CN113638104A - 一种络筒机智能清纱控制方法及系统 - Google Patents
一种络筒机智能清纱控制方法及系统 Download PDFInfo
- Publication number
- CN113638104A CN113638104A CN202111198894.6A CN202111198894A CN113638104A CN 113638104 A CN113638104 A CN 113638104A CN 202111198894 A CN202111198894 A CN 202111198894A CN 113638104 A CN113638104 A CN 113638104A
- Authority
- CN
- China
- Prior art keywords
- yarn
- defect
- region
- pixel
- interest
- 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
Links
Images
Classifications
-
- D—TEXTILES; PAPER
- D02—YARNS; MECHANICAL FINISHING OF YARNS OR ROPES; WARPING OR BEAMING
- D02J—FINISHING OR DRESSING OF FILAMENTS, YARNS, THREADS, CORDS, ROPES OR THE LIKE
- D02J3/00—Modifying the surface
-
- D—TEXTILES; PAPER
- D02—YARNS; MECHANICAL FINISHING OF YARNS OR ROPES; WARPING OR BEAMING
- D02J—FINISHING OR DRESSING OF FILAMENTS, YARNS, THREADS, CORDS, ROPES OR THE LIKE
- D02J7/00—Cleaning, e.g. removing dust, loose fibres, charred ends
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06H—MARKING, INSPECTING, SEAMING OR SEVERING TEXTILE MATERIALS
- D06H3/00—Inspecting textile materials
- D06H3/08—Inspecting textile materials by photo-electric or television means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Filamentary Materials, Packages, And Safety Devices Therefor (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种络筒机智能清纱控制方法及系统,该方法包括分割纱线图像中的纱线与背景;基于纱线的分割图确定缺陷的感兴趣区域和纱线本体;获取感兴趣区域的第一像素和以及每个像素点与纱线本体的距离,根据距离对像素点分配权重,以权重对像素值加权求和得到第二像素和;根据第一像素和与第二像素和得到聚集程度;获取感兴趣区域中每列像素的第三像素和,根据第三像素和得到感兴趣区域中每列像素的均值和方差;根据均值和方差得到均匀程度;根据均匀程度和聚集程度计算分布集中度,进而判断缺陷的类型为飞花或粗节;基于缺陷的类型控制相应的修剪工具对实际的纱线进行处理,解决了不能准确区分飞花和粗节类型的问题。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种络筒机智能清纱控制方法及系统。
背景技术
纺织行业中纺纱环节是织造布料的重要一环,在纺纱环节中会出现各种各样的缺陷,这些缺陷大都会影响纱线的粗细,进而影响布面平整度,而其中飞花与粗节这两种类型的缺陷形成过程相似,从外观上看难以准确区分,导致络筒机清纱过程难以精准控制。但是飞花是在成纱过程中空气中的浮纱轻微纺入纱线,为缠绕在纱线本体表面的浮纱纤维,修复简单;而粗节是空气中的浮纱纺入纱线的内部,在纱线内部形成高密度纤维节,使纱线本体变粗,影响纱线整体的强度,修复繁琐。
目前检测飞花与粗节这两种缺陷的方法通常为阈值分割等常规图像处理技术,通过将纱线图像进行阈值分割,能够将缺陷分割出来。
发明人在实践中,发现上述现有技术存在以下缺陷:
