CN113870233B - 一种捆绑纱检测方法、计算机设备及存储介质 - Google Patents

一种捆绑纱检测方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN113870233B
CN113870233B CN202111164929.4A CN202111164929A CN113870233B CN 113870233 B CN113870233 B CN 113870233B CN 202111164929 A CN202111164929 A CN 202111164929A CN 113870233 B CN113870233 B CN 113870233B
Authority
CN
China
Prior art keywords
image
value
gray
uniform image
gray value
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
Application number
CN202111164929.4A
Other languages
English (en)
Other versions
CN113870233A (zh
Inventor
谈昆伦
季小强
刘时海
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.)
Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Original Assignee
Changzhou Hongfa Zongheng Advanced Material 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 Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd filed Critical Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Priority to CN202111164929.4A priority Critical patent/CN113870233B/zh
Publication of CN113870233A publication Critical patent/CN113870233A/zh
Application granted granted Critical
Publication of CN113870233B publication Critical patent/CN113870233B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及复合材料技术领域,尤其涉及一种捆绑纱检测方法、计算机设备及存储介质,其中方法包括:采集图像,在布面背面通过相机进行拍摄,得到布面图像数据;均匀图像,生成一个与布面图像大小相同的渐变图像,渐变图像上像素点的灰度值从左至右,从上至下逐渐增大,将布面图像中每个像素点的灰度值与渐变图像上对应像素点灰度值的比值加上第一亮度补偿值,得到一个均匀图像;边缘点提取,将均匀图像上灰度值大于第一阈值的像素点标记为边缘点,并进行提取;断纱检测,根据提取出的边缘点,计算出相邻两捆绑纱的间距,若间距大于第二阈值,则判断存在断纱。本发明中,避免了光线的不均匀带来的影响,识别快速精准。

Description

一种捆绑纱检测方法、计算机设备及存储介质
技术领域
本发明涉及复合材料技术领域,尤其涉及一种捆绑纱检测方法、计算机设备及存储介质。
背景技术
玻纤是以玻璃球或废旧玻璃为原料经高温熔制、拉丝、络纱、织布等工艺制造成的,是非常好的金属替代材料,在建筑、船舶、化工管道、汽车、航空、风力发电等领域有着广阔的应用前景,并且其应用领域仍在不断拓展,全球市场空间巨大。
在玻纤布面生产的过程中,有时候上面编织的捆绑纱会出现断纱的情况,从而严重影响布面的生产质量,传统的检测方式只能通过人工检测,检测效率低下,增加了人力成本。而如果使用视觉检测,由于玻纤布与捆绑纱的颜色相近,在布面正面难以判断捆绑纱,只能从布面背面去检测,但是由于生产设备的构造,在布面背面存在压辊之类的结构,对光线进行部分的遮挡,使得采集的图像有时候会造成左右亮度不均匀,对后续检测带来了困难。
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,并配合学理的运用,积极加以研究创新,以期创设一种捆绑纱检测方法、计算机设备及存储介质,使其更具有实用性。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提供了一种捆绑纱检测方法、计算机设备及存储介质,从而有效解决背景技术中的问题。
为了达到上述目的,本发明所采用的技术方案是:一种捆绑纱检测方法,包括:
采集图像,在布面背面通过相机进行拍摄,得到布面图像数据;
均匀图像,生成一个与所述布面图像大小相同的渐变图像,所述渐变图像上像素点的灰度值从左至右,从上至下逐渐增大,将所述布面图像中每个像素点的灰度值与所述渐变图像上对应像素点灰度值的比值加上第一亮度补偿值,得到一个均匀图像;
