CN113837126B - 一种db类纬纱纱线检测方法 - Google Patents
一种db类纬纱纱线检测方法 Download PDFInfo
- Publication number
- CN113837126B CN113837126B CN202111144779.0A CN202111144779A CN113837126B CN 113837126 B CN113837126 B CN 113837126B CN 202111144779 A CN202111144779 A CN 202111144779A CN 113837126 B CN113837126 B CN 113837126B
- Authority
- CN
- China
- Prior art keywords
- image data
- frequency domain
- channel image
- points
- frequency
- 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.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种DB类纬纱纱线检测方法,检测方法包括以下步骤:设置监控区域并采集纺织布面的彩色图片;将彩色图片的三通道图像数据分割成三幅单通道图像数据;选取B通道图像数据并将其从空间域转换为频域;在频域中去除噪声点后再转换为空间域;其中,噪声点在B通道图像数据中会更鲜艳,空间域中孤立的噪声点要比纬纱边缘轮廓点更加尖锐,亮度更高,所以转换到频域中所得的频率更大,能够选择基于一定频率的低通滤波器,来抑制高频信号,允许低频信号通过,实现噪声信号的去除;再对去除噪点后的B通道图像数据进行阈值分割,并筛选出边界点;根据边界点的连续性识别纬纱纱线。
Description
技术领域
本发明涉及碳纤维生产技术领域,尤其涉及一种DB类纬纱纱线检测方法。
背景技术
在复合材料的生产过程中,需要将碳纤丝束和玻纤丝束分别沿经向和纬向纺织成纤维织物,并浸渍树脂后热固成型。DB类纬纱纱线是在纤维织物的生产过程中,铺设一层90度方向的纬纱,但是在实际生产过程中,铺设出来的纬纱数量由于设备原因,并不能保证实际纬纱铺设数量与设定的数量保持一致,需要在生产过程中实时检测纬纱纱线的数量;由于碳纤维生产线的自动化程度较高,在长时间的持续生产中,通过人工的方式很难检测出具体的纬纱数量,且容易出现漏检情况,造成不必要的人力、物力的浪费。
鉴于上述问题的存在,本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识,积极加以研究创新,以期创设一种DB类纬纱纱线检测方法,使其更具有实用性。
发明内容
本发明的目的就是针对现有技术中存在的缺陷提供一种DB类纬纱纱线检测方法,实现纬纱纱线的识别并检测实际纬纱数量与设定数量是否一致。
为了达到上述目的,本发明所采用的技术方案是:一种DB类纬纱纱线检测方法,包括以下步骤:
S1:设置视频监控区域,在线采集纺织布面的彩色图片;
S2:将彩色图片的三通道图像数据分割成三幅单通道图像数据;
S3:选取B通道图像数据并将其从空间域转换为频域;
S4:在频域中去除噪声点后再转换为空间域;
S5:对去除噪点后的B通道图像数据进行阈值分割,并筛选出边界点;
S6:根据边界点的连续性识别纬纱纱线。
进一步的,在步骤S2中,彩色图片的三通道图像数据f (x,y) 包括R、G、B三个值,将所有像素点的B值提取出放入一个单独的图像矩阵,构成第一B通道图像数据f 1(x,y) ;
在步骤S3中根据转换算法将第一B通道图像数据f 1(x,y) 转换为第一频域图像数据F 1(u,v) ,在步骤S4中通过滤波算法去除第一频域图像数据F 1(u,v) 中的噪声点得到第二频域图像F 2(u,v) ,再根据逆转算法将第二频域图像F 2(u,v) 转换为第二B通道图像数据f 2(x,y) 。
进一步的,转换算法具体根据如下公式将第一B通道图像数据f 1(x,y) 转换为第一频域图像数据F 1(u,v) :
逆转算法根据如下公式将第二频域图像F 2(u,v) 转换为第二B通道图像数据f 2(x,y) :
其中,M,N为图像像素的分辨率,f 1(x,y) 和f 2(x,y) 为B通道图像数据在空间域中第x行第y列的像素灰度值。
进一步的,通过滤波算法去除噪声点的过程中,先根据第一频域图像数据F 1(u,v) 计算每个像素点在频域坐标系中的频率幅值D (u,v) ,并将所有像素点的频率幅值D (u,v) 带入预设滤波器H (u,v) 中去除噪声点信号得到第二频域图像F 2(u,v) 。
进一步的,根据如下公式计算像素点在频域坐标系中的频率幅值D (u,v) :
其中,R (u,v) 表示F 1(u,v) 的实部,I (u,v) 表示F 1(u,v) 的虚部。
进一步的,滤波算法通过如下公式去除第一频域图像数据F 1(u,v) 中的噪声点:
F 2(u,v) = F 1(u,v) * H (u,v) ;
其中,预设滤波器H (u,v) 设置为:
其中,D 0 为截止频率。
进一步的,在步骤S1中,当视频监控区域设置完成后,采集布面图片,确定图片中每一纬纱纱线的线宽在图片中占据像素点的个数,并确定比例参数k;
设定织物经纱方向为第一方向,纬纱方向为第二方向,第一方向与第二方向垂直设置,设置直角坐标系,其中x轴第一方向设置,y轴沿第二方向设置。
进一步的,将第二B通道图像数据f 2(x,y) 中的所有像素点放入直角坐标系中,在步骤S5中设置阈值下限为200,提取边界点形成多个连续的选定区域,在步骤S6中,若选定区域中的边界点满足第一条件:在y轴方向的连续个数大于等于(2k+1),且在x轴方向连续k个单位均满足上述第一条件,则判定该选定区域为一根纬纱纱线;
即满足f 2(i,j-k) >200,…,f 2(i,j-1) >200,f 2(i,j) >200,f 2(i,j+1) >200,…, f 2(i,j+k) >200,且满足f 2(i-k+1,j-k) >200,…,f 2(i-k+1,j-1) >200,f 2(i-k+1,j) >200,f 2(i-k+1,j+1) >200,…, f 2(i-k+1,j+k) >200,或者f 2(i+k-1,j-k) >200,…,f 2(i+k-1,j-1) >200,f 2(i+k-1,j) >200,f 2(i+k-1,j+1) >200,…, f 2(i+k-1,j+k) >200,则判定在x轴区间[i-k+1,i]或者[i,i+k-1]中的所有像素点表示一根纬纱纱线。
本发明的有益效果为:
在本发明中,将采集到的三通道图像数据分割为三个单通道图像数据,并选取B通道图像数据将其转换至频域图像中去除噪声点,噪声点在B通道图像数据中会更鲜艳,虽然在采集图片中纬纱纱线和噪声点均呈现白色,但是在空间域中孤立的噪声点要比纬纱边缘轮廓点更加尖锐,亮度更高,所以转换到频域中所得的频率更大,因此选择基于一定频率的低通滤波器,来抑制高频信号,允许低频信号通过,实现噪声信号的去除;
在排除噪声点的干扰后,对去除噪点后的B通道图像数据进行阈值分割,并进一步根据满足条件像素点的连续性筛选出每一根纬纱纱线,便于识别图片中纬纱纱线的个数与设定数值是否一致。
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中记载的一些实施例,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为本发明实施例中DB类纬纱纱线检测方法的框架示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
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。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明公开了一种纬纱纱线检测方法,应用于纤维织物的生产过程中DB类纬纱纱线的识别,DB类纬纱纱线是铺设一层90度方向的纬纱,与经纱方向垂直。在实际检测中,沿纬纱方向在织物布面上方设置多个检测相机,通过分析采集的图片对大宽幅布面上的纬纱纱线数量进行检测,看是否与设定数量相同,检测的关键在于每一根纬纱纱线的识别。
如图1所示的DB类纬纱纱线检测方法的框架示意图,包括以下步骤:S1:设置视频监控区域,在线采集纺织布面的彩色图片;S2:将彩色图片的三通道图像数据分割成三幅单通道图像数据;S3:选取B通道图像数据并将其从空间域转换为频域;S4:在频域中去除噪声点后再转换为空间域S5:对去除噪点后的B通道图像数据进行阈值分割,并筛选出边界点;S6:根据边界点的连续性识别纬纱纱线。
在本发明中,将采集到的三通道图像数据分割为三个单通道图像数据,并选取B通道图像数据将其转换至频域图像中去除噪声点,噪声点在B通道图像数据中会更鲜艳,虽然在采集图片中纬纱纱线和噪声点均呈现白色,但是在空间域中孤立的噪声点要比纬纱边缘轮廓点更加尖锐,亮度更高,所以转换到频域中所得的频率更大,因此选择基于一定频率的低通滤波器,来抑制高频信号,允许低频信号通过,实现噪声信号的去除;
在排除噪声点的干扰后,对去除噪点后的B通道图像数据进行阈值分割,并进一步根据满足条件像素点的连续性筛选出每一根纬纱纱线,便于识别图片中纬纱纱线的个数与设定数值是否一致。
进一步的,在步骤S2中,彩色图片的三通道图像数据f (x,y) 包括R、G、B三个值,将所有像素点的B值提取出放入一个单独的图像矩阵,构成第一B通道图像数据f 1(x,y) ;
在步骤S3中根据转换算法将第一B通道图像数据f 1(x,y) 转换为第一频域图像数据F 1(u,v) ,在步骤S4中通过滤波算法去除第一频域图像数据F 1(u,v) 中的噪声点得到第二频域图像F 2(u,v) ,再根据逆转算法将第二频域图像F 2(u,v) 转换为第二B通道图像数据f 2(x,y) 。
通过检测相机采集到的织物布面图片,图片中纬纱纱线为玻纤丝束,干扰噪声点与纬纱的颜色均呈现白色,而噪声点在B通道图像数据中会更鲜艳,所以转换到频域中所得的频率也更大,设低通滤波器来抑制噪声点的高频信号,实现图片中干扰噪声点的去除。
在B通道图像数据的空间域和频域的相互转换过程中,转换算法具体根据如下公式将第一B通道图像数据f 1(x,y) 转换为第一频域图像数据F 1(u,v) :
逆转算法根据如下公式将第二频域图像F 2(u,v) 转换为第二B通道图像数据f 2(x,y) :
其中,M,N为图像像素的分辨率,f 1(x,y) 和f 2(x,y) 为B通道图像数据在空间域中第x行第y列的像素灰度值。
在本发明步骤S4中,在频域中具体通过滤波算法去除噪声点的过程中,先根据第一频域图像数据F 1(u,v) 计算每个像素点在频域坐标系中的频率幅值D (u,v) ,并将所有像素点的频率幅值D (u,v) 带入预设滤波器H (u,v) 中去除噪声点信号得到第二频域图像F 2(u,v) 。
具体的,根据如下公式计算像素点在频域坐标系中的频率幅值D (u,v) :
其中,R (u,v) 表示F 1(u,v) 的实部,I (u,v) 表示F 1(u,v) 的虚部。
进一步,滤波算法通过如下公式去除第一频域图像数据F 1(u,v) 中的噪声点:
F 2(u,v) = F 1(u,v) * H (u,v) ;
其中,预设滤波器H (u,v) 设置为:
其中,D 0 为截止频率。
在完成上述步骤后,新得到的第二B通道图像数据f 2(x,y) 中高频信号只有纬纱纱线,孤立的噪声点均被去除,便于对纬纱纱线的识别检测。
在本发明步骤S1中,当视频监控区域设置完成后,采集布面图片,确定图片中每一纬纱纱线的线宽在图片中占据像素点的个数,并确定比例参数k;
设定织物经纱方向为第一方向,纬纱方向为第二方向,第一方向与第二方向垂直设置,设置直角坐标系,其中x轴第一方向设置,y轴沿第二方向设置。
在步骤S6中需要根据预设的边界点连续条件,筛选出每一根纬纱的区域,具体的,将第二B通道图像数据f 2(x,y) 中的所有像素点放入直角坐标系中,在步骤S5中设置阈值下限为200,提取边界点形成多个连续的选定区域,在步骤S6中,若选定区域中的边界点满足第一条件:在y轴方向的连续个数大于等于(2k+1),且在x轴方向连续k个单位均满足上述第一条件,则判定该选定区域为一根纬纱纱线;
即满足f 2(i,j-k) >200,…,f 2(i,j-1) >200,f 2(i,j) >200,f 2(i,j+1) >200,…, f 2(i,j+k) >200,且满足f 2(i-k+1,j-k) >200,…,f 2(i-k+1,j-1) >200,f 2(i-k+1,j) >200,f 2(i-k+1,j+1) >200,…, f 2(i-k+1,j+k) >200,或者f 2(i+k-1,j-k) >200,…,f 2(i+k-1,j-1) >200,f 2(i+k-1,j) >200,f 2(i+k-1,j+1) >200,…, f 2(i+k-1,j+k) >200,则判定在x轴区间[i-k+1,i]或者[i,i+k-1]中的所有像素点表示一根纬纱纱线。
提取识别出符合条件的纬纱纱线个数,再与设定数量对比,判定生产中实际纬纱铺纬数量是否会影响最终纤维织物的质量。
本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种DB类纬纱纱线检测方法,其特征在于,包括以下步骤:
S1:设置视频监控区域,在线采集纺织布面的彩色图片;
S2:将彩色图片的三通道图像数据分割成三幅单通道图像数据;
S3:选取B通道图像数据并将其从空间域转换为频域;
S4:在频域中去除噪声点后再转换为空间域;
S5:对去除噪点后的B通道图像数据进行阈值分割,并筛选出边界点;
S6:根据边界点的连续性识别纬纱纱线;
在步骤S2中,彩色图片的三通道图像数据f (x,y) 包括R、G、B三个值,将所有像素点的B值提取出放入一个单独的图像矩阵,构成第一B通道图像数据f 1(x,y) ;
在步骤S3中根据转换算法将第一B通道图像数据f 1(x,y) 转换为第一频域图像数据F 1(u,v) ,在步骤S4中通过滤波算法去除第一频域图像数据F 1(u,v) 中的噪声点得到第二频域图像F 2(u,v) ,再根据逆转算法将第二频域图像F 2(u,v) 转换为第二B通道图像数据f 2(x,y) ;
在步骤S1中,当视频监控区域设置完成后,采集布面图片,确定图片中每一纬纱纱线的线宽在图片中占据像素点的个数,并确定比例参数k;
设定织物经纱方向为第一方向,纬纱方向为第二方向,第一方向与第二方向垂直设置,设置直角坐标系,其中x轴第一方向设置,y轴沿第二方向设置;