由于上述现有技术能够分割缺陷,但是无法准确区分缺陷的类型是粗节还是飞花。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种络筒机智能清纱控制方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种络筒机智能清纱控制方法,包括:
采集纱线的图像,所述图像包括纱线和背景;分割所述图像中的纱线与背景,得到纱线的分割图;
基于所述纱线的分割图确定缺陷的感兴趣区域和纱线本体;
获取所述感兴趣区域的第一像素和以及每个像素点与所述纱线本体的距离,根据所述距离对相应的像素点分配权重,以所述权重对相应的像素值进行加权求和得到第二像素和;计算所述第一像素和与第二像素和的比值得到缺陷的聚集程度;
获取所述感兴趣区域中每列像素的第三像素和,根据所述第三像素和得到所述感兴趣区域中每列像素的均值,基于所述均值得到每列像素的方差;根据所述均值和方差得到缺陷的均匀程度;
根据所述均匀程度和所述聚集程度计算所述缺陷的分布集中度;
利用所述分布集中度判断所述缺陷的类型为飞花或者粗节;基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理。
进一步,所述根据所述均值和方差得到缺陷的均匀程度的步骤还包括:通过计算所述均值与所述方差的差值,所述差值与所述均值的比值为所述均匀程度。
进一步,所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括:
基于所述纱线的延伸方向,获取所述分割图中平行于所述延伸方向的每行像素点的第一像素和,最大的所述第一像素和为所述纱线本体所在的第一目标行,最小的第一像素和为纱线间隙的第二目标行;
将所述第一目标行和所述第二目标行之间的区域确定为所述感兴趣区域。
进一步,所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括:
基于所述纱线的延伸方向,获取所述分割图中平行于所述延伸方向的每行像素点的第一像素和,最大的所述第一像素和为所述纱线本体所在的第一目标行,最小的第一像素和为纱线间隙的第二目标行;
将与所述纱线相邻的两个所述第二目标行和之间的区域确定为所述感兴趣区域。
进一步,所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括:利用窗口对所述感兴趣区域进行遍历,在所述窗口的灰度值大于阈值时,确定所述窗口的位置为缺陷位置;利用所述缺陷位置进一步缩小所述感兴趣区域。
进一步,所述缺陷的分布集中度为所述均匀程度和所述聚集程度的均方根。
进一步,分割所述图像中的纱线与背景的方法采用自适应阈值分割法。
进一步,所述基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理的步骤包括:在所述缺陷类型为粗节时,控制相应的剪刀将粗节的两端剪开并重新接线。
进一步,所述基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理的步骤包括:在所述缺陷类型为飞花时,对于轻度飞花则控制相应的扁口夹采用柱面遍历夹取的方式去除飞花。
第二方面,本发明实施例提供了一种络筒机智能清纱控制系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述任意一种所述方法的步骤。
本发明实施例的有益效果:
本发明实施例通过获取待检测的纱线的灰度化图像,并对其进行灰度自适应阈值分割,得到纱线与背景的分割图;根据分割图计算出单支纱线的检测区域,根据检测区域内的灰度分布计算单支纱线的灰度分布集中度。根据灰度分布集中度判断缺陷为飞花或粗节,基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理,本发明实施例所提供的方法不仅能够准确区分缺陷的类型是粗节还是飞花,还能够根据缺陷类型控制相应的修剪工具对纱线进行处理,解决了现有技术中不能准确区分飞花和粗节类型的缺陷问题。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例提供的一种络筒机智能清纱控制方法的流程图;
图2为本发明一个实施例提供的对纱线进行阈值分割的示意图;
图3为本发明一个实施例提供的粗节和飞花缺陷类型的对照图;
图4为本发明一个实施例提供的无缺陷的灰度分布曲线示意图;
图5为本发明一个实施例所提供的基于所述纱线的分割图确定缺陷的感兴趣区域的步骤示意图;
图6为本发明一个实施例提供的存在缺陷的灰度分布曲线示意图;
图7为本发明另一个实施例所提供的所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤示意图;