边缘点提取,将所述均匀图像上灰度值大于第一阈值的像素点标记为边缘点,并进行提取;
断纱检测,根据提取出的所述边缘点,计算出相邻两捆绑纱的间距,若间距大于第二阈值,则判断存在断纱。
进一步地,所述边缘点提取之前,对所述均匀图像进行滤波,去除所述均匀图像上噪声。
进一步地,对所述均匀图像进行滤波时,使用均值滤波模板M与所述均匀图像进行卷积,所述均值滤波模板M为:
Figure DEST_PATH_IMAGE001
进一步地,所述布面图像大小为
Figure 199556DEST_PATH_IMAGE002
,所述渐变图像为G
Figure DEST_PATH_IMAGE003
其中,
Figure 534722DEST_PATH_IMAGE004
为所述渐变图像G中第u行第v列的像素点灰度值,
Figure DEST_PATH_IMAGE005
Figure 201327DEST_PATH_IMAGE006
Mean为第二亮度补偿值。
进一步地,所述均匀图像为H,
Figure DEST_PATH_IMAGE007
其中,
Figure 217824DEST_PATH_IMAGE008
为所述均匀图像H中第u行第v列的像素点灰度值,
Figure DEST_PATH_IMAGE009
为所述布面图像中第u行第v列的像素点灰度值,
Figure 653485DEST_PATH_IMAGE010
为所述第一亮度补偿值。
进一步地,所述边缘点提取时,对所述第一阈值S的确定步骤包括:
统计所述均匀图像上灰度级数i,所述灰度级数i为所述均匀图像上所有像素点存在的灰度值;
循环遍历所有i的可能值,以i为分割点,用阈值法将所述均匀图像上像素点分为灰度值为0~i的前景和i~255的背景,分别计算出所述前景所占所述均匀图像的比例W 1 、所述背景所占所述均匀图像的比例W 2 、所述前景中所有像素点灰度值的平均值U 1 和所述背景中所有像素点灰度值的平均值U 2
计算当前i下的类间方差D
Figure DEST_PATH_IMAGE011
分别计算出所有i的可能值对应的类间方差D 1 ~D p ,在D 1 ~D p 中找出最大值对应的imax,所述imax即为所述第一阈值S
进一步地,所述边缘点提取时,所述边缘点为imax对应的所述背景中像素点。
进一步地,所述断纱检测中,若在同一列中存在连续三个像素点为所述背景中像素点,判断此列为一捆绑纱所在列,找出所有捆绑纱所在列,计算两相邻捆绑纱所在列的间距,判断是否大于所述第二阈值。
本发明还包括一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,进一步地,所述处理器执行所述计算机程序时,实现如上述的方法。
本发明还包括一种存储介质,其上存储有计算机程序,进一步地,该计算机程序被处理器执行时实现如上所述的方法。
本发明的有益效果为:本发明中通过采集图像、均匀图像、边缘点提取和断纱检测,在玻纤布面背面进行拍摄,且生成渐变图像与布面图像进行处理,将布面图像中每个像素点的灰度值与渐变图像上对应像素点灰度值的比值加上第一亮度补偿值,得到均匀图像,对由于压辊等结构造成的左边暗,右边亮的原布面图像进行亮度的统一,使得图像数据中的亮度均匀化,从而为后续的边缘点提取和断纱检测提供了便利,避免了光线的不均匀带来的影响,识别快速精准。
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为本发明的流程图;
图2为计算机设备的结构示意图。
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。
如图1所示:一种捆绑纱检测方法,包括:
采集图像,在布面背面通过相机进行拍摄,得到布面图像数据;
均匀图像,生成一个与布面图像大小相同的渐变图像,渐变图像上像素点的灰度值从左至右,从上至下逐渐增大,将布面图像中每个像素点的灰度值与渐变图像上对应像素点灰度值的比值加上第一亮度补偿值,得到一个均匀图像;
边缘点提取,将均匀图像上灰度值大于第一阈值的像素点标记为边缘点,并进行提取;
断纱检测,根据提取出的边缘点,计算出相邻两捆绑纱的间距,若间距大于第二阈值,则判断存在断纱。
通过采集图像、均匀图像、边缘点提取和断纱检测,在玻纤布面背面进行拍摄,且生成渐变图像与布面图像进行处理,将布面图像中每个像素点的灰度值与渐变图像上对应像素点灰度值的比值加上第一亮度补偿值,得到均匀图像,对由于压辊等结构造成的左边暗,右边亮的原布面图像进行亮度的统一,使得图像数据中的亮度均匀化,从而为后续的边缘点提取和断纱检测提供了便利,避免了光线的不均匀带来的影响,识别快速精准。
在本实施例中,边缘点提取之前,对均匀图像进行滤波,去除均匀图像上噪声。对均匀图像进行滤波时,使用均值滤波模板M与均匀图像进行卷积,均值滤波模板M为:
Figure 861350DEST_PATH_IMAGE001
通过均值滤波的方法,可以有效的去除图像数据中孤立的噪声点,避免了噪声点对后续的识别造成影响,提高检测精度。
在生成渐变图像时,布面图像大小为
Figure 811988DEST_PATH_IMAGE002
,渐变图像为G
Figure 632177DEST_PATH_IMAGE003
其中,
