CN113920086B - 一种碳纤维编织过程纱线状态检测方法及装置 - Google Patents

一种碳纤维编织过程纱线状态检测方法及装置 Download PDF

Info

Publication number
CN113920086B
CN113920086B CN202111175225.7A CN202111175225A CN113920086B CN 113920086 B CN113920086 B CN 113920086B CN 202111175225 A CN202111175225 A CN 202111175225A CN 113920086 B CN113920086 B CN 113920086B
Authority
CN
China
Prior art keywords
yarn
image
carbon fiber
target 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
CN202111175225.7A
Other languages
English (en)
Other versions
CN113920086A (zh
Inventor
杨跃国
窦海
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.)
Yunlu Composites Materials Shanghai Co Ltd
Original Assignee
Yunlu Composites Materials Shanghai 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 Yunlu Composites Materials Shanghai Co Ltd filed Critical Yunlu Composites Materials Shanghai Co Ltd
Priority to CN202111175225.7A priority Critical patent/CN113920086B/zh
Publication of CN113920086A publication Critical patent/CN113920086A/zh
Application granted granted Critical
Publication of CN113920086B publication Critical patent/CN113920086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T2207/10024—Color 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及一种碳纤维编织过程纱线状态检测方法及装置。其方法包括：采集碳纤维编织设备上编织锭子的原始图像；对所述原始图像进行预处理，以得到预处理后的目标图像；根据所述目标图像对所述纱线是否发生断裂进行识别、根据所述目标图像对所述纱线是否发生缠绕进行识别，以及根据所述目标图像对所述纱线是否产生纤维环进行识别；依据识别结果获得碳纤维编织过程中的纱线状态。本发明所提供的碳纤维编织过程纱线状态检测方法通过获取编织锭子的相关图像，然后基于该图像对纱线断裂、缠绕和产生纤维环等状态的识别，实现了对纱线状态的有效检测，避免了传统采用传感器进行检测失准的缺陷，填补了现有技术的空白。