图8为本发明一个实施例提供的窗口遍历感兴趣区域的示意图;
图9为本发明一个实施例提供的在单支纱线上存在两个缺陷区域的示意图;
图10为本发明一个实施例提供的优化后的感兴趣区域的示意图;
图11为本发明一个实施例提供的在感兴趣区域内浮纱的像素点与纱线本体之间的位置关系的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种络筒机智能清纱控制方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
为了识别纱线的缺陷类型是飞花还是粗节,以根据该缺陷类型对相应的纱线进行修复,本发明实施例根据纱线本体与浮纱在图像中所呈现的像素特征确定缺陷的感兴趣区域,通过对感兴趣区域中相应像素分布的集中程度确定缺陷类型,进而根据该缺陷类型确定修复手段。本发明实施例所提供的方法相对于现有技术来说能够准确的确定缺陷的类型,相比较利用机器学习的方法来说,该方法运算复杂度低,处理速度快,更加适用于工厂产线。
下面结合附图具体的说明本发明所提供的一种络筒机智能清纱控制方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种络筒机智能清纱控制方法的流程图,该方法包括以下步骤:
步骤S001,采集纱线的图像,图像包括纱线和背景;分割图像中的纱线与背景,得到纱线的分割图。
其中,纱线的图像是通过设置于纺纱成品的质检流水线上的相机采集的图像,该图像中至少包括一条纱线,也可以包括两条或者多条纱线。图像中的背景是指纱线所处的环境。由于相机位置固定,纱线的位置也固定,因此相机所采集的图像中纱线的数量固定。
其中,分割图像中的纱线与背景的方法采用自适应阈值分割法。具体的,将纱线的图像进行灰度化处理得到纱线的灰度图像,对该纱线灰度图像进行自适应阈值分割得到背景和纱线,其中纱线包括纱线本体和浮纱。在纱线上不存在缺陷时,该纱线为纱线本体;在纱线上存在缺陷时,该纱线为纱线本体和浮纱。请参阅图2,分割的结果为背景类的像素点的灰度值为零,保留纱线的灰度值;在图像中黑色像素点的像素值为零,白色像素点为保留的灰度值。
步骤S002,基于纱线的分割图确定缺陷的感兴趣区域和纱线本体。
请参阅图3,图3中的A表示飞花类型的缺陷,B表示粗节类型的缺陷。由于飞花类型的缺陷是缠绕在纱线本体的表面的浮纱纤维,浮纱的分布特征比较分散;而粗节类型的缺陷是由于浮纱纺入数量较多在纱线周围形成高密度纤维节,在图像上呈现出明显的梭形。基于此,本发明实施例通过对检测区域内浮纱的分布规律,也即浮纱对应的像素点分布是否集中在纱线本体周围,对飞花与粗节缺陷进行区分。
由于在分割图中保留了纱线本体和浮纱的灰度值,背景的像素值为零。因此对于无缺陷缺陷的纱线,累加位于纱线本体的延伸方向上的像素值得到像素和,在纱线本体的中心线上的像素和最大;累加纱线本体之间的每行像素和均为0,因此得到的曲线呈现出阶跃函数的特征。请参阅图4,曲线的峰值点为纱线本体的中心线的累加和,曲线的谷值点为纱线本体之间不存在浮纱的间隙的累加和,由于纱线间的像素值均为零,因此,间隙的累加和为零。
优选的,请参阅图5,基于纱线的分割图确定缺陷的感兴趣区域的步骤包括:
步骤S201,基于纱线的延伸方向,获取分割图中平行于延伸方向的每行像素点的第一像素和,最大的第一像素和为纱线本体所在的第一目标行,最小的第一像素和为纱线间隙的第二目标行;
用相同的方法获取分割图中每一行的第一像素和,得到第一像素和的集合。
请参阅图6,建立以行数为横轴、以像素值为纵轴的直角坐标系,将第一像素和的集合中的每一个元素在该直角坐标系中进行描点,得到多个散点;对获得的多个散点进行拟合得到灰度分布曲线。假设在采集的图像中纱线的数量为K,则获取该灰度分布曲线中的前K个峰值和前K+1个谷值。具体的,计算灰度分布曲线上各点的斜率,将斜率为零的点分为两类,一类是纵坐标较大的峰值点,另一类的纵坐标较小的谷值点;因此按照横轴的大小顺序分别将峰值点和谷值点进行排列,获取前K个峰值点和前K+1个谷值点。其中前K个峰值点所对应的每一行即为每支纱线本体所在的行数,该行数称为第一目标行。前K+1个谷值点所对应的每一行即为纱线间隙所在的行数,该行数称为第二目标行。
优选的,在计算灰度分布曲线上各点的斜率时,对于斜率为零且纵坐标较小的点所对应的行数连续出现时,说明连续多行中未出现纱线本体和浮纱,此时取连续行数的均值作为谷值点,以参与后续按照横轴的大小顺序对谷值点进行排列的步骤。为了缩小感兴趣区域的范围,对于斜率为零且纵坐标较小的点所对应的行数连续出现时,此时还可以取与相邻峰值点最近的行数作为谷值点。
步骤202,将第一目标行和第二目标行之间的区域确定为感兴趣区域。
请再次参阅图2,对于斜率为零且纵坐标较小的点所对应的行数连续出现时,此时取连续行数的均值作为谷值点,对于图中的多条纱线,能够确定每条纱线的峰值点和谷值点,进而确定感兴趣区域。
