CN114387269B - 一种基于激光的纤维丝缺损检测方法 - Google Patents

一种基于激光的纤维丝缺损检测方法 Download PDF

Info

Publication number
CN114387269B
CN114387269B CN202210281837.2A CN202210281837A CN114387269B CN 114387269 B CN114387269 B CN 114387269B CN 202210281837 A CN202210281837 A CN 202210281837A CN 114387269 B CN114387269 B CN 114387269B
Authority
CN
China
Prior art keywords
laser
fiber
image
width
method based
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
CN202210281837.2A
Other languages
English (en)
Other versions
CN114387269A (zh
Inventor
古玲
李天成
何湫雨
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.)
Nanjing Jushi Technology Co ltd
Original Assignee
Nanjing Jushi 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 Nanjing Jushi Technology Co ltd filed Critical Nanjing Jushi Technology Co ltd
Priority to CN202210281837.2A priority Critical patent/CN114387269B/zh
Publication of CN114387269A publication Critical patent/CN114387269A/zh
Application granted granted Critical
Publication of CN114387269B publication Critical patent/CN114387269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于激光的纤维丝缺损检测方法，具体步骤为：输入纤维丝图像；纤维丝图像预处理；检测预处理后的纤维丝图像上激光线段的长度并计算每根激光线段的间距；判断间距与宽度是否合适；若间距不合适则提醒即将出现并丝，若宽度不合适则表明已经出现并丝，进行报警。该基于激光的纤维丝缺损检测方法，在提取出纤维丝的宽度以及间距后，可以判断当前纤维丝是否出现并丝以及是否即将出现并丝，同时排除混产型号的产品误报；减少并丝的同时也可以极大地减少由于并丝所产生的毛丝以及其余因为多根纤维丝之间摩擦导致的缺陷。

Description

一种基于激光的纤维丝缺损检测方法
技术领域
本发明属于纤维丝缺损检测技术领域，具体涉及一种基于激光的纤维丝缺损检测方法。
背景技术
纤维丝的间距是衡量纤维丝是否并丝最主要的特征，并丝会导致纤维丝起毛、长毛条丝等各种问题,同时存在不同产品型号混产情况。所以对于并丝的精确检测在纤维丝的生产过程中至关重要。
目前市面上传统的基于神经网络的算法对纤维丝的宽度不敏感，而有些缺陷如：并丝等会经常出现，神经网络在对经过压缩后的图像检测时，会对丝跟丝之间的细微裂缝缺陷的遗漏；传统图像处理的算法很难对缺陷进行细分类，或成本比较大（如区分毛团与毛丝），故一般情况下只能针对该种特定的缺陷编写特定的检测算法，因此提出一种可以捕捉到更细微的纤维丝特征的纤维丝缺损检测方法。
发明内容
本发明的目的在于提供一种基于激光的纤维丝缺损检测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于激光的纤维丝缺损检测方法，包括如下步骤：
1）输入纤维丝图像；
2）纤维丝图像预处理
3）检测预处理后的纤维丝图像上激光线段的长度并计算每根激光线段的间距；
4）判断间距与宽度是否合适；
5）若间距不合适则提醒即将出现并丝，若宽度不合适则表明已经出现并丝，进行报警。
优选的，所述纤维丝图像是通过相机拍摄激光器在纤维丝上照射出等宽的直线的照片。
优选的，所述步骤2）中预处理包括颜色相似度检测和过滤，具体步骤为：
颜色相似度检测采用HSV格式，色调（H），饱和度（S），亮度（V）；在斜边长R，底面圆 半径为r，高为
Figure 80011DEST_PATH_IMAGE001
的HSV圆锥体内，以地面圆心为原点，
Figure 775435DEST_PATH_IMAGE002
为x轴正方向建立坐标轴，那么 色值是（H，S，V）的点的三维坐标（x,y,z）是：
Figure 876115DEST_PATH_IMAGE003
通过颜色提取出激光部分后进行开运算来过滤噪点，对于不同颜色的激光可以采用LAB颜色空间处理；
LAB颜色空间基于人眼对颜色的感知，L表示明度，A表示红绿色差，B表示蓝黄色差；则两个颜色之间的色差：
Figure 544381DEST_PATH_IMAGE004
Figure 515748DEST_PATH_IMAGE005
表示色差，
Figure 116494DEST_PATH_IMAGE006
、
Figure 173312DEST_PATH_IMAGE007
、
Figure 314443DEST_PATH_IMAGE008
分别表示两个颜色之间在不同分量的差值；
提取出对应激光部分后，对图片进行连通域分析，并过滤噪点，然后提取出轮廓再对其中的空洞部分进行填充，得出每一个连通域的最小外接矩形框，此外接矩形框为纤维丝宽度。
优选的，所述过滤噪点采用膨胀、腐蚀算法。
优选的，所述轮廓提取方法为：
输入纤维丝图像为
Figure 78000DEST_PATH_IMAGE009
，将初始NBD设为1，使用光栅扫描法扫描图像F，从图 像左上角逐行依次扫描至右下角时结束，确定纤维丝图像轮廓；
其中，
Figure 177543DEST_PATH_IMAGE010
表示像素点
Figure 393760DEST_PATH_IMAGE011
的灰度值。
优选的，所述步骤5）中通过设置纤维丝的宽度尺寸为阈值a，将测量的激光线段宽度与阈值a比较，不满足阈值a则会报警。
优选的，所述步骤5）中设置纤维丝的间距尺寸为阈值b，将测量的激光线段间距与阈值b比较，不满足阈值b则会提醒。
本发明的技术效果和优点：该基于激光的纤维丝缺损检测方法，在提取出纤维丝的宽度以及间距后，可以判断当前纤维丝是否出现并丝（丝的宽度过大）以及是否即将出现并丝（丝跟丝之间间距过小），同时排除混产型号的产品误报；减少并丝的同时也可以极大地减少由于并丝所产生的毛丝以及其余因为多根纤维丝之间摩擦导致的缺陷。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了如图1所示的一种基于激光的纤维丝缺损检测方法，包括如下步骤：
步骤1：输入激光照射后的纤维丝图像，所述纤维丝图像是通过相机拍摄激光器在纤维丝上照射出等宽的直线的照片；或采用视频拍摄激光照射后的纤维丝图像，提取视频中的帧图片，可实时进行图片的输入；
步骤2：纤维丝图像预处理；
预处理包括颜色相似度检测和过滤，具体步骤为：
颜色相似度检测采用HSV格式，色调（H），饱和度（S），亮度（V）；在斜边长R，底面圆 半径为r，高为
Figure 604162DEST_PATH_IMAGE012
的HSV圆锥体内，以地面圆心为原点，
Figure 222225DEST_PATH_IMAGE013
为x轴正方向建立坐标轴，那么 色值是（H，S，V）的点的三维坐标（x,y,z）是：
Figure 495599DEST_PATH_IMAGE014
通过颜色提取出激光部分后进行开运算来过滤噪点，对于不同颜色的激光可以采用LAB颜色空间处理；
LAB颜色空间基于人眼对颜色的感知，L表示明度，A表示红绿色差，B表示蓝黄色差；则两个颜色之间的色差：
Figure 199113DEST_PATH_IMAGE015
Figure 947626DEST_PATH_IMAGE016
表示色差，
Figure 482512DEST_PATH_IMAGE006
、
Figure 861541DEST_PATH_IMAGE007
、
Figure 114668DEST_PATH_IMAGE008
分别表示两个颜色之间在不同分量的差值；
提取出对应激光部分后，对图片进行连通域分析，并采用膨胀、腐蚀算法过滤噪点，然后提取出轮廓再对其中的空洞部分进行填充，得出每一个连通域的最小外接矩形框，此外接矩形框为纤维丝宽度。