Description

一种碳纤维编织过程纱线状态检测方法及装置
技术领域
本发明涉及纱线状态检测领域，尤其涉及一种碳纤维编织过程纱线状态检测方法及装置。
背景技术
当前对于编织过程的纱线检测主要分为人工检测和非人工检测。大部分编织企业采用人工方式对编织过程中发生的纱线断裂进行检测，而纱线缠绕以及产生的纤维环这两种纱线状态依靠人工是无法及时进行检测的。在非人工检测中开发了传感器模块，该模块可以检测编织纱线的张力是否异常，从而尽量减少编织缺陷的产生，由于锭子的长时间的使用，锭子底端的弹性装置会存在无弹性的状况，此种情况张力传感器无法工作，因此，现在已有的传感器无法对导纱轮上发生纤维缠绕等状态进行检测。
发明内容
鉴于上述现有技术的不足，本申请的目的在于提供一种碳纤维编织过程纱线状态检测方法及装置，旨在解决已有的传感器无法对导纱轮上的纤维缠绕进行检测的问题。
本发明的第一方面提供了一种碳纤维编织过程纱线状态检测方法，包括：采集碳纤维编织设备上编织锭子的原始图像；对所述原始图像进行预处理，以得到预处理后的目标图像；根据所述目标图像对所述纱线是否发生断裂进行识别、根据所述目标图像对所述纱线是否发生缠绕进行识别，以及根据所述目标图像对所述纱线是否产生纤维环进行识别；依据识别结果获得碳纤维编织过程中的纱线状态。本发明所提供的碳纤维编织过程纱线状态检测方法通过获取编织锭子的相关图像，然后基于该图像对纱线断裂、缠绕和产生纤维环等状态的识别，实现了对纱线状态的有效检测，避免了传统采用传感器进行检测失准的缺陷，填补了现有技术的空白。
可选地，根据所述目标图像对所述纱线是否发生断裂进行识别包括：提供一模板图像；计算所述目标图像与所述模板图像的归一化相关系数；设定一判断阈值，将所述归一化相关系数与所述判断阈值对比，若所述归一化相关系数小于判断阈值，则所述纱线已经发生断裂。本发明通过计算模板图像与目标图像的归一化相关系数来实现纱线是否发生断裂的判定依据，并不需要深层次提取图像的特征信息，能够提高匹配精度和鲁棒性。
可选地，所述计算所述目标图像与所述模板图像的归一化相关系数包括：将所述模板图像在所述目标图像上进行连续平移，并将每次平移覆盖的区域作为选定区域；在平移过程中对目标图像进行自上而下、自左而右的遍历搜索，并计算所述模板图像中的所述选定区域与所述目标图像的归一化相关系数。
可选地，根据所述目标图像对所述纱线是否发生缠绕进行识别包括：根据所述目标图像完成对所述编织锭子的导纱轮的第一次定位，所述导纱轮包括第一导纱轮和第二导纱轮；在所述第一次定位基础上采用阈值分割、形态学运算以及特征提取进行所述导纱轮的第二次定位；将所述第一导纱轮的所在区域和所述第二导纱轮的所在区域分别填充为第一白色区域和第二白色区域；利用所述第一白色区域和/或所述第二白色区域内的第一灰度特征和/或第二灰度特征完成对所述纱线是否发生缠绕的判定。本发明通过对第一导纱轮和第二导纱轮的位置进行准确定位，然后利用纱线在第一白色区域或所述第二白色区域内所呈现的灰度特征，即可以轻松完成纱线是否产生缠绕的判定。
可选地，所述根据所述目标图像对所述纱线是否产生纤维环进行识别包括：绘制关于未产生纤维环图像的第一像素灰度值投影曲线，所述第一像素灰度值投影曲线包括第一水平像素灰度值投影曲线和第一垂直像素灰度值投影曲线；绘制关于所述目标图像的第二像素灰度值投影曲线，所述第二像素灰度值投影曲线包括第二水平像素灰度值投影曲线和第二垂直像素灰度值投影曲线；将所述第一水平像素灰度值投影曲线与所述第二水平像素灰度值投影曲线作差，以及将第一垂直像素灰度值投影曲线与所述第二垂直像素灰度值投影曲线作差；根据第一水平像素灰度值投影曲线与所述第二水平像素灰度值投影曲线作差的结果，以及根据第一垂直像素灰度值投影曲线与所述第二垂直像素灰度值投影曲线作差的结果完成对所述纱线是否产生纤维环的判定。
可选地，所述碳纤维编织过程纱线状态检测方法还包括：若所述纱线产生纤维环，则对所述纤维环的宽度进行提取。本发明通过对纤维环的宽度进行提取可以实时检测纱线发生偏移量，以及进一步预估编织预制件成型后的影响。