将第二B通道图像数据f 2(x,y) 中的所有像素点放入直角坐标系中,在步骤S5中设置阈值下限为200,提取边界点形成多个连续的选定区域,在步骤S6中,若选定区域中的边界点满足第一条件:在y轴方向的连续个数大于等于(2k+1),且在x轴方向连续k个单位均满足上述第一条件,则判定该选定区域为一根纬纱纱线;
即满足f 2(i,j-k) >200,…,f 2(i,j-1) >200,f 2(i,j) >200,f 2(i,j+1) >200,…, f 2(i,j+k) >200,且满足f 2(i-k+1,j-k) >200,…,f 2(i-k+1,j-1) >200,f 2(i-k+1,j) >200,f 2(i-k+1,j+1) >200,…, f 2(i-k+1,j+k) >200,或者f 2(i+k-1,j-k) >200,…,f 2(i+k-1,j-1) >200,f 2(i+k-1,j) >200,f 2(i+k-1,j+1) >200,…, f 2(i+k-1,j+k) >200,则判定在x轴区间[i-k+1,i]或者[i,i+k-1]中的所有像素点表示一根纬纱纱线。
3.根据权利要求1所述的DB类纬纱纱线检测方法,其特征在于,通过滤波算法去除噪声点的过程中,先根据第一频域图像数据F 1(u,v) 计算每个像素点在频域坐标系中的频率幅值D (u,v) ,并将所有像素点的频率幅值D (u,v) 带入预设滤波器H (u,v) 中去除噪声点信号得到第二频域图像F 2(u,v) 。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144779.0A CN113837126B (zh) | 2021-09-28 | 2021-09-28 | 一种db类纬纱纱线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144779.0A CN113837126B (zh) | 2021-09-28 | 2021-09-28 | 一种db类纬纱纱线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837126A CN113837126A (zh) | 2021-12-24 |
CN113837126B true CN113837126B (zh) | 2022-08-02 |
Family
ID=78967064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111144779.0A Active CN113837126B (zh) | 2021-09-28 | 2021-09-28 | 一种db类纬纱纱线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837126B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523540A (zh) * | 2018-11-23 | 2019-03-26 | 南京邮电大学 | 基于霍夫变换的纱线断头检测方法 |
CN109685766A (zh) * | 2018-11-23 | 2019-04-26 | 江苏大学 | 一种基于区域融合特征的布匹瑕疵检测方法 |
CN110009653A (zh) * | 2019-03-12 | 2019-07-12 | 江苏理工学院 | 基于灰度阈值分割法增加边缘识别点准确图像识别的方法 |
CN110298840A (zh) * | 2019-07-10 | 2019-10-01 | 哈尔滨理工大学 | 一种基于图像的纱线缺陷检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100667803B1 (ko) * | 2005-06-21 | 2007-01-11 | 삼성전자주식회사 | 컬러 채널 상호간의 특성을 고려한 컬러 잡음 제거 방법 및장치 |
EP2808841A1 (en) * | 2013-05-31 | 2014-12-03 | Thomson Licensing | Method and apparatus for generating a noise profile of noise in an image sequence |
CN105144232B (zh) * | 2014-03-25 | 2017-09-08 | 展讯通信(上海)有限公司 | 图像去噪方法和系统 |
US9563939B2 (en) * | 2014-12-30 | 2017-02-07 | Huazhong University Of Science And Technology | De-noising system for remote images of ground buildings using spectrum constraints and de-noising method thereof |
-
2021
- 2021-09-28 CN CN202111144779.0A patent/CN113837126B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523540A (zh) * | 2018-11-23 | 2019-03-26 | 南京邮电大学 | 基于霍夫变换的纱线断头检测方法 |
CN109685766A (zh) * | 2018-11-23 | 2019-04-26 | 江苏大学 | 一种基于区域融合特征的布匹瑕疵检测方法 |
CN110009653A (zh) * | 2019-03-12 | 2019-07-12 | 江苏理工学院 | 基于灰度阈值分割法增加边缘识别点准确图像识别的方法 |
CN110298840A (zh) * | 2019-07-10 | 2019-10-01 | 哈尔滨理工大学 | 一种基于图像的纱线缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
单色经纱或纬纱排列的自动识别算法;侯春煦 等;《天津工业大学学报》;20061030(第05期);全文 * |
基于NSST和改进数学形态学的遥感图像目标边缘提取;吴诗婳 等;《图学学报》;20170815(第04期);全文 * |
彩色图像的织物组织自动识别;吴海虹 等;《计算机辅助设计与图形学学报》;20050820(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837126A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | Automatic recognition of fabric weave patterns by digital image analysis | |
CN113592867B (zh) | 一种基于碳纤维布面残留捆绑纱的检测方法 | |
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 | |
CN111179232A (zh) | 基于图像处理的钢筋尺寸检测系统及方法 | |
CN115330784B (zh) | 一种布匹表面缺陷检测方法 | |
CN113592868A (zh) | 一种玻纤布面黑灰检测方法 | |
CN113870233B (zh) | 一种捆绑纱检测方法、计算机设备及存储介质 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN113838038A (zh) | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 | |
CN116152133A (zh) | 基于人工智能的混纺缺陷检测方法 | |
CN113781447B (zh) | 一种基于碳纤维的纬纱间隙检测方法、设备及存储介质 | |
CN108364282B (zh) | 图像马赛克检测方法、图像马赛克检测系统 | |
CN116109642B (zh) | 一种碳纤维断丝缺陷检测方法、设备及存储介质 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN106780597A (zh) | 一种基于图像处理对纤维增强复合材料中纤维特征的提取方法 | |
CN114998321A (zh) | 一种基于光学手段的纺织材料表面毛羽程度识别方法 | |
CN113837126B (zh) | 一种db类纬纱纱线检测方法 | |
CN113780185A (zh) | 一种基于碳纤维的纬纱角度检测方法、设备及存储介质 | |
CN113935962B (zh) | 一种玻纤布的毛团检测方法 | |
CN113706521A (zh) | 碳纤维表面毛团检测方法、装置、存储介质和电子设备 | |
CN108898561A (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
CN114913180B (zh) | 一种棉布筘痕缺陷的智能检测方法 | |
CN114897788B (zh) | 一种基于引导滤波及离散差分的纱线卷装毛羽检测方法 | |
Jeffrey Kuo et al. | Self-organizing map network for automatically recognizing color texture fabric nature | |
CN110857921A (zh) | 一种卷装长丝的毛丝缺陷检测方法 |
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 |