所述轮廓提取方法为：
输入纤维丝图像为
Figure 604555DEST_PATH_IMAGE009
，将初始NBD设为1，使用光栅扫描法扫描图像F，从图 像左上角逐行依次扫描至右下角时结束，确定纤维丝图像轮廓；
其中，
Figure 728369DEST_PATH_IMAGE010
表示像素点
Figure 340616DEST_PATH_IMAGE011
的灰度值；
扫描图像F的具体步骤为：当扫描到像素点
Figure 18722DEST_PATH_IMAGE011
的灰度值
Figure 377547DEST_PATH_IMAGE017
时执行步骤 2.1-2.4，且每次扫描到图片的新行的起始位置时，将LNBD重置为1；
其中，NBD：从边界开始点
Figure 824708DEST_PATH_IMAGE011
以边界跟踪算法得到一条边界，为每条新找到的边 界B赋予一个新的唯一的编号，NBD表示当前跟踪的边界的编号；LNBD：在光栅扫描的过程 中，保存最近遇到的边界B'的编号；
Figure 342277DEST_PATH_IMAGE011
表示图片中第i行，第j列的像素点；
2.1：从下列情况选一种：
2.1.1：如果
Figure 304417DEST_PATH_IMAGE018
并且
Figure 136107DEST_PATH_IMAGE019
，则
Figure 765671DEST_PATH_IMAGE020
是外边界开始点，NBD+=1，
Figure 391825DEST_PATH_IMAGE021
；
2.1.2：如果
Figure 106840DEST_PATH_IMAGE022
并且
Figure 538958DEST_PATH_IMAGE023
，则
Figure 695133DEST_PATH_IMAGE020
是孔边界开始点，NBD+=1，
Figure 811295DEST_PATH_IMAGE024
；如果
Figure 685710DEST_PATH_IMAGE025
，则
Figure 187099DEST_PATH_IMAGE026
；
2.1.3：其他情况，到第（2.4）步；
2.2：根据上一个边界B'和当前新遇到边界B的类型，我们可以从表1得到当前边界B的父边界；
2.3：从边界开始点
Figure 260097DEST_PATH_IMAGE027
开始按(2.3.1)到(2.3.5)进行边界跟踪；
2.3.1：以
Figure 290370DEST_PATH_IMAGE028
为中心，
Figure 652081DEST_PATH_IMAGE029
为起始点，按顺时针方向查找
Figure 426002DEST_PATH_IMAGE030
的四/八联通邻 域是否存在非0像素点，若找到非0像素点，则令
Figure 619086DEST_PATH_IMAGE031
是顺时针方向的第一个非0像素点；否 则令
Figure 23522DEST_PATH_IMAGE032
，转到（2.4）；
2.3.2：
Figure 937776DEST_PATH_IMAGE033
，
Figure 453071DEST_PATH_IMAGE034
；
2.3.3：以
Figure 500662DEST_PATH_IMAGE035
为中心，按逆时针方向，
Figure 138316DEST_PATH_IMAGE036
的下一个点为起始点查找
Figure 474620DEST_PATH_IMAGE035
的四/八联通邻域是否存在非0像素点，令
Figure 855922DEST_PATH_IMAGE037
是逆时针方向的第一个非0像素点；
2.3.4.1：如果
Figure 961282DEST_PATH_IMAGE038
是(2.3.3)中已经检查过的像素点且是0像素点，则
Figure 769838DEST_PATH_IMAGE039
；
2.3.4.2：如果
Figure 327858DEST_PATH_IMAGE038
不是(2.3.3)中已经检查过的0像素点，并且
Figure 247272DEST_PATH_IMAGE040
， 则
Figure 472717DEST_PATH_IMAGE041
；
2.3.4.3：其他情况，不改变
Figure 189525DEST_PATH_IMAGE042
；
2.3.5：如果
Figure 562738DEST_PATH_IMAGE043
且
Figure 223526DEST_PATH_IMAGE044
（回到了边界开始点），则转到(2.4)；否 则令
Figure 834636DEST_PATH_IMAGE045
，
Figure 250574DEST_PATH_IMAGE046
，转到(2.3.3)；
2.4：如果
Figure 783186DEST_PATH_IMAGE047
，则
Figure 44404DEST_PATH_IMAGE048
,从点
Figure 775599DEST_PATH_IMAGE049
继续光栅扫描；当扫描到图片 的右下角顶点时结束。
步骤3：检测预处理后的纤维丝图像上激光线段的长度并计算每根激光线段的间距；
步骤4：判断每根激光线段间距与宽度是否合适；
步骤5：若间距不合适则提醒即将出现并丝，若宽度不合适则表明已经出现并丝，进行报警；具体通过设置纤维丝的宽度尺寸为阈值a，将测量的激光线段宽度与阈值a比较，不满足阈值a则会报警；设置纤维丝的间距尺寸为阈值b，将测量的激光线段间距与阈值b比较，不满足阈值b则会提醒。
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 (5)