可选地，所述碳纤维编织过程纱线状态检测方法还包括：若所述纤维环的宽度大于预设值，则控制所述碳纤维编织设备停止工作。本发明所提供的碳纤维编织过程纱线状态检测方法实现了为碳纤维编织设备停机，人工进行修复提供准确依据，避免由于碳纤维编织设备发生异常状态后一直持续工作造成更大损失。
所述采集碳纤维编织设备上编织锭子的原始图像包括：提供一光源，所述光源用于出射预设强度的光束，且至少部分所述光束照射在所述编织锭子上；提供一图像采集装置，所述图像采集装置用于所述光束照射在所述编织锭子上后，获取所述编织锭子的原始图像。本发明通过光来和图像采集装置即可完成对原始图像的采集，其优点在于构成简单，易于实现。
可选地，所述对所述原始图像进行预处理，以得到预处理后的目标图像包括：若所述原始图像为彩色图像，则将所述原始图像转换为灰度图像；对所述灰度图像进行滤波，以得滤波后的灰度图像；从滤波后的所述灰度图像中选择至少部分区域作为目标图像。本发明通过将彩色图像转换为灰度图像可以大幅降低运算，进而提高处理效率。
本发明的第二方面还提供一种碳纤维编织过程纱线状态检测装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本发明第一方面所述的碳纤维编织过程纱线状态检测方法的步骤。本发明所提供的碳纤维编织过程纱线状态检测装置通过获取编织锭子的相关图像，然后基于该图像对纱线断裂、缠绕和产生纤维环等状态的识别，实现了对纱线状态的有效检测，避免了传统采用传感器进行检测失准的缺陷，填补了现有技术的空白。
附图说明
图1为本发明一个实施例的碳纤维编织过程纱线状态检测方法的流程图；
图2为本发明另一个实施例的碳纤维编织过程纱线状态检测方法的流程图；
图3为编织过程的纱线损伤演变示意图；
图4为未产生纤维环和已经产生纤维环图像的水平投影和垂直投影曲线。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
现有方案中由于锭子的长时间的使用，锭子底端的弹性装置会存在无弹性的状况，此种情况张力传感器无法工作，因此，现在已有的传感器无法对导纱轮上发生纤维缠绕等状态进行检测。
基于此，本申请希望提供一种能够解决上述技术问题的方案，其详细内容将在后续实施例中得以阐述。
基于此，本申请希望提供一种能够解决上述技术问题的方案，其详细内容将在后续实施例中得以阐述。
请参见图1，本申请方案的一个实施例示出了一种碳纤维编织过程纱线状态检测方法，包括：
S001、采集碳纤维编织设备上编织锭子的原始图像。
S002、对所述原始图像进行预处理，以得到预处理后的目标图像。
S003、根据所述目标图像对所述纱线是否发生断裂进行识别、根据所述目标图像对所述纱线是否发生缠绕进行识别，以及根据所述目标图像对所述纱线是否产生纤维环进行识别。
S004、依据识别结果获得碳纤维编织过程中的纱线状态。
本发明所提供的碳纤维编织过程纱线状态检测方法通过获取编织锭子的相关图像，然后基于该图像对纱线断裂、缠绕和产生纤维环等状态的识别，实现了对纱线状态的有效检测，避免了传统采用传感器进行检测失准的缺陷，填补了现有技术的空白。
请参见图2，本申请方案的另一个实施例示出了一种碳纤维编织过程纱线状态检测方法，包括：
S1、采集碳纤维编织设备上编织锭子的原始图像。
在一个可选的实施例中，所述采集碳纤维编织设备上编织锭子的原始图像包括：
提供一光源，所述光源用于出射预设强度的光束，且至少部分所述光束照射在所述编织锭子上。
更进一步地，所述光源可以是多种形式的光源例如LED灯光源、白炽灯光源等等。其中，所述光源可以设置在所述编织锭子上，即作为碳纤维编织设备的一部分，在其他示例中，所述光源也可以独立设置，只需保证所述光源出射的光束至少部分照射在所述编织锭子即可。此外，所述光源可以通过一光源控制器来实现对光源的明灭及亮度的控制。
提供一图像采集装置，所述图像采集装置用于所述光束照射在所述编织锭子上后，获取所述编织锭子的原始图像。