优选的,请参阅图7,基于纱线的分割图确定缺陷的感兴趣区域的步骤包括:
步骤211,基于纱线的延伸方向,获取分割图中平行于延伸方向的每行像素点的第一像素和,最大的第一像素和为纱线本体所在的第一目标行,最小的第一像素和为纱线间隙的第二目标行;
步骤212,将与纱线本体相邻的两个第二目标行和之间的区域确定为感兴趣区域。
优选的,为了进一步缩小感兴趣区域,基于纱线的分割图确定缺陷的感兴趣区域的步骤包括:利用窗口对感兴趣区域进行遍历,在窗口的灰度值大于阈值时,确定窗口的位置为缺陷位置;利用缺陷位置进一步缩小感兴趣区域。
在遍历的过程中,该窗口沿着纱线的延伸方向进行滑窗采样,窗口滑动的步长为单位像素长度。
对于窗口尺寸的设置,将窗口的长度设置为缺陷长度的最大容忍值、将窗口的宽度设置为粗节的最大容忍值;其中,缺陷长度的最大容忍值是缺陷的最小长度值,也即长度大于该最大容忍值的会被确认是缺陷;同理,粗节的最大容忍值是粗节的最小直径,也即直径大于该最大容忍值时被确认是粗节类的缺陷,粗节的最小直径大于纱线本体的直径。当窗口滑动到纱线本体上时,计算正常纱线本体对对应的滑窗的均值为,将窗口滑动到纱线本体时的灰度值为,将该灰度值作为缺陷阈值。当尺寸为的窗口内的灰度和大于缺陷阈值时,说明此时窗口已经滑到缺陷区域了。
具体的,对于步骤S202中确定的感兴趣区域进行滑窗,计算每个窗口内的灰度和,将该窗口的灰度和记为,将灰度和与缺陷阈值进行比较,当灰度和大于等于缺陷阈值时,说明滑窗与缺陷区域重叠;当灰度和小于缺陷阈值时,说明滑窗与缺陷区域之间未重叠。请参阅图8,图8示出了根据峰值点和谷值点确定的感兴趣区域,以滑窗滑动的方向以沿着纱线延伸的右方向为例,在纱线上存在缺陷时,当窗口遍历至滑窗位置A时,窗口内的灰度和由小于缺陷阈值变为大于等于缺陷阈值时,将该窗口的右端点所处的位置记为位置A1;当窗口遍历至滑窗位置B时,窗口内的灰度和由大于等于缺陷阈值变为小于缺陷阈值时,将该窗口的左端点所处的位置记为位置B1。在位置A1和位置B1之间的区域为缺陷的缺陷区域。
对每支纱线进行遍历,得到每个存在缺陷的检测区域。请参阅图9,其示出了在单支纱线上存在两个缺陷区域时,在由峰值点和峰谷点确定的感兴趣区域内,窗口按照预设的滑动方向对单支纱线进行遍历后,得到两个检测区域。
请参阅图10,其示出了由峰值点和谷值点确定的感兴趣区域、由窗口灰度值变化情况确定的缺陷区域,将缺陷区域与感兴趣区域所围成的区域作为优化后的感兴趣区域。通过缺陷区域的优化能够将所需要检测的区域进一步缩小,减少计算量。
步骤S003,获取感兴趣区域的第一像素和以及每个像素点与纱线本体的距离,根据距离对相应的像素点分配权重,以权重对相应的像素值进行加权求和得到第二像素和;计算第二像素和与第一像素和的比值得到缺陷的聚集程度。
权重是根据像素点距纱线本体的距离分配的,由于粗节是由于浮纱纺入纱线本体较多而形成的具有梭形特征的缺陷,其浮纱聚集性的缠绕在纱线本体周围,梭形的纱线本体也是浮纱聚集的结果;而飞花的分布则相对比较分散,因此聚集程度来评价浮纱在纱线本体周围的聚集程度。由于浮纱距离纱线本体越近,说明该浮纱越向纱线本体聚集,其对应的聚集程度就越大,因此按照浮纱与纱线本体的距离对浮纱所对应的像素点分配权重,距离越近分配的权重越大。
该聚集程度反映了该感兴趣区域内的浮纱在纱线本体周围的聚集程度。
步骤S004,获取感兴趣区域中每列像素的第三像素和,根据第三像素和得到感兴趣区域中每列像素的均值,基于均值得到每列像素的方差;根据均值和方差得到缺陷的均匀程度。
通过均匀程度来评价浮纱在纱线本体周围的分布特征,因为对于聚集程度大且分布均匀的浮纱,缺陷为粗节的概率大;对于聚集程度小且分布均匀的浮纱,缺陷为飞花的概率大。
具体的,第三像素和的获取方法为:对于将感兴趣区域内的像素,在纱线的延伸方向上的行像素点的数量记为,也即将感兴趣区域的列数记为。计算每列像素的灰度和,将第列像素的灰度和记为,该灰度和即为每列像素的第三像素和,则得到的分布序列如下:
优选的,根据均值和方差得到缺陷的均匀程度的步骤还包括:通过计算均值与方差的差值,差值与均值的比值为均匀程度。
该均匀程度可以看作1减去方差与均值的比值,由于方差与均值的比值反映的是列数据的平均偏差,因此该1减去平均偏差的结果反映的是列数据的均匀程度,也即反映的是每列像素和均匀程度,换句话说反映的是浮纱的分布均匀程度。
步骤S005,根据均匀程度和聚集程度计算缺陷的分布集中度。
浮纱的聚集程度越大、分布均匀程度越大,缺陷为粗节的概率就越大;浮纱的聚集程度越小、分布均匀程度越小,缺陷为飞花的概率就越大;因此利用均方根表示两者的有效值,也即缺陷的分布集中度为均匀程度和聚集程度的均方根,将分布集中度记为,则对于该感兴趣区域有:
对于单支纱线存在多个感兴趣区域时,则需要计算每个感兴趣区域对应的分布集中度。
步骤S006,利用分布集中度判断缺陷的类型为飞花或者粗节;基于缺陷的类型控制相应的修剪工具对实际的纱线进行处理。
根据分布集中度所处的区间判断该感兴趣区域内的缺陷类型是飞花还是粗节,具体的:当分布集中度在(0.5,1]范围内时,缺陷类型为粗节;当分布集中度在(0.2,0.5]范围内时,缺陷类型为重度飞花;当分布集中度在[0,0.2]范围内时,缺陷类型为轻度飞花。
将纱线转换到世界坐标系下的步骤为:对采集图像的相机进行标定,获得相机生成的二维图像相对于三维世界坐标系的转换矩阵和平移矩阵,将纱线转换至三位坐标系。
对于二维图像中纱线分别与每个感兴趣区域的两个交点(u1,v1)、(u2,v2),则将自动化机器的操作编码,其中:控制码{1,(u1,v1),(u2,v2)}代表两夹子分别在世界坐标系中夹取二维图像中点(u1,v1),(u2,v2)的对应点;控制码{0,(u1,v1),(u2,v2)}代表两夹子分别在世界坐标系中松开二维图像中点(u1,v1),(u2,v2)的对应点;控制码{2,(u1,v1),(u2,v2)}代表两剪刀分别在世界坐标系中剪开二维图像中点(u1,v1),(u2,v2)的对应点,并收回;控制码{3,(u1,v1),(u2,v2)}代表旋转刀以(u1,v1),(u2,v2)在世界坐标系上对应点的连线为轴,在世界坐标系的对应长度为半径进行柱面环切;(u1,v1),(u2,v2)为起止点,并收回;控制码{4,(u1,v1),(u2,v2)}代表扁口夹以(u1,v1),(u2,v2)在世界坐标系上对应点的连线为轴,在世界坐标系的对应长度为半径进行柱面的遍历夹取,并收回;控制码{5,(u1,v1),(u2,v2)}代表停机提醒,并将(u1,v1)、(u2,v2)在世界坐标系的点重新接线;控制码{11}代表重新启动。
对于不同的缺陷类型需要采用不同类型处理方式,在缺陷类型为粗节时,控制相应的剪刀将粗节的两端剪开并重新接线;在缺陷类型为飞花时,对于重度飞花,则采取绕纱线本体进行柱面环切的方式去除飞花;在缺陷类型为飞花时,对于轻度飞花控制相应的扁口夹采用柱面遍历夹取的方式去除飞花,因此其相应的控制码如下:
当感兴趣区域对应的缺陷类型为粗节时,对应的控制码为:{1,(u1,v1),(u2,v2)};{2,(u1,v1),(u2,v2)};{5,(u1,v1),(u2,v2)};{0,(u1,v1),(u2,v2)};
当感兴趣区域对应的缺陷类型为重度飞花时,对应的控制码为:{1,(u1,v1),(u2,v2)};{3,(u1,v1),(u2,v2)};{0,(u1,v1),(u2,v2)};
当感兴趣区域对应的缺陷类型为轻度飞花时,对应的控制码为:{1,(u1,v1),(u2,v2)};{4,(u1,v1),(u2,v2)};{0,(u1,v1),(u2,v2)}。
综上所述,本发明实施例通过获取待检测的纱线的灰度化图像,并对其进行灰度自适应阈值分割,得到纱线与背景的分割图;根据分割图计算出单支纱线的检测区域,根据检测区域内的灰度分布计算单支纱线的灰度分布集中度。根据灰度分布集中度判断缺陷为飞花或粗节,基于缺陷的类型控制相应的修剪工具对实际的纱线进行处理,本发明实施例所提供的方法不仅能够准确区分缺陷的类型是粗节还是飞花,还能够根据缺陷类型控制相应的修剪工具对纱线进行处理,解决了现有技术中不能准确区分飞花和粗节类型的缺陷问题。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.络筒机智能清纱控制方法,其特征在于,包括:
采集纱线的图像,所述图像包括纱线和背景;分割所述图像中的纱线与背景,得到纱线的分割图;
基于所述纱线的分割图确定缺陷的感兴趣区域和纱线本体;
获取所述感兴趣区域的第一像素和以及每个像素点与所述纱线本体的距离,根据所述距离对相应的像素点分配权重,以所述权重对相应的像素值进行加权求和得到第二像素和;计算所述第一像素和与第二像素和的比值得到缺陷的聚集程度;
获取所述感兴趣区域中每列像素的第三像素和,根据所述第三像素和得到所述感兴趣区域中每列像素的均值,基于所述均值得到每列像素的方差;根据所述均值和方差得到缺陷的均匀程度;
根据所述均匀程度和所述聚集程度计算所述缺陷的分布集中度;
利用所述分布集中度判断所述缺陷的类型为飞花或者粗节;基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理。
2.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,所述根据所述均值和方差得到缺陷的均匀程度的步骤还包括:通过计算所述均值与所述方差的差值,所述差值与所述均值的比值为所述均匀程度。