Figure 984661DEST_PATH_IMAGE004
为渐变图像G中第u行第v列的像素点灰度值,
Figure 927209DEST_PATH_IMAGE005
Figure 302827DEST_PATH_IMAGE012
Mean为第二亮度补偿值。通过上面的算法,对渐变图像中每个像素点的灰度值进行确定,从而实现了渐变图像中像素点的灰度值从左至右,从上至下逐渐增大。
均匀图像为H,
Figure DEST_PATH_IMAGE013
其中,
Figure 661127DEST_PATH_IMAGE014
为均匀图像H中第u行第v列的像素点灰度值,
Figure DEST_PATH_IMAGE015
为布面图像中第u行第v列的像素点灰度值,
Figure 575774DEST_PATH_IMAGE016
为第一亮度补偿值。
由于得到的布面图像中像素点的灰度值并不像渐变图像中灰度值的变化非常均匀,所以在对布面图像中每个像素点的灰度值与渐变图像上对应像素点灰度值进行比值之后,再加上一个第一亮度补偿值,减小其亮度不均匀带来的影响,使得亮度值之间的差异变小,能够更好的对后续的边缘点进行提取。
由于直接设定一个阈值来对边缘点进行确定,这样的提取方法太依赖于光线的亮度,如果亮度较高就需要将阈值调大一些,如果亮度较低就需要将阈值调小一些,鲁棒性不是很好,也不具有普适性。
所以在边缘点提取时,对第一阈值S的确定步骤包括:
统计均匀图像上灰度级数i,灰度级数i为均匀图像上所有像素点存在的灰度值;如一张图像中在灰度值0~255都有像素点存在,则灰度级数i即为0~255,若图像中灰度值0~16不存在对应的像素点,则此时灰度级数即为17~255。
循环遍历所有i的可能值,以i为分割点,用阈值法将均匀图像上像素点分为灰度值为0~i的前景和i~255的背景,分别计算出前景所占均匀图像的比例W 1 、背景所占均匀图像的比例W 2 、前景中所有像素点灰度值的平均值U 1 和背景中所有像素点灰度值的平均值U 2
计算当前i下的类间方差D
Figure DEST_PATH_IMAGE017
分别计算出所有i的可能值对应的类间方差D 1 ~D p ,在D 1 ~D p 中找出最大值对应的imaximax即为第一阈值S
通过上述的方法对第一阈值S的值进行确定,从而能够找出最佳的灰度阈值,无需考虑光线强弱的变化带来的影响,当光线发生变化时,此时第一阈值也能够对应发生变化,且为最佳值,使得对捆绑纱的检测方法具有普遍性和通用性。
在边缘点提取时,由于灰度值大于第一阈值的像素点标记为边缘点,在确定了第一阈值S后,均匀图像上像素点分为灰度值为0~i的前景和i~255的背景,所以边缘点即为imax对应的背景中像素点,无需再去对边缘点进行提取,节省了识别的时间。
最后,断纱检测中,捆绑纱都是竖直设置的,若在同一列中存在连续三个像素点为背景中像素点,如(x,y)为背景中的像素点,(x,y+1)和(x,y+2)也是背景中的像素点,即可判断此列为一捆绑纱所在列,使用这种方法找出所有捆绑纱所在列,计算两相邻捆绑纱所在列的间距,判断是否大于第二阈值,第二阈值可以通过捆绑纱设置的间距和布面图像上图像的大小来进行设定,若相邻两捆绑纱所在列的间距大于第二阈值,说明这两列的捆绑纱之间原本还存在一列捆绑纱,但是此捆绑纱发生了断纱。
请参见图2示出的本申请实施例提供的计算机设备的结构示意图。本申请实施例提供的一种计算机设备400,包括:处理器410和存储器420,存储器420存储有处理器410可执行的计算机程序,计算机程序被处理器410执行时执行如上的方法。
本申请实施例还提供了一种存储介质430,该存储介质430上存储有计算机程序,该计算机程序被处理器410运行时执行如上的方法。
其中,存储介质430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种捆绑纱检测方法,其特征在于,包括如下步骤:
采集图像,在布面背面通过相机进行拍摄,得到布面图像数据;
均匀图像,生成一个与所述布面图像大小相同的渐变图像,所述渐变图像上像素点的灰度值从左至右,从上至下逐渐增大,将所述布面图像中每个像素点的灰度值与所述渐变图像上对应像素点灰度值的比值加上第一亮度补偿值,得到一个均匀图像;
边缘点提取,将所述均匀图像上灰度值大于第一阈值的像素点标记为边缘点,并进行提取;
断纱检测,根据提取出的所述边缘点,计算出相邻两捆绑纱的间距,若间距大于第二阈值,则判断存在断纱。
2.根据权利要求1所述的捆绑纱检测方法,其特征在于,所述边缘点提取之前,对所述均匀图像进行滤波,去除所述均匀图像上噪声。
3.根据权利要求2所述的捆绑纱检测方法,其特征在于,对所述均匀图像进行滤波时,使用均值滤波模板M与所述均匀图像进行卷积,所述均值滤波模板M为:
Figure 253796DEST_PATH_IMAGE002
4.根据权利要求1所述的捆绑纱检测方法,其特征在于,所述布面图像大小为
Figure 170936DEST_PATH_IMAGE004
,所述渐变图像为G
Figure 12990DEST_PATH_IMAGE006
其中,
Figure 408200DEST_PATH_IMAGE008
为所述渐变图像G中第u行第v列的像素点灰度值,
Figure 222572DEST_PATH_IMAGE010
Figure 356619DEST_PATH_IMAGE012
Mean为第二亮度补偿值。
5.根据权利要求4所述的捆绑纱检测方法,其特征在于,所述均匀图像为H,
Figure 623652DEST_PATH_IMAGE014
其中,
Figure 884869DEST_PATH_IMAGE016
为所述均匀图像H中第u行第v列的像素点灰度值,
Figure 553748DEST_PATH_IMAGE018
为所述布面图像中第u行第v列的像素点灰度值,
Figure 360161DEST_PATH_IMAGE020
为所述第一亮度补偿值。
6.根据权利要求1所述的捆绑纱检测方法,其特征在于,所述边缘点提取时,对所述第一阈值S的确定步骤包括:
统计所述均匀图像上灰度级数i,所述灰度级数i为所述均匀图像上所有像素点存在的灰度值;
循环遍历所有i的可能值,以i为分割点,用阈值法将所述均匀图像上像素点分为灰度值为0~i的前景和i~255的背景,分别计算出所述前景所占所述均匀图像的比例W 1 、所述背景所占所述均匀图像的比例W 2 、所述前景中所有像素点灰度值的平均值U 1 和所述背景中所有像素点灰度值的平均值U 2
计算当前i下的类间方差D
Figure 114490DEST_PATH_IMAGE022
分别计算出所有i的可能值对应的类间方差D 1 ~D p ,在D 1 ~D p 中找出最大值对应的imax,所述imax即为所述第一阈值S
7.根据权利要求6所述的捆绑纱检测方法,其特征在于,所述边缘点提取时,所述边缘点为imax对应的所述背景中像素点。
8.根据权利要求7所述的捆绑纱检测方法,其特征在于,所述断纱检测中,若在同一列中存在连续三个像素点为所述背景中像素点,判断此列为一捆绑纱所在列,找出所有捆绑纱所在列,计算两相邻捆绑纱所在列的间距,判断是否大于所述第二阈值。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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1-8中任一项所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
CN202111164929.4A 2021-09-30 2021-09-30 一种捆绑纱检测方法、计算机设备及存储介质 Active CN113870233B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111164929.4A CN113870233B (zh) 2021-09-30 2021-09-30 一种捆绑纱检测方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111164929.4A CN113870233B (zh) 2021-09-30 2021-09-30 一种捆绑纱检测方法、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN113870233A CN113870233A (zh) 2021-12-31
CN113870233B true CN113870233B (zh) 2022-07-15

Family

ID=79001545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111164929.4A Active CN113870233B (zh) 2021-09-30 2021-09-30 一种捆绑纱检测方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN113870233B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581404B (zh) * 2022-03-03 2022-08-30 常州市宏发纵横新材料科技股份有限公司 一种用于交织捆绑纱的断丝检测方法
CN114998268B (zh) * 2022-06-07 2022-11-25 常州市新创智能科技有限公司 一种花边捆绑纱并丝断丝的检测方法及装置
CN115100144B (zh) * 2022-06-23 2023-04-07 常州市新创智能科技有限公司 一种玻纤布生产过程中的碎屑检测方法及装置
CN116596802B (zh) * 2023-06-08 2023-10-24 常州市宏发纵横新材料科技股份有限公司 一种复杂背景下的捆绑纱提取方法、装置、设备及介质
CN117670843B (zh) * 2023-12-07 2024-05-24 常州市宏发纵横新材料科技股份有限公司 一种彩色纱线断纱检测方法、装置、设备及存储介质

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060106123A (ko) * 2005-04-06 2006-10-12 삼성에스디아이 주식회사 전자방출패널의 화소간 균일도 보상방법 및 그 장치
CN102411775B (zh) * 2011-08-10 2015-02-11 Tcl集团股份有限公司 一种校正文本图像亮度的方法和系统