更进一步地，所述图像采集装置可以包括相机及镜头，所述镜头可拆卸地设置在所述相机上，所述相机及所述镜头可以根据实际的需要进行位置调整，从而对所述编织锭子的不同角度的原始图像进行获取。其中，所述原始图像为未经过图像处理的图像。在本实施例中，所述光源和所述图像采集装置及其他部件可以参照下表所示：
表1 部分部件规格及型号
S2、对所述原始图像进行预处理，以得到预处理后的目标图像。
在一个可选的实施例中，所述对所述原始图像进行预处理，以得到预处理后的目标图像包括：
判断所述原始图像是否为彩色图像。
更进一步地，对所述原始图像进行是否为彩色图像的判断可以参考现有的任何技术，在此就不作限定。
若所述原始图像为彩色图像，则将所述原始图像转换为灰度图像。
更进一步地，所述将所述原始图像转换为灰度图像可以包括：将彩色图像中的各基色的饱和度都降低到零，形成没有色彩区分度的图像，然后将没有色彩区分度的图像输出即可得到灰度图像。在其他的一个或者一些实施例中，将所述原始图像转换为灰度图像还可以采用其他方法，在此就不一一进行列举。
对所述灰度图像进行滤波，以得滤波后的灰度图像。
更进一步地，在对所述灰度图像进行滤波时，可以在实域进行，也可以在频域进行。所述滤波方法可以包括但不限于均值滤波、中值滤波和高斯滤波。因此，本发明在对所述灰度图像进行滤波时，可以采用上述的任意一种滤波方式或者上述多种滤波方式的组合来进行滤波。通过对灰度图像进行滤波可以更改或者增强图像，并且通过滤波还可以强调一些特征或者去除图像中一些不需要的部分。
从滤波后的所述灰度图像中选择至少部分区域作为目标图像。
更进一步地，在对目标图像进行确定时，在一个实施例中主要是根据所述图像采集装置所获取到的原始图像中所包含的信息，若原始图像主要是包括编织锭子所在区域的图像，则可选择整个灰度图像作为目标图像；在其他的一个或一些实施例中，若原始图像还包括除编织锭子外的其他信息，则可以仅选择编织锭子所在位置的部分灰度图像作为目标图像，其优点在于可以有效降低其他因素的干扰。此外，本发明通过将彩色图像转换为灰度图像可以大幅降低运算，进而提高处理效率。
S3、根据所述目标图像对所述纱线是否发生断裂进行识别、根据所述目标图像对所述纱线是否发生缠绕进行识别，以及根据所述目标图像对所述纱线是否产生纤维环进行识别。
目前检测检测是否发生断裂的方法有很多，可以根据编织过程断纱的特点即纱线断裂时纱线的张力为0，此时纱线筒停止继续放线，在编织锭子上弹簧的作用下导纱轮会下坠到编织锭子的底部，从而可以判断当前位置纱线已经断裂。
在一个可选的实施例中，根据所述目标图像对所述纱线是否发生断裂进行识别包括：提供一模板图像；计算所述目标图像与所述模板图像的归一化相关系数；设定一判断阈值，将所述归一化相关系数与所述判断阈值对比，若所述归一化相关系数小于判断阈值，则所述纱线已经发生断裂。本发明通过计算模板图像与目标图像的归一化相关系数来实现纱线是否发生断裂的判定依据，并不需要深层次提取图像的特征信息，能够提高匹配精度和鲁棒性。
利用图像进行匹配的算法可以对不同时间采集到的多幅图像进行不同程度的几何变换，以达到各图像中相同的区域在几何上对准，该方法可以分为基于区域和基于特征两大类。更进一步地，本发明计算所述目标图像与所述模板图像的归一化相关系数，是基于区域的图像配准，即利用像素点的灰度信息来确定目标图像与模板图像之间的几何变换关系，从而不需要深层次提取目标图像的特征信息，因此能够提高匹配的精度和鲁棒性。本发明所提出的图像配算法需要提前提供模板图像和待配准的目标图像，若模板图像I的大小为m*m，待配准的目标图像J的大小为n*n，则匹配过程如下：
将所述模板图像在所述目标图像上进行连续平移，每一次平移所覆盖目标图像的子图区域记为P(i，j)，其中(i，j)为子图区域的左上角坐标位置。在平移过程中对目标图像进行自上而下、自左而右的遍历搜索，并计算所述模板图像中的所述选定区域与所述目标图像的归一化相关系数，其中将归一化相关系数的最大位置即为最佳匹配位置。并且，归一化相关系数N(x，y)，的计算通常分为去均值和不去均值两种。
在本实施例中，去均值的归一化相关系数的计算公式如下：
在另一个实施例中，不去均值的归一化相关系数的计算公式如下：
其中，z1和z2分别代表模板图像I和待配准的目标图像J匹配位置内的像素值。N(x，y)的取值范围为[-1，1]，其值越大代表两幅图像的相关性越大，当N(x，y)＝-1时，则模板图像和目标图像之间完全不同；当N(x，y)＝1时，则模板图像和目标图像之间相同。
更进一步地，当模板图像I和目标图像J非常相似的情况下，该位置下的纱线则为正常放线状态，同时，在编织过程中编织锭子的随机位置并不会采集到。所以，若二者之间的归一化相关系数低于判断阈值0.9时，则自动判断该位置纱线已经断裂。
正常纱线在胶料的作用下形成一致性较强的束，这在一定程度上有助于减轻编织过程中单丝过度受力。但是随着编织过程的进行，纱线与编制锭子上的导向元件即第一导纱轮和第二导纱轮不断产生摩擦以及在放线过程中纱线张力的反复变化，会使原始纱线的集束性逐渐变差。当纱线产生一定程度的分离就会导致单丝断裂从而累积到导向元件中。缠绕的纱线则会加速正常纱线的磨损，进而导致出现频繁的纱线断裂以及影响最终的编织成型效果，编织过程的纱线损伤演变见图3所示，其中a表示正常的纱线、b表示纱线开始分离、c表示纱线单丝分离、断裂。
在一个可选的实施例中，根据所述目标图像对所述纱线是否发生缠绕进行识别包括：根据所述目标图像完成对所述编织锭子的导纱轮的第一次定位，所述导纱轮包括第一导纱轮和第二导纱轮；在所述第一次定位基础上采用阈值分割、形态学运算以及特征提取进行所述导纱轮的第二次定位；将所述第一导纱轮的所在区域和所述第二导纱轮的所在区域分别填充为第一白色区域和第二白色区域；利用所述第一白色区域和/或所述第二白色区域内的第一灰度特征和/或第二灰度特征完成对所述纱线是否发生缠绕的判定。本发明通过对第一导纱轮和第二导纱轮的位置进行准确定位，然后利用纱线在第一白色区域或所述第二白色区域内所呈现的灰度特征，即可以轻松完成纱线是否产生缠绕的判定。在一个实施例中，利用纱线在第一白色区域或所述第二白色区域内所呈现的灰度特征，来实现判定纱线是否产生缠绕可以包括但不限于：比对所述灰度特征，若所述灰度特征所在区域整体呈“一”字型，则纱线未产生缠绕，若所述灰度特征所在区域整体呈“r”或“v”型，纱线产生缠绕。
编制定子的纱线筒上纤维环的存在会使编织过程的张力反复变化，从而造成纱线的进一步磨损，更重要的是纤维环的存在会使纱线发生偏移，对编织预制件的成型造成极大的影响。针对纤维环的检测本发明提出两步分离算法，先利用积分投影法对纤维环的存在进行识别检测，然后对有纤维环的图像提取纤维环部位，以计算纤维环的宽度。
在一个可选的实施例中，所述根据所述目标图像对所述纱线是否产生纤维环进行识别包括：
绘制关于未产生纤维环图像的第一像素灰度值投影曲线，所述第一像素灰度值投影曲线包括第一水平像素灰度值投影曲线和第一垂直像素灰度值投影曲线。绘制关于所述目标图像的第二像素灰度值投影曲线，所述第二像素灰度值投影曲线包括第二水平像素灰度值投影曲线和第二垂直像素灰度值投影曲线。更进一步地，在绘制投影曲线时还需要对目标图像中的像素灰度值按行和列分别累加求和再求均值：
式中H(x)和V(y)分别为第x行的平均像素灰度值和第y列的平均像素灰度值。根据以上两式的计算结果，得到如图4所示的水平投影和垂直投影曲线。
将所述第一水平像素灰度值投影曲线与所述第二水平像素灰度值投影曲线作差，以及将第一垂直像素灰度值投影曲线与所述第二垂直像素灰度值投影曲线作差。
根据第一水平像素灰度值投影曲线与所述第二水平像素灰度值投影曲线作差的结果，以及根据第一垂直像素灰度值投影曲线与所述第二垂直像素灰度值投影曲线作差的结果完成对所述纱线是否产生纤维环的判定。即可以通过投影得到的差值和区域中的方差结合进行判断，在一个实施例中，若差值Δ大于60，则计算方差D。若方差的值大于20，则存在纤维环；若小于20，则不存在纤维环。
S4、依据识别结果获得碳纤维编织过程中的纱线状态。
在一个实施例中，所述依据识别结果获得碳纤维编织过程中的纱线状态包括根据是否发生断裂、是否发生缠绕、是否产生纤维环的识别结果得到纱线状态。即在一个实施例中，所述纱线的状态可以是断裂、发生缠绕和产生纤维环的任意一种。在另外的一个实施例中，所述纱线的状态也可以是同时发生断裂和产生纤维环。在其他的一个实施例中，所述纱线的状态还可以是同时发生缠绕和产生纤维。