3.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括:
基于所述纱线的延伸方向,获取所述分割图中平行于所述延伸方向的每行像素点的第一像素和,最大的所述第一像素和为所述纱线本体所在的第一目标行,最小的第一像素和为纱线间隙的第二目标行;
将所述第一目标行和所述第二目标行之间的区域确定为所述感兴趣区域。
4.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括:
基于所述纱线的延伸方向,获取所述分割图中平行于所述延伸方向的每行像素点的第一像素和,最大的所述第一像素和为所述纱线本体所在的第一目标行,最小的第一像素和为纱线间隙的第二目标行;
将与所述纱线本体相邻的两个所述第二目标行和之间的区域确定为所述感兴趣区域。
5.权利要求3或4所述的一种络筒机智能清纱控制方法,其特征在于,所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括:利用窗口对所述感兴趣区域进行遍历,在所述窗口的灰度值大于阈值时,确定所述窗口的位置为缺陷位置;利用所述缺陷位置进一步缩小所述感兴趣区域。
6.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,所述缺陷的分布集中度为所述均匀程度和所述聚集程度的均方根。
7.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,分割所述图像中的纱线与背景的方法采用自适应阈值分割法。
8.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,所述基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理的步骤包括:在所述缺陷类型为粗节时,控制相应的剪刀将粗节的两端剪开并重新接线。
9.权利要求1所述的一种络筒机智能清纱控制方法,其特征在于,所述基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理的步骤包括:在所述缺陷类型为飞花时,对于轻度飞花则控制相应的扁口夹采用柱面遍历夹取的方式去除飞花。
10.筒机智能清纱控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198894.6A CN113638104B (zh) | 2021-10-14 | 2021-10-14 | 一种络筒机智能清纱控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198894.6A CN113638104B (zh) | 2021-10-14 | 2021-10-14 | 一种络筒机智能清纱控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113638104A true CN113638104A (zh) | 2021-11-12 |
CN113638104B CN113638104B (zh) | 2022-02-08 |
Family
ID=78427026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111198894.6A Active CN113638104B (zh) | 2021-10-14 | 2021-10-14 | 一种络筒机智能清纱控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113638104B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920116A (zh) * | 2021-12-13 | 2022-01-11 | 武汉市什仔伟业勇进印务有限公司 | 基于人工智能的彩箱面纸贴合工艺智能控制方法及系统 |
CN114166858A (zh) * | 2022-02-11 | 2022-03-11 | 海门市芳华纺织有限公司 | 基于人工智能的纺织毛刷辊划伤皮革区域检测方法 |
CN116288851A (zh) * | 2023-05-24 | 2023-06-23 | 江苏利华纺织有限公司 | 一种智能清纱器 |
US11993868B1 (en) * | 2023-09-15 | 2024-05-28 | Zhejiang Hengyi Petrochemical Co., Ltd. | Control method for yarn route inspection equipment, electronic device and storage medium |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012152336A1 (en) * | 2011-05-12 | 2012-11-15 | Centre De Visió Per Computador (Cvc) | Method for detecting defects on yarns |
CN103871053A (zh) * | 2014-02-25 | 2014-06-18 | 苏州大学 | 一种基于视觉显著性的布匹瑕疵检测方法 |
CN107341499A (zh) * | 2017-05-26 | 2017-11-10 | 昆明理工大学 | 一种基于无监督分割和elm的织物缺陷检测和分类方法 |
CN107663684A (zh) * | 2016-07-28 | 2018-02-06 | 村田机械株式会社 | 解析装置及纺纱机 |
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 |
CN109035248A (zh) * | 2018-09-05 | 2018-12-18 | 深圳灵图慧视科技有限公司 | 疵点检测方法、装置、终端设备、服务器和存储介质 |
CN109272503A (zh) * | 2018-09-29 | 2019-01-25 | 西安工程大学 | 一种基于最大熵与dbscan相融合的毛羽检测算法 |
CN109978830A (zh) * | 2019-02-28 | 2019-07-05 | 西安工程大学 | 一种织物疵点检测方法 |
CN110458809A (zh) * | 2019-07-16 | 2019-11-15 | 西安工程大学 | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 |
CN112150445A (zh) * | 2020-09-27 | 2020-12-29 | 西安工程大学 | 基于贝叶斯阈值的纱线毛羽检测方法 |
CN113160122A (zh) * | 2021-02-08 | 2021-07-23 | 武汉纺织大学 | 基于图像处理的纱线条干不匀度的检测方法 |
-
2021
- 2021-10-14 CN CN202111198894.6A patent/CN113638104B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012152336A1 (en) * | 2011-05-12 | 2012-11-15 | Centre De Visió Per Computador (Cvc) | Method for detecting defects on yarns |
CN103871053A (zh) * | 2014-02-25 | 2014-06-18 | 苏州大学 | 一种基于视觉显著性的布匹瑕疵检测方法 |
CN107663684A (zh) * | 2016-07-28 | 2018-02-06 | 村田机械株式会社 | 解析装置及纺纱机 |
CN107341499A (zh) * | 2017-05-26 | 2017-11-10 | 昆明理工大学 | 一种基于无监督分割和elm的织物缺陷检测和分类方法 |
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 |
CN109035248A (zh) * | 2018-09-05 | 2018-12-18 | 深圳灵图慧视科技有限公司 | 疵点检测方法、装置、终端设备、服务器和存储介质 |
CN109272503A (zh) * | 2018-09-29 | 2019-01-25 | 西安工程大学 | 一种基于最大熵与dbscan相融合的毛羽检测算法 |
CN109978830A (zh) * | 2019-02-28 | 2019-07-05 | 西安工程大学 | 一种织物疵点检测方法 |
CN110458809A (zh) * | 2019-07-16 | 2019-11-15 | 西安工程大学 | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 |
CN112150445A (zh) * | 2020-09-27 | 2020-12-29 | 西安工程大学 | 基于贝叶斯阈值的纱线毛羽检测方法 |
CN113160122A (zh) * | 2021-02-08 | 2021-07-23 | 武汉纺织大学 | 基于图像处理的纱线条干不匀度的检测方法 |