1.一种基于激光的纤维丝缺损检测方法，其特征在于，包括如下步骤：
1）输入纤维丝图像；
2）纤维丝图像预处理；
预处理包括颜色相似度检测和噪点过滤，具体步骤为：
颜色相似度检测采用HSV格式，H为色调，S为饱和度，V为亮度；在斜边长R，底面圆半径为r，高为h的HSV圆锥体内，以地面圆心为原点，H=0为x轴正方向建立坐标轴，那么色值是（H，S，V）的点的三维坐标（x,y,z）是：
Figure 226064DEST_PATH_IMAGE001
通过颜色提取出激光部分后进行开运算来过滤噪点，对于不同颜色的激光可以采用LAB颜色空间处理；
LAB颜色空间基于人眼对颜色的感知，L表示明度，A表示红绿色差，B表示蓝黄色差；则两个颜色之间的色差：
Figure 90115DEST_PATH_IMAGE002
Figure 232383DEST_PATH_IMAGE003
表示色差，
Figure 401983DEST_PATH_IMAGE004
、
Figure 872279DEST_PATH_IMAGE005
、
Figure 399075DEST_PATH_IMAGE006
分别表示两个颜色之间在不同分量的差值；
提取出对应激光部分后，对图片进行连通域分析，并过滤噪点，然后提取出轮廓再对其中的空洞部分进行填充，得出每一个连通域的最小外接矩形框，此外接矩形框为纤维丝宽度；
所述过滤噪点采用膨胀、腐蚀算法；
3）检测预处理后的纤维丝图像上激光线段的长度并计算每根激光线段的间距；
4）判断相邻激光线段间距与宽度是否合适；
5）若间距不合适则提醒即将出现并丝，若宽度不合适则表明已经出现并丝，进行报警。
2.根据权利要求1所述的一种基于激光的纤维丝缺损检测方法，其特征在于：所述纤维丝图像是通过相机拍摄激光器在纤维丝上照射出等宽的直线的照片。
3.根据权利要求1所述的一种基于激光的纤维丝缺损检测方法，其特征在于：所述轮廓提取方法为：
输入纤维丝图像为
Figure 412162DEST_PATH_IMAGE007
，将初始NBD设为1，使用光栅扫描法扫描图像F，从图像左 上角逐行依次扫描至右下角时结束，确定纤维丝图像轮廓；
其中，
Figure 608788DEST_PATH_IMAGE008
表示像素点
Figure 956592DEST_PATH_IMAGE009
的灰度值；NBD：从边界开始点
Figure 772233DEST_PATH_IMAGE009
以边界跟踪算法得到一 条边界，为每条新找到的边界B赋予一个新的唯一的编号，NBD表示当前跟踪的边界的编号；
Figure 764460DEST_PATH_IMAGE009
表示图片中第i行，第j列的像素点。
4.根据权利要求1所述的一种基于激光的纤维丝缺损检测方法，其特征在于：所述步骤5）中通过设置纤维丝的宽度尺寸为阈值a，将测量的激光线段宽度与阈值a比较，不满足阈值a则会报警。
5.根据权利要求1所述的一种基于激光的纤维丝缺损检测方法，其特征在于：所述步骤5）中设置设置纤维丝的间距尺寸为阈值b，将测量的激光线段间距与阈值b比较，不满足阈值b则会提醒。
CN202210281837.2A 2022-03-22 2022-03-22 一种基于激光的纤维丝缺损检测方法 Active CN114387269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210281837.2A CN114387269B (zh) 2022-03-22 2022-03-22 一种基于激光的纤维丝缺损检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210281837.2A CN114387269B (zh) 2022-03-22 2022-03-22 一种基于激光的纤维丝缺损检测方法

Publications (2)

Publication Number Publication Date
CN114387269A CN114387269A (zh) 2022-04-22
CN114387269B true CN114387269B (zh) 2022-06-03

Family

ID=81206328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210281837.2A Active CN114387269B (zh) 2022-03-22 2022-03-22 一种基于激光的纤维丝缺损检测方法

Country Status (1)

Country Link
CN (1) CN114387269B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116437063A (zh) * 2023-06-15 2023-07-14 广州科伊斯数字技术有限公司 一种三维图像显示系统及方法
CN116958739B (zh) * 2023-06-25 2024-06-21 南京矩视科技有限公司 一种基于注意力机制的碳纤维丝道实时动态编号方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104136351A (zh) * 2012-02-29 2014-11-05 东丽株式会社 束状制品的制造方法及制造装置
CN113176265A (zh) * 2021-04-23 2021-07-27 南京航空航天大学 复合材料自动铺丝搭接及缝隙缺陷在机检测系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962962B (zh) * 2021-10-22 2022-07-22 常州市新创智能科技有限公司 一种玻纤的短切纱罗拉绕丝检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104136351A (zh) * 2012-02-29 2014-11-05 东丽株式会社 束状制品的制造方法及制造装置
CN113176265A (zh) * 2021-04-23 2021-07-27 南京航空航天大学 复合材料自动铺丝搭接及缝隙缺陷在机检测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
激光与微波协同加热碳纤维的温度与热应力分布规律;张欢雷等;《化工进展》;20201231;第39卷(第S1期);全文 *
纳秒脉冲激光切削木材的理论与试验;杨春梅等;《林业科学》;20170930;第53卷(第09期);全文 *

Also Published As

Publication number Publication date
CN114387269A (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN109961049B (zh) 一种复杂场景下香烟品牌识别方法
CN114387269B (zh) 一种基于激光的纤维丝缺损检测方法
CN109816644B (zh) 一种基于多角度光源影像的轴承缺陷自动检测系统
CN107705288B (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
CN115082419B (zh) 一种吹塑箱包生产缺陷检测方法
CN105894036B (zh) 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法
CN108562589A (zh) 一种对磁路材料表面缺陷进行检测的方法
CN113643289B (zh) 基于图像处理的织物表面缺陷检测方法和系统
CN115082683A (zh) 一种基于图像处理的注塑缺陷检测方法
CN114140679B (zh) 一种缺陷融合方法、装置、识别系统及存储介质
CN110261410A (zh) 一种玻璃透镜缺陷的检测装置及方法
CN104597057B (zh) 一种基于机器视觉的柱状二极管表面缺陷检测装置
CN111047655B (zh) 基于卷积神经网络的高清摄像机布料疵点检测方法
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
JP4725298B2 (ja) 画像による外観検査方法
CN109242853A (zh) 一种基于图像处理的pcb缺陷智能检测方法
CN109166111B (zh) 一种电子墨水屏缺陷检测方法及系统
CN112750113B (zh) 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置
CN111426693A (zh) 一种质量缺陷检测系统及其检测方法
CN113658092A (zh) 一种基于图像处理的铝电解电容缺陷检测方法
CN113034488A (zh) 一种喷墨印刷品的视觉检测方法
CN110412055A (zh) 一种基于多光源暗场照明的透镜白雾缺陷检测方法
CN113034476A (zh) 皮革瑕疵检测方法、系统、储存介质及计算机设备
CN109544513A (zh) 一种钢管端面缺陷提取识别的方法
CN113916893A (zh) 模切产品缺陷的检测方法

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