S5、若所述纱线产生纤维环，则对所述纤维环的宽度进行提取。
在一个实施例中，本发明通过对纤维环的宽度进行提取可以实时检测，可以预估纱线发生偏移量，以及更深入地预估编织预制件成型后的影响。其中，所述对所述纤维环的宽度进行提取可以包括：在检测到当前位置出现纤维环时，需要对纤维环宽度进行判断以减少多次停机造成时间的浪费。本文通过过滤掉其它干扰区域，最终获得纤维环区域边缘并将边缘轮廓的最小外接矩形的宽度来作为当前纤维环的宽度。
本申请提供的算法能够检测在扫描过程中随灰度上升范围变化较小的稳定区域，具有仿射不变性，在区域检测领域体现出了较好的性能其原理如下式所示：
其中，Si表示二值化目标图像中某一连通区域面积，Δ为灰度阈值的微小变化量，si表示灰度阈值为i时，连通区域面积Si的变化率。对于纤维环来说，前景和背景区别较大，因此符合本申请所示出的算法的检测对象。
S6、若所述纤维环的宽度大于预设值，则控制所述碳纤维编织设备停止工作。
在一个实施例中，当提取到纤维环后计算最小外接矩形的宽度，根据目前实验的结果来看，当其宽度为18个像素单位时，需要停机处理。本发明所提供的碳纤维编织过程纱线状态检测方法实现了为碳纤维编织设备停机，人工进行修复提供准确依据，避免由于碳纤维编织设备发生异常状态后一直持续工作造成更大损失。
本发明的实施例还提供一种碳纤维编织过程纱线状态检测装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本发明碳纤维编织过程纱线状态检测方法实施例的步骤。本发明所提供的碳纤维编织过程纱线状态检测装置通过获取编织锭子的相关图像，然后基于该图像对纱线断裂、缠绕和产生纤维环等状态的识别，实现了对纱线状态的有效检测，避免了传统采用传感器进行检测失准的缺陷，填补了现有技术的空白。
应当理解，在本发明实施例中，所称存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储有设备类型的相关信息。
处理器用于运行或执行被存储在内部存储器中的操作系统，各种软件程序，以及自身的指令集，并用于处理来自于触摸式输入装置或自其它外部输入途径接收到的数据和指令，以实现各种功能。处理器可以包括但不限于中央处理器、通用图像处理器、微处理器、数字信号处理器、现场可编程逻辑门阵列，应用专用集成电路中的一种或多种。在一些实施例中，处理器和存储器控制器可在单个芯片上实现。在一些其他实施方案中，它们可分别在彼此独立的芯片上实现。
输入设备可以是摄像头等，摄像头又称为电脑相机、电脑眼以及电子眼等，是一种视频驶入设备，以及数字键盘或机械键盘等触摸式输入装置；所述输出设备可以包括显示器等。
本发明的又一个实施例示出的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行所述的碳纤维编织过程纱线状态检测方法的相关步骤。
其中，所述计算机可读存储介质可包括缓存、高速随机存取存储器，例如常见的双倍数据率同步动态随机存取内存，并且还可包括非易失性存储器，诸如一个或多个只读存储器、磁盘存储设备、闪存存储器设备、或其他非易失性固态存储器设备例如光盘，软盘或数据磁带等。
本发明所示出的碳纤维编织过程纱线状态检测系统的实施例包括：碳纤维编织过程纱线状态检测装置和智能终端，所述碳纤维编织过程纱线状态检测装置可以包括服务器或者服务器集群，所述智能终端可以包括一个或多个智能终端，所述碳纤维编织过程纱线状态检测与所述智能终端之间可以通过无线或者有线网络连接；更进一地，所述智能终端可以包括但不限于智能手机等移动设备。所述碳纤维编织过程纱线状态检测装置可以执行包括本发明碳纤维编织过程纱线状态检测方法的实施的任意步骤。在一个可选的实施例中，所述碳纤维编织过程纱线状态检测价装置还可以将关于纱线状态检测的结果发送给所述智能终端，进而起到提前预警等作用。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (9)

1.一种碳纤维编织过程纱线状态检测方法，其特征在于，包括：
采集碳纤维编织设备上编织锭子的原始图像；
对所述原始图像进行预处理，以得到预处理后的目标图像；
根据所述目标图像对所述纱线是否发生断裂进行识别、根据所述目标图像对所述纱线是否发生缠绕进行识别；
绘制关于未产生纤维环图像的第一像素灰度值投影曲线，所述第一像素灰度值投影曲线包括第一水平像素灰度值投影曲线和第一垂直像素灰度值投影曲线；
绘制关于所述目标图像的第二像素灰度值投影曲线，所述第二像素灰度值投影曲线包括第二水平像素灰度值投影曲线和第二垂直像素灰度值投影曲线；
将所述第一水平像素灰度值投影曲线与所述第二水平像素灰度值投影曲线作差，以及将第一垂直像素灰度值投影曲线与所述第二垂直像素灰度值投影曲线作差；
根据第一水平像素灰度值投影曲线与所述第二水平像素灰度值投影曲线作差的结果，以及根据第一垂直像素灰度值投影曲线与所述第二垂直像素灰度值投影曲线作差的结果完成对所述纱线是否产生纤维环的判定；
依据识别结果获得碳纤维编织过程中的纱线状态。
2.如权利要求1所述的碳纤维编织过程纱线状态检测方法，其特征在于，根据所述目标图像对所述纱线是否发生断裂进行识别包括：
提供一模板图像；
计算所述目标图像与所述模板图像的归一化相关系数；
设定一判断阈值，将所述归一化相关系数与所述判断阈值对比，若所述归一化相关系数小于判断阈值，则所述纱线已经发生断裂。
3.如权利要求2所述的碳纤维编织过程纱线状态检测方法，其特征在于，所述计算所述目标图像与所述模板图像的归一化相关系数包括：
将所述模板图像在所述目标图像上进行连续平移，并将每次平移覆盖的区域作为选定区域；
在平移过程中对目标图像进行自上而下、自左而右的遍历搜索，并计算所述模板图像中的所述选定区域与所述目标图像的归一化相关系数。
4.如权利要求1所述的碳纤维编织过程纱线状态检测方法，其特征在于，根据所述目标图像对所述纱线是否发生缠绕进行识别包括：
根据所述目标图像完成对所述编织锭子的导纱轮的第一次定位，所述导纱轮包括第一导纱轮和第二导纱轮；
在所述第一次定位基础上采用阈值分割、形态学运算以及特征提取进行所述导纱轮的第二次定位；
将所述第一导纱轮的所在区域和所述第二导纱轮的所在区域分别填充为第一白色区域和第二白色区域；
利用所述第一白色区域和/或所述第二白色区域内的第一灰度特征和/或第二灰度特征完成对所述纱线是否发生缠绕的判定。
5.如权利要求1所述的碳纤维编织过程纱线状态检测方法，其特征在于，所述碳纤维编织过程纱线状态检测方法还包括：
若所述纱线产生纤维环，则对所述纤维环的宽度进行提取。
6.如权利要求5所述的碳纤维编织过程纱线状态检测方法，其特征在于，所述碳纤维编织过程纱线状态检测方法还包括：
若所述纤维环的宽度大于预设值，则控制所述碳纤维编织设备停止工作。
7.如权利要求1所述的碳纤维编织过程纱线状态检测方法，其特征在于，所述采集碳纤维编织设备上编织锭子的原始图像包括：
提供一光源，所述光源用于出射预设强度的光束，且至少部分所述光束照射在所述编织锭子上；
提供一图像采集装置，所述图像采集装置用于所述光束照射在所述编织锭子上后，获取所述编织锭子的原始图像。
8.如权利要求1所述的碳纤维编织过程纱线状态检测方法，其特征在于，所述对所述原始图像进行预处理，以得到预处理后的目标图像包括：
若所述原始图像为彩色图像，则将所述原始图像转换为灰度图像；
对所述灰度图像进行滤波，以得滤波后的灰度图像；
从滤波后的所述灰度图像中选择至少部分区域作为目标图像。
9.一种碳纤维编织过程纱线状态检测装置，其特征在于，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-8中任一项所述的碳纤维编织过程纱线状态检测方法的步骤。
CN202111175225.7A 2021-10-09 2021-10-09 一种碳纤维编织过程纱线状态检测方法及装置 Active CN113920086B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111175225.7A CN113920086B (zh) 2021-10-09 2021-10-09 一种碳纤维编织过程纱线状态检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111175225.7A CN113920086B (zh) 2021-10-09 2021-10-09 一种碳纤维编织过程纱线状态检测方法及装置

Publications (2)

Publication Number Publication Date
CN113920086A CN113920086A (zh) 2022-01-11
CN113920086B true CN113920086B (zh) 2024-04-05

Family

ID=79238537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111175225.7A Active CN113920086B (zh) 2021-10-09 2021-10-09 一种碳纤维编织过程纱线状态检测方法及装置

Country Status (1)

Country Link
CN (1) CN113920086B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114596269B (zh) * 2022-03-01 2022-07-29 常州市新创智能科技有限公司 一种玻纤布面经纱少丝缠丝的检测方法及装置
CN114565589B (zh) * 2022-03-03 2022-08-19 常州市宏发纵横新材料科技股份有限公司 一种碳纤维经纱少丝缠丝的检测方法及装置
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
CN116109642B (zh) * 2023-04-13 2023-06-20 新创碳谷集团有限公司 一种碳纤维断丝缺陷检测方法、设备及存储介质
CN116485789B (zh) * 2023-06-16 2023-08-25 新创碳谷集团有限公司 一种碳纤维劈丝缺陷检测方法、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
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
CN202869985U (zh) * 2012-08-16 2013-04-10 杭州瑞利测控技术有限公司 一种基于机器视觉的整经断纱在线监测系统
CN103451846A (zh) * 2013-09-13 2013-12-18 福州大学 一种基于计算机视觉的坯布断纱在线检测方法与系统
CN106897997A (zh) * 2017-02-14 2017-06-27 西南大学 基于计算机图像处理和模式识别的检测细纱管尾纱的方法
CN109472779A (zh) * 2018-10-24 2019-03-15 上海工程技术大学 一种基于形态结构的纱线外观特征参数提取与分析方法
CN111340759A (zh) * 2020-02-17 2020-06-26 江南大学 一种纱线三维模型的外观检测方法
CN112680872A (zh) * 2020-12-17 2021-04-20 常州市新创智能科技有限公司 一种经纱绕罗拉断纱检测方法
CN112730407A (zh) * 2020-12-22 2021-04-30 陕西长岭软件开发有限公司 一种利用线阵数字相机检测纱线毛羽指标的检测装置及检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
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
CN202869985U (zh) * 2012-08-16 2013-04-10 杭州瑞利测控技术有限公司 一种基于机器视觉的整经断纱在线监测系统
CN103451846A (zh) * 2013-09-13 2013-12-18 福州大学 一种基于计算机视觉的坯布断纱在线检测方法与系统
CN106897997A (zh) * 2017-02-14 2017-06-27 西南大学 基于计算机图像处理和模式识别的检测细纱管尾纱的方法
CN109472779A (zh) * 2018-10-24 2019-03-15 上海工程技术大学 一种基于形态结构的纱线外观特征参数提取与分析方法
CN111340759A (zh) * 2020-02-17 2020-06-26 江南大学 一种纱线三维模型的外观检测方法
CN112680872A (zh) * 2020-12-17 2021-04-20 常州市新创智能科技有限公司 一种经纱绕罗拉断纱检测方法
CN112730407A (zh) * 2020-12-22 2021-04-30 陕西长岭软件开发有限公司 一种利用线阵数字相机检测纱线毛羽指标的检测装置及检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Detection of residual yarn on spinning bobbins based on salient region detection》;jingan wang et al.;《The Journal of The Textile Institute》;20190116;全文 *
《细纱机纱线断头检测软件系统开发》;王文远;《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》;20180630;全文 *
《非接触式纱线状态检测技术研究》;章钰娟 等;《现代纺织技术》;20201231;全文 *

Also Published As

Publication number Publication date
CN113920086A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
CN113920086B (zh) 一种碳纤维编织过程纱线状态检测方法及装置
CN113643289B (zh) 基于图像处理的织物表面缺陷检测方法和系统
CN113658133B (zh) 一种基于图像处理的齿轮表面缺陷检测方法及系统
CN114897894B (zh) 一种筒纱菊花芯缺陷检测方法
CN112330598B (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
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
CN108288272A (zh) 纱线识别方法及装置
CN114923912A (zh) 一种基于机器视觉的锦纶丝饼外表面缺陷检测方法
CN114998321B (zh) 一种基于光学手段的纺织材料表面毛羽程度识别方法
CN113658131A (zh) 一种基于机器视觉巡游式环锭纺断纱检测方法
CN113638104A (zh) 一种络筒机智能清纱控制方法及系统
CN113344923A (zh) 化纤丝锭表面缺陷检测方法、装置、电子设备及存储介质
CN116109642A (zh) 一种碳纤维断丝缺陷检测方法、设备及存储介质
CN114387269B (zh) 一种基于激光的纤维丝缺损检测方法
CN114264661A (zh) 一种清晰度自适应的卷材检测方法及装置、系统
CN114486903A (zh) 一种灰度自适应的卷材检测系统及装置、算法
CN117237354B (zh) 一种纺织衣物疵点视觉检测方法
CN117773357A (zh) 一种标签缺陷鉴别、裁切和收集方法以及系统
CN106897997A (zh) 基于计算机图像处理和模式识别的检测细纱管尾纱的方法
CN110838113B (zh) 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法
TWI417437B (zh) 紗線檢測方法
CN112505051A (zh) 一种基于激光射线的高精准化纤飘丝质量检测方法
CN115240144B (zh) 一种纺纱捻线智能识别瑕疵方法及系统
KR101521725B1 (ko) 라벨링 방법, 라벨링 장치 및 결함 검사 장치
CN115937218A (zh) 一种冷冲件的表面缺陷检测方法及系统

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