Non-Patent Citations (1)
Title |
---|
李东洁 等: ""基于改进图像阈值分割算法的纱线疵点检测"", 《纺织学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920116A (zh) * | 2021-12-13 | 2022-01-11 | 武汉市什仔伟业勇进印务有限公司 | 基于人工智能的彩箱面纸贴合工艺智能控制方法及系统 |
CN113920116B (zh) * | 2021-12-13 | 2022-03-15 | 武汉市什仔伟业勇进印务有限公司 | 基于人工智能的彩箱面纸贴合工艺智能控制方法及系统 |
CN114166858A (zh) * | 2022-02-11 | 2022-03-11 | 海门市芳华纺织有限公司 | 基于人工智能的纺织毛刷辊划伤皮革区域检测方法 |
CN114166858B (zh) * | 2022-02-11 | 2022-04-12 | 海门市芳华纺织有限公司 | 基于人工智能的纺织毛刷辊划伤皮革区域检测方法 |
CN116288851A (zh) * | 2023-05-24 | 2023-06-23 | 江苏利华纺织有限公司 | 一种智能清纱器 |
US11993868B1 (en) * | 2023-09-15 | 2024-05-28 | Zhejiang Hengyi Petrochemical Co., Ltd. | Control method for yarn route inspection equipment, electronic device and storage medium |
Also Published As
Publication number | Publication date |
---|---|
CN113638104B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113638104B (zh) | 一种络筒机智能清纱控制方法及系统 | |
CN114897894B (zh) | 一种筒纱菊花芯缺陷检测方法 | |
CN114663435B (zh) | 一种纺织布料张力异常自动监测方法 | |
CN113724241B (zh) | 一种碳纤维经编织物的毛丝检测方法、装置和存储介质 | |
CN113658133A (zh) | 一种基于图像处理的齿轮表面缺陷检测方法及系统 | |
CN113920086B (zh) | 一种碳纤维编织过程纱线状态检测方法及装置 | |
CN115311267B (zh) | 一种格纹织物异常检测方法 | |
CN109540917B (zh) | 一种多角度模式下纱线外观特征参数提取与分析方法 | |
CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
CN116109642A (zh) | 一种碳纤维断丝缺陷检测方法、设备及存储介质 | |
CN115082458B (zh) | 一种基于灰度游程矩阵的纺织材料疵点分析方法 | |
CN111754422A (zh) | 一种基于EDLines和LSM的视觉巡边方法 | |
CN115018826B (zh) | 一种基于图像识别的织物瑕疵检测方法及系统 | |
CN113658131A (zh) | 一种基于机器视觉巡游式环锭纺断纱检测方法 | |
CN115063424B (zh) | 基于计算机视觉的纺织纱管纱线检测方法 | |
CN115294097A (zh) | 基于机器视觉的纺织品表面疵点检测方法 | |
CN113643293B (zh) | 基于人工智能的纺织毛刷辊异常区域高速定位方法 | |
CN114923912A (zh) | 一种基于机器视觉的锦纶丝饼外表面缺陷检测方法 | |
CN114998341A (zh) | 一种基于模板匹配的齿轮缺陷检测方法及系统 | |
CN117237354B (zh) | 一种纺织衣物疵点视觉检测方法 | |
CN113570598A (zh) | 基于人工智能的纺织毛刷辊磨损分析及寿命预测方法 | |
CN116563223B (zh) | 一种玻纤纱线绕罗拉检测方法、设备及存储介质 | |
TWI417437B (zh) | 紗線檢測方法 | |
CN115311278A (zh) | 一种对于纱线检测的纱线分割方法 | |
CN115035024A (zh) | 基于图像处理的纱线并捻质量评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |