检测流程如图7所示。根据定位到的布匹边缘列值，选取灰度图像中的一块区域。所选取的一块区域为一个矩形区域，该矩形的左上角起点为图像中((图像总列数-(图像总列数-定位的列值)/10),0)坐标点，长度＝图像的总行数，宽度＝(图像总列数-定位的列值)/10。接着，遍历该区域的所有像素点，求平均灰度值。判断平均灰度值是否在设定阈值范围内，本实施例设定阈值范围为70～80。若选取区域的平均灰度值在设定阈值范围内，判为灰度值合适，本次检测结束；若选取区域的平均灰度值不在设定阈值范围内，判为灰度值偏大或偏小，本次检测结束。
以上所述，只是本发明的具体实施例，并非对本发明做出任何形式上的限制，在不脱离本发明的技术方案基础上，所做出的简单修改、等同变化或修饰，均落入本发明的保护范围。

Claims (8)

1.一种合成革卷边在线检测方法，其特征在于，所述检测方法具体包括如下步骤：
101)打开检测系统，进入开机界面；检测系统接收初始化指令，进入初始化流程；所述初始化流程包括工控机控制采图模块连续采集图像；结束初始化流程并进入初始化界面；
201)检测系统接收设置指令，进入参数设置界面，在参数设置界面输入参数；参数设置成功返回初始化界面；
301)检测系统接收检测指令，进入检测流程，所述检测流程包括出界检测、布匹边缘有无毛边检测、边距检测；
302)首先对采集到的一帧图像进行出界检测；若判为出界，则检测系统由正常状态转为出界状态，保存、显示该帧图像，报警灯发出报警信号，该帧图像检测流程结束，检测系统开始对下一帧图像进行出界检测；若判为不出界，则对该帧图像进行布匹边缘有无毛边检测；
303)若步骤302)检测结果为不出界，则对该帧图像进行布匹边缘有无毛边检测；若布匹边缘有无毛边检测的检测结果为毛边，则检测系统判断该帧图像为正常，显示该帧图像，该帧图像检测流程结束，检测系统开始对下一帧图像进行出界检测；若检测结果为无毛边，则检测系统判断该帧图像为卷边，检测系统由正常状态转为卷边状态，显示该帧图像，该帧图像检测流程结束，检测系统开始对下一帧图像直接进行边距检测；
304)若步骤303)检测结果为无毛边，则检测系统进入卷边状态，检测系统开始对下一帧图像直接进行边距检测；若边距检测的检测结果为边距未超阈值，则检测系统判断该帧图像正常，显示该帧图像，该帧图像检测流程结束，检测系统对下一帧图像进行出界检测；若检测结果为边距超阈值，则检测系统判断该帧图像为卷边宽度超阈值，检测系统转为卷边宽度超阈值状态，保存、显示该帧图像，报警灯发出报警信号，该帧图像检测流程结束，检测系统对下一帧图像直接进行边距检测；
401)检测系统接收检测流程结束指令，结束检测流程，返回初始化界面，检测系统接收异常记录指令，进入异常记录界面；所述异常记录界面能够查看图像在检测流程中保存的图像以及异常记录；
501)检测系统接收退出指令，检测系统关闭；
所述步骤304)中的边距检测包括采图模块采集一帧图像并发送到检测系统；检测系统将该图像转换为灰度图，并进行灰度值检测；所述灰度值检测具体为根据灰度设定阈值调节一次相机曝光量并判断图像平均灰度值是否已调节至设定阈值；若否，转回采集模块采集一帧图像，继续调节判断；若是，接着对图像做双边滤波；再对图像做Sober边缘检测以及阈值化处理，提取图像边缘像素点；利用提取的图像边缘像素点，进行霍夫线变换，找图像中所有的直线段，并保存斜率大于设定斜率的直线段，并判断所保存的直线段条数是否大于1；若所保存的直线段条数没有大于1，转到检测结果为边距未超阈值，本次检测结束；若所保存的直线段条数大于1，接着判断本次处理的图像是否为左侧图像；若是左侧图像，比较各条直线段中点的横坐标值，找出中点的横坐标值最小和次小的两条直线段；若不是左侧图像，说明该图像为右侧图像，则比较各条直线段中点的横坐标值，找出中点横坐标值最大和次大的两条直线段；
求这两条直线段的间距并判断此间距是否大于设定的边距阈值；若是，转到检测结果为边距超阈值，本次检测结束；若否，转到检测结果为边距未超阈值，本次检测结束；
其中，灰度值检测为根据定位到的布匹边缘列值，选取灰度图像中的一块区域，所选取的一块区域为一个矩形区域，该矩形的左上角起点为图像中((图像总列数-(图像总列数-定位的列值)/10),0)坐标点，长度＝图像的总行数，宽度＝(图像总列数-定位的列值)/10；接着，遍历该区域的所有像素点，求平均灰度值，判断平均灰度值是否在设定阈值范围内；若选取区域的平均灰度值在设定阈值范围内，判为灰度值合适，灰度值检测结束；若选取区域的平均灰度值不在设定阈值范围内，判为灰度值偏大或偏小，灰度值检测结束；
检测方法运用的检测装置包括支撑杆、支撑底盘、横杆一、横杆二、背光源、短杆、支杆、正面光源、采图模块、报警灯、工控机以及电气控制柜；所述支撑杆设置于支撑底盘，支撑底盘设置于地面，支撑杆竖立于检测点左右两侧；所述横杆一设置于支撑杆之间；所述背光源设置于横杆一上；所述短杆设置于支撑杆，短杆与支撑杆之间设置支杆；所述横杆二设置于短杆之间；所述采图模块、正面光源以及报警灯设置于横杆二；所述工控机与电气控制柜设置于支撑杆，工控机与采图模块以及正面光源电性连接。
2.根据权利要求1所述的一种合成革卷边在线检测方法，其特征在于，所述出界检测包括采集模块采集设定像素大小的24位BMP格式的图像；选取一帧图像转为灰度图并进行均值滤波；均值滤波后的图像进行N等分，将N等分后的某一区域的首行设定为参数i；检测系统判断参数i的值是否小于总行数；若i的值小于总行数，再判断当前采集的图像是左侧图像还是右侧图像；若是左侧图像，设定参数j为第i行第1列；将第i行第0列的像素值置为255；设定第i行第0列和j的像素值之差的绝对值大于设定阈值次数为0，并且像素值之差的绝对值不大于设定阈值次数为0；所述设定阈值为127；若是右侧图像，设定参数j为第i行第1列；设定第i行第0列的像素值为0；设定第i行第0列和j的像素值之差的绝对值大于设定阈值次数为0，并且像素值之差的绝对值不大于设定阈值次数为0；
若j值小于总列数减1的差值，求第i行第0列和j的像素值之差的绝对值，并判断该绝对值是否大于设定阈值；
若第i行第0列和j的像素值之差的绝对值大于设定阈值，再判断绝对值大于设定阈值次数是否大于0；若绝对值大于设定阈值次数不大于0，保存j值，绝对值大于设定阈值次数加1；若绝对值大于设定阈值次数大于0，绝对值大于设定阈值次数加1，并判断绝对值大于设定阈值次数是否大于设定值，若是，保存i值，若否，j加1；所述j加1为j的列数加一；
若第i行第0列和j的像素值之差的绝对值不大于设定阈值，再判断绝对值大于设定阈值次数是否大于0；若绝对值大于设定阈值次数不大于0，j加1；
若绝对值大于设定阈值次数大于0，绝对值不大于设定阈值的次数加1，并判断绝对值不大于设定阈值次数是否大于设定值，若否，j加1；若是，删除第i行已保存的j值，绝对值不大于设定阈值的次数清零，绝对值大于设定阈值的次数清零；
若i值等于总行数，再判断保存的行数是否大于2；若是，统计各i行的第j列值，去掉最值后求平均值，即为定位到的布匹边缘列值，该流程结束；若否，则判定为出界，该流程结束。
3.根据权利要求1所述的一种合成革卷边在线检测方法，其特征在于，所述布匹边缘有无毛边检测包括检测系统根据定位到的布匹边缘列值，提取待检测区域，所述待检测区域用字母ROI表示；接着将ROI转为灰度图，并对ROI进行Sober边缘检测以及阈值化处理；提取所有边缘轮廓像素点，找出轮廓周长最长的轮廓，将该轮廓上的像素点构成轮廓点集；遍历该轮廓点集，找出两点间的最大间距；判断最长周长是否大于最大间距的设定倍数；若是，判为毛边，毛边检测结束；若否，判为无毛边，毛边检测结束；
所述图像阈值化处理为采用最大类间方差法确定图像灰度值的最佳阈值k*；然后用k*-1进行图像阈值化，大于k*-1的像素点灰度值置为255，其余像素点的灰度值置0；
所述最大类间方差法求出的最佳阈值k*就是
Figure FDA0003159072750000041
式中k为假设的灰度值阈值，
Figure FDA0003159072750000042
为类间方差。
4.根据权利要求3所述的一种合成革卷边在线检测方法，其特征在于，所述待检测区域的提取过程为：若列值小于图像总列数的1/20，则ROI为一个矩形区域，该矩形的左上角起点为图像的原点，坐标为(0,0)，长度＝图像的总行数，宽度＝(图像的总列数)-(定位的列值)+(图像总列数的1/20)；若列值大于图像总列数的19/20，则ROI为一个矩形区域，该矩形的左上角起点在图像中坐标为((定位的列值-(图像总列数的1/20)),0)，长度＝图像的总行数，宽度＝(图像的总列数)-(定位的列值)+(图像总列数的1/20)；若列值不小于图像总列数的1/20并且不大于图像总列数的19/20，则ROI为一个矩形区域，该矩形的左上角起点的坐标为((定位的列值-(图像总列数的1/20)),0)，长度＝图像的总行数，宽度＝图像总列数的1/10。
5.根据权利要求3所述的一种合成革卷边在线检测方法，其特征在于，所述图像的阈值化处理为采用最大类间方差法确定图像灰度值的最佳阈值k*；然后用k*-1进行图像阈值化，大于k*-1的像素点灰度值置为255，其余像素点的灰度值置0；
其中通过最大类间方差法的计算最佳阈值k*的具体过程如下：待检灰度图有256个灰度值[1,2,...,256]；其中灰度值为i的像素点的个数为ni，那么总的像素点个数即为
Figure FDA0003159072750000051
使用归一化的灰度值直方图并且视为这幅图像的概率分布，随机一个像素点的灰度值为i的概率为pi：
Figure FDA0003159072750000052
通过设定一个灰度值为k的阈值将这些像素点划分为两类：C0和C1；C0表示灰度值为[1,2,...,k]的像素点，C1表示灰度值为[k+1,...,256]的像素点；那么，设定随机一个像素点属于C0的概率为ω0；随机一个像素点属于C1的概率为ω1；C0中像素点的平均灰度值为μ0；C1中像素点的平均灰度值为μ1；具体的计算如下式所示：
Figure FDA0003159072750000053
Figure FDA0003159072750000054
Figure FDA0003159072750000055
Figure FDA0003159072750000056
其中，ω(k)表示随机一个像素点的灰度值属于[1,2,...,k]的概率；μ(k)表示灰度值属于[1,2,...,k]的像素点的集合的平均灰度值：
Figure FDA0003159072750000057
Figure FDA0003159072750000058
而μT表示整副图像的平均灰度值：
Figure FDA0003159072750000059
对于任意选定的k，都有：
ω0μ0+ω1μ1＝μT，ω0+ω1＝1 (15)；
选取以下式中的η作为评价选择k作为阈值的分离性的测量标准：
Figure FDA00031590727500000510
其中，
Figure FDA00031590727500000511
表示类间方差；
Figure FDA00031590727500000512
表示灰度值的总方差；
Figure FDA00031590727500000513
Figure FDA0003159072750000061
根据式(15)得到：
Figure FDA0003159072750000062
使用下面的公式选择不同的k值顺序搜索，根据式(12)和(13)，寻找最佳阈值k*，使得η取得最大值；将式(7)、(14)带入式(17)、(18)，得出灰度值的总方差
Figure FDA0003159072750000063
的值不随k的取值而变化的结论，所以使得η取得最大值，等价于使得
Figure FDA0003159072750000064
达到最大；
Figure FDA0003159072750000065
Figure FDA0003159072750000066
最佳阈值k*为：
Figure FDA0003159072750000067
式中k为设定的灰度值阈值，
Figure FDA0003159072750000068
为类间方差。
6.根据权利要求3所述的一种合成革卷边在线检测方法，其特征在于，所述Sober边缘检测处理过程如下：
(a)假设矩阵A表示ROI区域的像素值矩阵；
(b)分别求水平方向(x)的导数Gx和垂直方向(y)的导数Gy；
水平方向：将A与一个大小为3的内核进行卷积，如式(1)：
Figure FDA0003159072750000069
垂直方向：将A与一个大小为3的内核进行卷积，如式(2)：
Figure FDA00031590727500000610
图像的每一个像素的水平方向和垂直方向的灰度值通过以下公式(3)结合，来计算该像素的灰度值G；
Figure FDA00031590727500000611
7.根据权利要求1所述的一种合成革卷边在线检测方法，其特征在于，所述霍夫线变换找直线段的实现思路如下：
首先，用极坐标系来表示直线，直线的表达式如式(4)所示，其中r表示极径，
θ表示极角；
Figure FDA0003159072750000071
化简公式(4)得公式(5)：
r＝x cosθ+y sinθ (5)
接着，对于给定一点(x0,y0)，可以将通过该点的一簇直线统一定义为：
rθ＝x0cosθ+y0sinθ (6)
这就意味着每一对(rθ,θ)代表通过点(x0,y0)的直线；
对于一个给定不变点(x0,y0)，极径rθ随着极角θ的变化而变化；在平面θ-r绘制所有通过点(x0,y0)的直线，得到一条正弦曲线；所述平面θ-r为极坐标对极径极角平面；
对图像中的所有边缘像素点进行上述操作，在平面θ-r交于一点的曲线数量超过了一定阈值，那么可以认为这个交点所代表的参数对在原图像中为一条直线；再利用公式(4)反推算。
8.根据权利要求1所述的一种合成革卷边在线检测方法，所述异常记录包括出界信息记录和卷边宽度超阈值信息记录；所述检测系统处于出界状态和正常状态时，只进行毛边检测和出界检测；检测系统处于卷边状态和卷边宽度超阈值状态时，只进行边距检测；所述检测流程在正常状态进行出界检测时，增加对出界和无毛边检测到次数的计数与判断功能；所述检测流程在出界状态进行有无毛边检测时，增加对毛边和无毛边检测到次数的计数与判断功能；所述检测流程在卷边状态进行边距检测时，增加边距超阈值和边距未超阈值检测到次数的计数和判断功能；所述检测流程在卷边宽度超阈值状态进行边距检测时，增加边距未超阈值检测到次数的计数和判断功能。
CN202110793717.6A 2019-08-07 2019-08-07 一种合成革卷边在线检测方法 Active CN113567447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110793717.6A CN113567447B (zh) 2019-08-07 2019-08-07 一种合成革卷边在线检测方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110793717.6A CN113567447B (zh) 2019-08-07 2019-08-07 一种合成革卷边在线检测方法
CN201910726981.0A CN110376211B (zh) 2019-08-07 2019-08-07 一种湿法涂胶的合成革卷边在线检测装置及方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201910726981.0A Division CN110376211B (zh) 2019-08-07 2019-08-07 一种湿法涂胶的合成革卷边在线检测装置及方法

Publications (2)

Publication Number Publication Date
CN113567447A true CN113567447A (zh) 2021-10-29
CN113567447B CN113567447B (zh) 2024-09-13

Family

ID=68258458

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202110784407.8A Active CN113552134B (zh) 2019-08-07 2019-08-07 一种湿法涂胶的合成革卷边检测方法
CN202110793717.6A Active CN113567447B (zh) 2019-08-07 2019-08-07 一种合成革卷边在线检测方法
CN201910726981.0A Active CN110376211B (zh) 2019-08-07 2019-08-07 一种湿法涂胶的合成革卷边在线检测装置及方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110784407.8A Active CN113552134B (zh) 2019-08-07 2019-08-07 一种湿法涂胶的合成革卷边检测方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201910726981.0A Active CN110376211B (zh) 2019-08-07 2019-08-07 一种湿法涂胶的合成革卷边在线检测装置及方法

Country Status (1)

Country Link
CN (3) CN113552134B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114264661A (zh) * 2021-12-06 2022-04-01 浙江大学台州研究院 一种清晰度自适应的卷材检测方法及装置、系统
CN114486903A (zh) * 2021-12-06 2022-05-13 浙江大学台州研究院 一种灰度自适应的卷材检测系统及装置、算法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113552134B (zh) * 2019-08-07 2024-05-24 浙江大学台州研究院 一种湿法涂胶的合成革卷边检测方法
CN116148265B (zh) * 2023-02-14 2024-07-12 浙江迈沐智能科技有限公司 一种基于合成革高质量图像获取的瑕疵分析方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992008967A1 (en) * 1990-11-16 1992-05-29 De Montfort University Methods and apparatus for fabric inspection
JP2010133744A (ja) * 2008-12-02 2010-06-17 Omron Corp 欠陥検出方法およびその方法を用いた視覚検査装置
CN202119723U (zh) * 2011-06-09 2012-01-18 洛阳方智测控股份有限公司 一种自动验布机
US20150276617A1 (en) * 2014-03-25 2015-10-01 Kla-Tencor Corporation Delta die and delta database inspection
CN205749316U (zh) * 2016-01-20 2016-11-30 浙江工业职业技术学院 一种布匹色差疵点检测机
JP2017062154A (ja) * 2015-09-24 2017-03-30 アイシン精機株式会社 欠陥検出装置及び欠陥検出方法
CN107154039A (zh) * 2017-04-28 2017-09-12 北京简易科技有限公司 胶管在线缺陷检测装置及方法
CN207142401U (zh) * 2017-03-08 2018-03-27 扬州市嘉鑫织造实业有限公司 一种具有瑕疵检测和处理功能的卷布机
CN107870172A (zh) * 2017-07-06 2018-04-03 黎明职业大学 一种基于图像处理的布匹疵点检测方法
US20180130197A1 (en) * 2016-07-18 2018-05-10 Instrumental, Inc. Modular optical inspection station
CN109166098A (zh) * 2018-07-18 2019-01-08 上海理工大学 基于图像处理的工件毛刺检测方法
WO2019041590A1 (zh) * 2017-08-31 2019-03-07 中国科学院微电子研究所 任意角度的边缘检测方法
CN110084787A (zh) * 2019-04-12 2019-08-02 浙江大学台州研究院 一种基于机器视觉的合成革涂胶在线监测方法
CN110376211A (zh) * 2019-08-07 2019-10-25 浙江大学台州研究院 一种湿法涂胶的合成革卷边在线检测装置及方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL282725A (zh) * 1961-09-05
JP2896326B2 (ja) * 1995-05-02 1999-05-31 鐘紡株式会社 強撚シボ織物のシボ立ち性評価方法
CN101498672B (zh) * 2008-01-31 2010-12-15 东莞市硕源电子材料有限公司 一种无尘布表面光洁度的检测方法
CN102221559B (zh) * 2011-03-05 2012-08-29 河海大学常州校区 基于机器视觉的织物疵点在线自动检测方法及其装置
CN202330297U (zh) * 2011-11-28 2012-07-11 陕西长岭纺织机电科技有限公司 自动检测织物疵点的装置
CN104259111B (zh) * 2013-02-27 2016-09-14 南通大学 光电检测的鹅毛烫整分拣装置
CN105158272B (zh) * 2015-09-22 2018-06-22 浙江工商大学 一种纺织品缺陷检测方法
CN109521023A (zh) * 2017-09-19 2019-03-26 东莞市伟通自动化科技有限公司 一种皮料表面检测系统
CN110021006B (zh) * 2018-09-06 2023-11-17 浙江大学台州研究院 一种检测汽车配件是否安装的装置及方法
CN109727230B (zh) * 2018-11-30 2023-04-28 西安工程大学 一种绒毛织物表面质量测量装置以及测量方法
CN109884073A (zh) * 2019-03-19 2019-06-14 东华大学 一种布料疵点检测装置
CN109946311A (zh) * 2019-03-25 2019-06-28 江苏博虏智能科技有限公司 多角度多光源检测设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992008967A1 (en) * 1990-11-16 1992-05-29 De Montfort University Methods and apparatus for fabric inspection
JP2010133744A (ja) * 2008-12-02 2010-06-17 Omron Corp 欠陥検出方法およびその方法を用いた視覚検査装置
CN202119723U (zh) * 2011-06-09 2012-01-18 洛阳方智测控股份有限公司 一种自动验布机
US20150276617A1 (en) * 2014-03-25 2015-10-01 Kla-Tencor Corporation Delta die and delta database inspection
JP2017062154A (ja) * 2015-09-24 2017-03-30 アイシン精機株式会社 欠陥検出装置及び欠陥検出方法
CN205749316U (zh) * 2016-01-20 2016-11-30 浙江工业职业技术学院 一种布匹色差疵点检测机
US20180130197A1 (en) * 2016-07-18 2018-05-10 Instrumental, Inc. Modular optical inspection station
CN207142401U (zh) * 2017-03-08 2018-03-27 扬州市嘉鑫织造实业有限公司 一种具有瑕疵检测和处理功能的卷布机
CN107154039A (zh) * 2017-04-28 2017-09-12 北京简易科技有限公司 胶管在线缺陷检测装置及方法
CN107870172A (zh) * 2017-07-06 2018-04-03 黎明职业大学 一种基于图像处理的布匹疵点检测方法
WO2019041590A1 (zh) * 2017-08-31 2019-03-07 中国科学院微电子研究所 任意角度的边缘检测方法
CN109166098A (zh) * 2018-07-18 2019-01-08 上海理工大学 基于图像处理的工件毛刺检测方法
CN110084787A (zh) * 2019-04-12 2019-08-02 浙江大学台州研究院 一种基于机器视觉的合成革涂胶在线监测方法
CN110376211A (zh) * 2019-08-07 2019-10-25 浙江大学台州研究院 一种湿法涂胶的合成革卷边在线检测装置及方法
CN113552134A (zh) * 2019-08-07 2021-10-26 浙江大学台州研究院 一种湿法涂胶的合成革卷边检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
CHEN ZB 等: "A graduator test method based on dual dynamic image processing", 《 27TH INTERNATIONAL CONGRESS ON HIGH SPEED PHOTOGRAPHY AND PHOTONICS》, vol. 6279, 11 January 2007 (2007-01-11), pages 1 - 7 *
LIN JY 等: "Design of Crimping On-line Detection System for Wet Coating of Synthetic Leather", 《PROCEEDINGS OF 2020 IEEE 5TH INFORMATION TECHNOLOGY AND MECHATRONICS ENGINEERING CONFERENCE (ITOEC 2020)》, 2 March 2021 (2021-03-02), pages 448 - 452 *
ZOUMPONOS GT 等: "Fuzzy logic path planning for the robotic placement of fabrics on a work table", 《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》, vol. 24, no. 2, 1 April 2008 (2008-04-01), pages 174 - 186, XP022354337, DOI: 10.1016/j.rcim.2006.10.001 *
孟森森 等: "基于阈值优化抖动算法的高质量三维形貌测量", 《光子学报》, vol. 48, no. 08, 15 July 2019 (2019-07-15), pages 16 - 24 *
席志鹏 等: "集中式光伏电站巡检无人机视觉定位与导航", 《浙江大学学报(工学版)》, no. 05, 9 May 2019 (2019-05-09), pages 880 - 888 *
张庆宇: "皮料边缘识别及拾取卷边技术的研究", 中国优秀硕士学位论文全文数据库工程科技I辑, 30 April 2018 (2018-04-30), pages 024 - 462 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114264661A (zh) * 2021-12-06 2022-04-01 浙江大学台州研究院 一种清晰度自适应的卷材检测方法及装置、系统
CN114486903A (zh) * 2021-12-06 2022-05-13 浙江大学台州研究院 一种灰度自适应的卷材检测系统及装置、算法
CN114486903B (zh) * 2021-12-06 2024-05-14 浙江大学台州研究院 一种灰度自适应的卷材检测系统及装置、算法
CN114264661B (zh) * 2021-12-06 2024-05-31 浙江大学台州研究院 一种清晰度自适应的卷材检测方法及装置、系统

Also Published As

Publication number Publication date
CN110376211A (zh) 2019-10-25
CN113567447B (zh) 2024-09-13
CN110376211B (zh) 2021-07-27
CN113552134B (zh) 2024-05-24
CN113552134A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN110376211B (zh) 一种湿法涂胶的合成革卷边在线检测装置及方法
CN113777030A (zh) 一种基于机器视觉的布料表面缺陷检测装置及方法
CN113706490B (zh) 一种晶片缺陷检测方法
CN114881915A (zh) 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法
CN112819844B (zh) 一种图像边缘检测方法及装置
CN108827597B (zh) 一种结构光投影器的光斑均匀度检测方法和检测系统
CN113780484B (zh) 工业产品缺陷检测方法和装置
CN106228541A (zh) 视觉检测中屏幕定位的方法及装置
CN111426693A (zh) 一种质量缺陷检测系统及其检测方法
WO2023168984A1 (zh) 一种基于面阵相机的阴极铜质量检测方法及系统
CN113838043A (zh) 金属箔材制造中基于机器视觉的质量分析方法
CN116228651A (zh) 一种布匹缺陷检测方法、系统、设备及介质
CN113390882A (zh) 一种基于机器视觉和深度学习算法的轮胎内侧缺陷检测仪
CN106353340A (zh) 一种棒状高反射率零件表面缺陷检测方法
CN117825393A (zh) 偏光片自动生产线的在线监控系统及方法
CN113139943B (zh) 开口圆环工件外观缺陷检测方法、系统及计算机存储介质
US11493453B2 (en) Belt inspection system, belt inspection method, and recording medium for belt inspection program
CN210720181U (zh) 一种湿法涂胶的合成革卷边在线检测装置
CN109886912A (zh) 一种推力轴承保持架表面缺陷检测方法
JP2000132684A (ja) 外観検査方法
CN114494142A (zh) 一种基于深度学习的移动终端中框缺陷检测方法及装置
CN114240920A (zh) 一种外观缺陷检测方法
CN112161996A (zh) 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统
CN109785292B (zh) 一种基于机器视觉的芯线顺序判别方法
Lin et al. Design of crimping on-line detection system for wet coating of synthetic leather

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