CN103074717B (zh) * 2012-12-12 2016-04-20 江南大学 一种非接触式氨纶整经断头检测方法
CN104077773A (zh) * 2014-06-23 2014-10-01 北京京东方视讯科技有限公司 图像边缘检测方法、图像目标识别方法及装置
TWI603074B (zh) * 2015-07-03 2017-10-21 元智大學 光學薄膜缺陷辨識方法及其系統
CN105046700B (zh) * 2015-07-09 2018-03-09 北京农业智能装备技术研究中心 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统
CN105241638A (zh) * 2015-09-09 2016-01-13 重庆平伟光电科技有限公司 基于视觉的led模块亮度均匀性快速检测方法
CN208188372U (zh) * 2018-05-10 2018-12-04 宋潇 纱线运动检测传感器
CN108876738A (zh) * 2018-06-08 2018-11-23 陕西师范大学 一种基于伽马校正的sar单景图像内部亮度补偿方法
CN109510948B (zh) * 2018-09-30 2020-11-17 先临三维科技股份有限公司 曝光调整方法、装置、计算机设备和存储介质
CN110443807A (zh) * 2019-06-27 2019-11-12 中国地质大学(武汉) 一种基于亮度均衡的光照不均匀图像阈值分割方法
CN112700375A (zh) * 2019-10-22 2021-04-23 杭州三坛医疗科技有限公司 一种光照补偿方法及装置
CN111681256B (zh) * 2020-05-07 2023-08-18 浙江大华技术股份有限公司 图像边缘检测方法、装置、计算机设备和可读存储介质
CN112950657B (zh) * 2021-03-29 2024-10-01 合肥京东方显示技术有限公司 伽马值校正方法及其装置、电子装置和可读存储介质
CN112991378B (zh) * 2021-05-10 2021-09-14 恒银金融科技股份有限公司 一种基于灰度分布极化与均化的背景分离方法

Also Published As

Publication number Publication date
CN113870233A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
CN113870233B (zh) 一种捆绑纱检测方法、计算机设备及存储介质
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN108876743B (zh) 一种图像快速去雾方法、系统、终端及存储介质
CN107240084B (zh) 一种单幅图像去雨方法及装置
CN116152133B (zh) 基于人工智能的混纺缺陷检测方法
CN111932510B (zh) 一种图像清晰度的确定方法及装置
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
CN113838038B (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
DE102011102002A1 (de) Verfahren zur Rauschentfernung und Nachtsichtsystem unter Verwendung desselben
CN110223305B (zh) 细胞分割方法、装置及可读存储介质
CN113012157B (zh) 一种设备缺陷视觉检测方法及系统
CN113724257A (zh) 一种碳板灰色污点检测方法、计算机设备及存储介质
CN111598918B (zh) 一种基于参考帧优选和前后景分离的视频稳像运动估计方法
CN113780185B (zh) 一种基于碳纤维的纬纱角度检测方法、设备及存储介质
CN114004834B (zh) 一种图像处理中的雾天情况分析方法、设备及装置
CN116664565A (zh) 一种光伏太阳能电池片的隐裂检测方法及系统
CN114004850A (zh) 一种天空分割方法、图像去雾方法、电子设备和存储介质
CN114155173A (zh) 一种图像去雾方法、设备及非易失性存储介质
CN116156157B (zh) 一种摄像头遮挡异常的检测方法及电子设备
CN110246139A (zh) 基于双阈值的浮游生物原位图像roi快速提取方法
CN117745702A (zh) 一种碳纤维布面横条检测方法、装置、设备及存储介质
CN105608683A (zh) 一种单幅图像去雾方法
CN113837184B (zh) 一种蚊虫检测方法、设备及存储介质
CN107194882A (zh) 一种钢丝绳芯输送带x光图像矫正与增强的方法
CN114066881B (zh) 一种基于非线性变换检测方法、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant