CN114842013B - 一种纺织品纤维强度检测方法及系统 - Google Patents

一种纺织品纤维强度检测方法及系统 Download PDF

Info

Publication number
CN114842013B
CN114842013B CN202210777722.2A CN202210777722A CN114842013B CN 114842013 B CN114842013 B CN 114842013B CN 202210777722 A CN202210777722 A CN 202210777722A CN 114842013 B CN114842013 B CN 114842013B
Authority
CN
China
Prior art keywords
image
texture
textile
gray level
quality characteristic
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
CN202210777722.2A
Other languages
English (en)
Other versions
CN114842013A (zh
Inventor
卞红标
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.)
Nantong Aiguo Textile Co ltd
Original Assignee
Nantong Aiguo Textile 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 Nantong Aiguo Textile Co ltd filed Critical Nantong Aiguo Textile Co ltd
Priority to CN202210777722.2A priority Critical patent/CN114842013B/zh
Publication of CN114842013A publication Critical patent/CN114842013A/zh
Application granted granted Critical
Publication of CN114842013B publication Critical patent/CN114842013B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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)
  • 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

本发明涉及图像处理技术领域，具体涉及一种纺织品纤维强度检测方法及系统，该系统是一种人工智能优化操作系统，能够实现人工智能中间件、函数库等功能，该方法能够用于计算机视觉软件等应用软件开发。该方法通过采集纺织品受力前后的表面图像，对表面图像进行纹理特征差异分析得到受力前后纺织品的纹理质量特征值，同时对表面图像进行颜色特征差异分析得到受力前后纺织品的颜色质量特征值，结合纹理质量特征值和颜色质量特征值获取纺织品的纤维强度。通过对受力前后的纺织品图像分析其纹理变化特征和颜色变化特征能够准确得到纺织品的纤维强度，且减少了人工检测的误差，提高了检测斜率。

Description

一种纺织品纤维强度检测方法及系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种纺织品纤维强度检测方法及系统。
背景技术
纺织品是国家对外出口的重要贸易品，又是与人民生活密切相关的日用消费品，在国民经济发展中具有重要地位。纺织纤维是指具有一定细度、长度、强度、弹性，可用来制造纺织品的材料，因此纺织品纤维对纺织品质量的影响至关重要。
纺织品纤维的强度往往在纺织品的生产中作为纺织品质量判断的重要指标，然而现有技术往往是通过人工对纺织品的纤维强度进行检测，而人工检测易受到主观因素的影响，且成本较高，效率较低。
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纺织品纤维强度检测方法及系统，所采用的技术方案具体如下：
分别采集纺织品受外力前的第一表面图像、受外力水平拉扯后的第二表面图像和受外力垂直拉扯后的第三表面图像；所述外力是指纺织品处理破裂边界点时的最大外力；
对所述第一表面图像、所述第二表面图像和所述第三表面图像进行灰度化处理对应得到第一灰度图像、第二灰度图像和第三灰度图像；基于设定的距离差分值获取所述第一灰度图像的第一灰度共生矩阵，由所述第一灰度共生矩阵得到第一纹理熵；结合所述最大外力和所述设定的距离差分值分别得到所述第二灰度图像的第二距离差分值和所述第三灰度图像的第三距离差分值，利用所述第二距离差分值和所述第三距离差分值获取所述第二灰度图像的第二灰度共生矩阵和所述第三灰度图像的第三灰度共生矩阵，进而分别得到第二纹理熵和第三纹理熵；根据所述第一纹理熵、所述第二纹理熵和所述第三纹理熵之间的差异获取纺织品的纹理质量特征值；
对所述第一表面图像、所述第二表面图像和所述第三表面图像进行颜色空间转换对应得到第一HIS图像、第二HIS图像和第三HIS图像；根据所述第一HIS图像、所述第二HIS图像和所述第三HIS图像之间的饱和度差异得到纺织品的颜色质量特征值；结合所述纹理质量特征值和所述颜色质量特征值得到纺织品的纤维强度。
进一步地，所述第一灰度共生矩阵、所述第二灰度共生矩阵和所述第三灰度共生矩阵都包括0度扫描下的水平灰度共生矩阵和90度扫描下的垂直灰度共生矩阵。
进一步地，所述根据所述第一纹理熵、所述第二纹理熵和所述第三纹理熵之间的差异获取纺织品的纹理质量特征值的方法，包括：
分别计算所述第一纹理熵与所述第二纹理熵之间的第一纹理熵差异、所述第一纹理熵与所述第三纹理熵之间的第二纹理熵差异，结合所述第一纹理熵差异和所述第二纹理熵差异得到所述纹理质量特征值。
进一步地，所述结合所述外力的大小和所述设定的距离差分值得到所述第二灰度图像的第二距离差分值和所述第三灰度图像的第三距离差分值的方法，包括：
计算所述最大外力与设定受力阈值之间的受力差值，由所述受力差值与所述受力阈值之间的比值以及所述设定的距离差分值分别得到所述第二距离差分值和所述第三距离差分值。
进一步地，所述根据所述第一HIS图像、所述第二HIS图像和所述第三HIS图像之间的饱和度差异得到纺织品的颜色质量特征值的方法，包括：
基于色调值分别将所述第一HIS图像、所述第二HIS图像和所述第三HIS图像中的饱和度分为相同的N个颜色类别，N为正整数；
根据每个颜色类别的饱和度中心值计算对应颜色类别中每个饱和度的权重，对饱和度进行加权求和得到每个颜色类别的平均饱和度；
结合所述第一HIS图像、所述第二HIS图像和所述第三HIS图像之间每个颜色类别对应所述平均饱和度之间的差值得到所述颜色质量特征值。
进一步地，所述颜色质量特征值的获取方法，包括：
分别计算所述第一HIS图像和所述第二HIS图像之间每个颜色类别对应所述平均饱和度之间的第一饱和度差值总和、所述第一HIS图像和所述第三HIS图像之间每个颜色类别对应所述平均饱和度之间的第二饱和度差值总和；
结合所述第一饱和度差值总和与所述第二饱和度差值总和得到所述颜色质量特征值。
进一步地，所述结合所述纹理质量特征值和所述颜色质量特征值得到纺织品的纤维强度的方法，包括：
对所述纹理质量特征值和所述颜色质量特征值进行加权求和得到所述纤维强度。
进一步地，本发明实施例还提供了一种纺织品纤维强度检测系统，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上述一种纺织品纤维强度检测方法中任意一项所述方法的步骤。
本发明实施例至少具有如下有益效果：通过对受力前后的纺织品图像分析其纹理变化特征和颜色变化特征能够准确得到纺织品的纤维强度，减少了人工检测的误差，提高了检测斜率, 且一种纺织品纤维强度检测系统是一种人工智能优化操作系统，能够实现人工智能中间件、函数库等功能，一种纺织品纤维强度检测方法可用于计算机视觉软件等应用软件开发。
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纺织品纤维强度检测方法的步骤流程图。
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纺织品纤维强度检测方法及系统，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。
下面结合附图具体的说明本发明所提供的一种纺织品纤维强度检测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纺织品纤维强度检测方法的步骤流程图，该方法包括以下步骤：
步骤S001，分别采集纺织品受外力前的第一表面图像、受外力水平拉扯后的第二表面图像和受外力垂直拉扯后的第三表面图像。
具体的，通过相机采集完好纺织品的第一表面图像以及受外力时纺织品的图像，其中纺织品受外力后的图像包括纺织品水平拉扯后的第二表面图像和垂直拉扯后的第三表面图像。
步骤S002，对第一表面图像、第二表面图像和第三表面图像进行灰度化处理对应得到第一灰度图像、第二灰度图像和第三灰度图像；基于设定的距离差分值获取第一灰度图像的第一灰度共生矩阵，由第一灰度共生矩阵得到第一纹理熵；结合最大外力和设定的距离差分值分别得到第二灰度图像的第二距离差分值和第三灰度图像的第三距离差分值，利用第二距离差分值和第三距离差分值获取第二灰度图像的第二灰度共生矩阵和第三灰度图像的第三灰度共生矩阵，进而分别得到第二纹理熵和第三纹理熵；根据第一纹理熵、第二纹理熵和第三纹理熵之间的差异获取纺织品的纹理质量特征值。
具体的，使用加权平均值对纺织品的表面图像进行灰度化预处理，即分别获取第一表面图像、第二表面图像和第三表面图像对应的第一灰度图像、第二灰度图像和第三灰度图像，其中灰度化的公式为：
Gray
Figure DEST_PATH_IMAGE002
其中，Gray为灰度值；
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE008
分别为RGB图像的三个通道值。
纺织品图像的灰度共生矩阵可以有效的反映出纺织品的纹理信息，而当纺织品受到外力时，纺织品的纹理会沿外力方向被拉伸，相应的纹理信息也会发生变化，即受到外力后的纺织品图像的灰度共生矩阵会发生变化，通过受外力前后的纹理信息的变化，从而对纺织品的纤维强度进行评分，因此根据纺织品的纹理特征进行纺织品受外力前后所对应的纹理质量特征值的分析，其具体过程为：
（1）基于设定的距离差分值获取第一灰度图像的第一灰度共生矩阵，由第一灰度共生矩阵得到第一纹理熵。
具体的，灰度共生矩阵的获取方法为：取第一灰度图像中任意像素点（x，y）及偏离它的另一像素点（x+
Figure DEST_PATH_IMAGE010
，y+
Figure DEST_PATH_IMAGE012
），，假设该像素点对的灰度值为（
Figure DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE016
）。令（x，y）在整个图像上滑动，可以得到各种（
Figure 296749DEST_PATH_IMAGE014
，
Figure 745048DEST_PATH_IMAGE016
）值，设灰度值的级数为L，则（
Figure 55944DEST_PATH_IMAGE014
，
Figure 716732DEST_PATH_IMAGE016
）的组合就有
Figure DEST_PATH_IMAGE018
种，统计每一种（
Figure 593421DEST_PATH_IMAGE014
，
Figure 947042DEST_PATH_IMAGE016
）值出现的次数，然后排列成方阵，再用（
Figure 745234DEST_PATH_IMAGE014
，
Figure 475293DEST_PATH_IMAGE016
）出现的总次数对它们进行归一化成出现的概率P（
Figure 675330DEST_PATH_IMAGE014
，
Figure 199852DEST_PATH_IMAGE016
），得到灰度共生矩阵
Figure DEST_PATH_IMAGE020
：
Figure DEST_PATH_IMAGE022
由于距离差分值
Figure DEST_PATH_IMAGE024
可以去不同的组合，进而得到不同距离差分值组合下的灰度共生矩阵，而纺织品的经线和纬线按直角相交编织而成的，因此本发明实施例通过对第一灰度图像进行0度扫描和90度扫描，也即是通过0度扫描下的距离差分值（1,0）得到水平灰度共生矩阵、90度扫描下的距离差分值（0,1）得到垂直灰度共生矩阵。
利用纹理熵的公式分别获取水平灰度共生矩阵的第一水平纹理熵和垂直灰度共生矩阵的第一垂直纹理熵，其中纹理熵的公式为：
Figure DEST_PATH_IMAGE026
需要说明的是，第一纹理熵包括第一水平纹理熵和第一垂直纹理熵。
（2）结合最大外力和设定的距离差分值分别得到第二灰度图像的第二距离差分值和第三灰度图像的第三距离差分值。
具体的，对完好的纺织品施加外力的情况下，纺织品被拉扯，会沿着外力的拉扯方向发生变形，同时沿着该拉扯方向的纺织品纹理会被破坏，其精密结构会变粗糙，由于随着外力的逐渐增大，纺织品逐渐被拉扯至破裂现象，因此获取纺织品处于破裂边界点的最大外力
Figure DEST_PATH_IMAGE028
，根据最大外力对受力前的第一灰度图像的设定距离差分值进行调节，其调节方法为：计算最大外力与设定受力阈值之间的受力差值，由受力差值与受力阈值之间的比值以及设定的距离差分值分别得到第二距离差分值和第三距离差分值。
需要说明的是，第二距离差分值和第三距离差分值都包括0度扫描下的距离差分值和90度扫描下的距离差分值。
作为一个示例，由于第二距离差分值是针对纺织品水平拉扯后的纹理特征分析，因此其0度扫描下的距离差分值的调节公式为：保持
Figure DEST_PATH_IMAGE030
不变，
Figure 187DEST_PATH_IMAGE010
=1+
Figure DEST_PATH_IMAGE032
，T为受力阈值，即0度扫描下的距离差分值为(1+
Figure DEST_PATH_IMAGE034
)，而90度扫描下的距离差分值不变，保持距离差分值（0,1）；由于第三距离差分值是针对纺织品垂直拉扯后的纹理特征分析，因此其0度扫描下的距离差分值不变，保持距离差分值（1，0），而90度扫描下的距离差分值的调节公式为：保持
Figure DEST_PATH_IMAGE036
不变，
Figure 596253DEST_PATH_IMAGE012
=1+
Figure 650797DEST_PATH_IMAGE032
，即90度扫描下的距离差分值为（0，1+
Figure 611800DEST_PATH_IMAGE032
）。
（3）获取第二灰度图像的第二纹理熵和第三灰度图像的第三纹理熵。
具体的，利用步骤（1）的灰度共生矩阵的获取方法，利用第二灰度图像的第二距离差分值能够得到其0度扫描下的水平灰度共生矩阵和90度扫描下垂直灰度共生矩阵，然后相对应的得到第二水平纹理熵和第二垂直纹理熵。同理，根据第三距离差分值能够得到第三灰度图像在0度扫描下的水平灰度共生矩阵和90度扫描下垂直灰度共生矩阵，进而也相对应的得到第三水平纹理熵和第三垂直纹理熵。
需要说明的是，第二纹理熵包括第二水平纹理熵和第二垂直纹理熵，第三纹理熵包括第三水平纹理熵和第三垂直纹理熵。
（4）分别计算第一纹理熵与第二纹理熵之间的第一纹理熵差异、第一纹理熵与第三纹理熵之间的第二纹理熵差异，结合第一纹理熵差异和第二纹理熵差异得到纹理质量特征值。
具体的，纹理质量特征值的计算公式为：
Figure DEST_PATH_IMAGE038
其中，A为纹理质量特征值；
Figure DEST_PATH_IMAGE040
为第一纹理熵中0度扫描下的第一水平纹理熵；
Figure DEST_PATH_IMAGE042
为第一纹理熵中90度扫描下的第一垂直纹理熵；
Figure DEST_PATH_IMAGE044
为第二纹理熵中0度扫描下的第二水平纹理熵；
Figure DEST_PATH_IMAGE046
为第二纹理熵中90度扫描下的第二垂直纹理熵；
Figure DEST_PATH_IMAGE048
为第三纹理熵中0度扫描下的第三水平纹理熵；
Figure DEST_PATH_IMAGE050
为第三纹理熵中90度扫描下的第三垂直纹理熵。
步骤S003，对第一表面图像、第二表面图像和第三表面图像进行颜色空间转换对应得到第一HIS图像、第二HIS图像和第三HIS图像；根据第一HIS图像、第二HIS图像和第三HIS图像之间的饱和度差异得到纺织品的颜色质量特征值；结合纹理质量特征值和颜色质量特征值得到纺织品的纤维强度。
具体的，将第一表面图像、第二表面图像和第三表面图像进行颜色空间转换对应得到第一HIS图像、第二HIS图像和第三HIS图像，其颜色空间转换的公式为：
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE054
Figure DEST_PATH_IMAGE056
Figure DEST_PATH_IMAGE058
进一步地，纺织品在受到外力作用时，即纺织品被拉伸，其色调与饱和度都会发生不同程度的变化，通过对色调与饱和度的分析对纤维强度进行评分，因此根据纺织品的颜色特征对纺织品受外力前后所对应颜色质量特征值的分析，其具体过程为：
（1）基于色调值分别将第一HIS图像、第二HIS图像和第三HIS图像中的饱和度分为相同的N个颜色类别，N为正整数。
具体的，以第一HIS图像为例，对该图像中的所有色调H值进行k-means均值一维聚类，能够将色调分为N个类别，相对应的把该图像中的每个色调H值对应的饱和度S值分为了相同的N个颜色类别。
由于纺织品在受到外力拉扯下其纺织品图像的色调不会发生变化，而饱和度会降低，因此根据第一HIS图像的N个色调类别，分别将第二HIS图像中的饱和度分为N个颜色类别、第三HIS图像中的饱和度分为N个颜色类别。
（2）根据每个颜色类别的饱和度中心值计算对应颜色类别中每个饱和度的权重，对饱和度进行加权求和得到每个颜色类别的平均饱和度。
具体的，以一个颜色类别为例，该颜色类别中所包含的饱和度S值越接近于该颜色类别的饱和度中心值时，说明这个饱和度S值的重要性越大，其相对应的权重也更大，则每个饱和度的权重的计算公式为：
Figure DEST_PATH_IMAGE060
其中，
Figure DEST_PATH_IMAGE062
为第
Figure DEST_PATH_IMAGE064
个饱和度的权重；
Figure DEST_PATH_IMAGE066
为第
Figure 538911DEST_PATH_IMAGE064
个饱和度；
Figure DEST_PATH_IMAGE068
为颜色类别的饱和度中心值。
根据该颜色类别中每个饱和度和其权重计算该颜色类别的平均饱和度，其公式为：
Figure DEST_PATH_IMAGE070
，其中
Figure DEST_PATH_IMAGE072
为平均饱和度，
Figure DEST_PATH_IMAGE074
为颜色类别中所包含的饱和度的数量。
利用上述平均饱和度的计算方法，分别能够得到第一HIS图像的N个颜色类别的平均饱和度
Figure DEST_PATH_IMAGE076
，第二HIS图像的N个颜色类别的平均饱和度
Figure DEST_PATH_IMAGE078
，第三HIS图像的N个颜色类别的平均饱和度
Figure DEST_PATH_IMAGE080
。
（3）结合第一HIS图像、第二HIS图像和第三HIS图像之间每个颜色类别对应平均饱和度之间的差值得到颜色质量特征值。
具体的，分别计算第一HIS图像和第二HIS图像之间每个颜色类别对应平均饱和度之间的第一饱和度差值总和、第一HIS图像和第三HIS图像之间每个颜色类别对应平均饱和度之间的第二饱和度差值总和；结合第一饱和度差值总和与第二饱和度差值总和得到颜色质量特征值，则颜色质量特征值的计算公式为：
Figure DEST_PATH_IMAGE082
其中，
Figure 391198DEST_PATH_IMAGE008
为颜色质量特征值；
Figure DEST_PATH_IMAGE084
为第一HIS图像中第
Figure 843126DEST_PATH_IMAGE064
个颜色类别的平均饱和度；
Figure DEST_PATH_IMAGE086
为第二HIS图像中第
Figure 240609DEST_PATH_IMAGE064
个颜色类别的平均饱和度；
Figure DEST_PATH_IMAGE088
为第三HIS图像中第
Figure 31847DEST_PATH_IMAGE064
个颜色类别的平均饱和度。
进一步地，纺织品的纹理质量及颜色质量的变化均反映了纺织品的纤维强度，则根据纹理质量特征值A和颜色质量特征值B对纺织品纤维强度进行评分，其纺织品的纤维强度的获取方法为：对纹理质量特征值和颜色质量特征值进行加权求和得到纤维强度，则计算公式为：
Figure DEST_PATH_IMAGE090
，其中，
Figure DEST_PATH_IMAGE092
为纹理质量特征值的权重，
Figure DEST_PATH_IMAGE094
为颜色质量特征值的权重，
Figure 500875DEST_PATH_IMAGE006
为纤维强度。
优选的，本发明实施例中a=0.6，b=0.4，实施者可根据自身需求进行设定。
综上所述，本发明实施例提供了一种纺织品纤维强度检测方法，通过采集纺织品受力前后的表面图像，对表面图像进行纹理特征差异分析得到受力前后纺织品的纹理质量特征值，同时对表面图像进行颜色特征差异分析得到受力前后纺织品的颜色质量特征值，结合纹理质量特征值和颜色质量特征值获取纺织品的纤维强度。通过对受力前后的纺织品图像分析其纹理变化特征和颜色变化特征能够准确得到纺织品的纤维强度，且减少了人工检测的误差，提高了检测斜率。
基于与上述方法相同的发明构思，本发明实施例还提供了一种纺织品纤维强度检测系统，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上述一种纺织品纤维强度检测方法中任意一项所述方法的步骤。
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。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 (8)

1.一种纺织品纤维强度检测方法，其特征在于，该方法包括以下步骤：
分别采集纺织品受外力前的第一表面图像、受外力水平拉扯后的第二表面图像和受外力垂直拉扯后的第三表面图像；所述外力是指纺织品处理破裂边界点时的最大外力；
对所述第一表面图像、所述第二表面图像和所述第三表面图像进行灰度化处理对应得到第一灰度图像、第二灰度图像和第三灰度图像；基于设定的距离差分值获取所述第一灰度图像的第一灰度共生矩阵，由所述第一灰度共生矩阵得到第一纹理熵；结合所述最大外力和所述设定的距离差分值分别得到所述第二灰度图像的第二距离差分值和所述第三灰度图像的第三距离差分值，利用所述第二距离差分值和所述第三距离差分值获取所述第二灰度图像的第二灰度共生矩阵和所述第三灰度图像的第三灰度共生矩阵，进而分别得到第二纹理熵和第三纹理熵；根据所述第一纹理熵、所述第二纹理熵和所述第三纹理熵之间的差异获取纺织品的纹理质量特征值；
对所述第一表面图像、所述第二表面图像和所述第三表面图像进行颜色空间转换对应得到第一HIS图像、第二HIS图像和第三HIS图像；根据所述第一HIS图像、所述第二HIS图像和所述第三HIS图像之间的饱和度差异得到纺织品的颜色质量特征值；结合所述纹理质量特征值和所述颜色质量特征值得到纺织品的纤维强度。
2.如权利要求1所述的一种纺织品纤维强度检测方法，其特征在于，所述第一灰度共生矩阵、所述第二灰度共生矩阵和所述第三灰度共生矩阵都包括0度扫描下的水平灰度共生矩阵和90度扫描下的垂直灰度共生矩阵。
3.如权利要求1所述的一种纺织品纤维强度检测方法，其特征在于，所述根据所述第一纹理熵、所述第二纹理熵和所述第三纹理熵之间的差异获取纺织品的纹理质量特征值的方法，包括：
分别计算所述第一纹理熵与所述第二纹理熵之间的第一纹理熵差异、所述第一纹理熵与所述第三纹理熵之间的第二纹理熵差异，结合所述第一纹理熵差异和所述第二纹理熵差异得到所述纹理质量特征值。
4.如权利要求1所述的一种纺织品纤维强度检测方法，其特征在于，所述结合所述外力的大小和所述设定的距离差分值得到所述第二灰度图像的第二距离差分值和所述第三灰度图像的第三距离差分值的方法，包括：
计算所述最大外力与设定受力阈值之间的受力差值，由所述受力差值与所述受力阈值之间的比值以及所述设定的距离差分值分别得到所述第二距离差分值和所述第三距离差分值。
5.如权利要求1所述的一种纺织品纤维强度检测方法，其特征在于，所述根据所述第一HIS图像、所述第二HIS图像和所述第三HIS图像之间的饱和度差异得到纺织品的颜色质量特征值的方法，包括：
基于色调值分别将所述第一HIS图像、所述第二HIS图像和所述第三HIS图像中的饱和度分为相同的N个颜色类别，N为正整数；
根据每个颜色类别的饱和度中心值计算对应颜色类别中每个饱和度的权重，对饱和度进行加权求和得到每个颜色类别的平均饱和度；
结合所述第一HIS图像、所述第二HIS图像和所述第三HIS图像之间每个颜色类别对应所述平均饱和度之间的差值得到所述颜色质量特征值。
6.如权利要求5所述的一种纺织品纤维强度检测方法，其特征在于，所述颜色质量特征值的获取方法，包括：
分别计算所述第一HIS图像和所述第二HIS图像之间每个颜色类别对应所述平均饱和度之间的第一饱和度差值总和、所述第一HIS图像和所述第三HIS图像之间每个颜色类别对应所述平均饱和度之间的第二饱和度差值总和；
结合所述第一饱和度差值总和与所述第二饱和度差值总和得到所述颜色质量特征值。
7.如权利要求1所述的一种纺织品纤维强度检测方法，其特征在于，所述结合所述纹理质量特征值和所述颜色质量特征值得到纺织品的纤维强度的方法，包括：
对所述纹理质量特征值和所述颜色质量特征值进行加权求和得到所述纤维强度。
8.一种纺织品纤维强度检测系统，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1-7任意一项所述方法的步骤。
CN202210777722.2A 2022-07-04 2022-07-04 一种纺织品纤维强度检测方法及系统 Active CN114842013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210777722.2A CN114842013B (zh) 2022-07-04 2022-07-04 一种纺织品纤维强度检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210777722.2A CN114842013B (zh) 2022-07-04 2022-07-04 一种纺织品纤维强度检测方法及系统

Publications (2)

Publication Number Publication Date
CN114842013A CN114842013A (zh) 2022-08-02
CN114842013B true CN114842013B (zh) 2022-09-02

Family

ID=82573987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210777722.2A Active CN114842013B (zh) 2022-07-04 2022-07-04 一种纺织品纤维强度检测方法及系统

Country Status (1)

Country Link
CN (1) CN114842013B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115082470B (zh) * 2022-08-22 2024-01-02 金华百丝特工艺品有限公司 一种基于图像识别的防水布性能检测方法及系统
CN115345525B (zh) * 2022-10-17 2023-02-24 江苏鑫缘医疗科技有限公司 基于机器视觉的肌肉绷带在线生产测试系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006004163A (ja) * 2004-06-17 2006-01-05 Toshiba Corp テクスチャ識別装置とテクスチャ識別方法
CN106210447A (zh) * 2016-09-09 2016-12-07 长春大学 基于背景特征点匹配的视频稳像方法
CN112198048A (zh) * 2020-12-07 2021-01-08 南京仪汇仪器设备有限公司 一种纺织品纤维强度检测设备
CN112832038A (zh) * 2020-12-29 2021-05-25 江南大学 一种用于紫外线强度检测的纺织品色卡的制备方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006004163A (ja) * 2004-06-17 2006-01-05 Toshiba Corp テクスチャ識別装置とテクスチャ識別方法
CN106210447A (zh) * 2016-09-09 2016-12-07 长春大学 基于背景特征点匹配的视频稳像方法
CN112198048A (zh) * 2020-12-07 2021-01-08 南京仪汇仪器设备有限公司 一种纺织品纤维强度检测设备
CN112832038A (zh) * 2020-12-29 2021-05-25 江南大学 一种用于紫外线强度检测的纺织品色卡的制备方法

Also Published As

Publication number Publication date
CN114842013A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN114842013B (zh) 一种纺织品纤维强度检测方法及系统
CN114549522A (zh) 基于目标检测的纺织品质量检测方法
CN105844278B (zh) 一种多特征融合的织物扫描图案识别方法
CN100550037C (zh) 利用改进Hausdorff距离提取识别人耳特征的方法
US20040126008A1 (en) Analyte recognition for urinalysis diagnostic system
CN101424680A (zh) 异形纤维计算机自动识别装置与方法
CN110188806A (zh) 一种基于机器视觉的大圆机织物疵点检测与分类方法
CN115049657A (zh) 一种玻璃缺陷检测方法
CN117197140B (zh) 基于机器视觉的不规则金属扣成型检测方法
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
CN101482927B (zh) 基于自动视觉检测的异性纤维模糊分类系统及其方法
CN113989542A (zh) 一种基于多分辨率特征融合的纹理图像疵点分类系统及方法
CN115266732A (zh) 基于机器视觉的碳纤维丝束缺陷检测方法
CN109919939B (zh) 一种基于遗传算法的纱线缺陷检测方法和装置
CN117434904A (zh) 基于机器视觉的纺纱生产智能化控制系统及方法
CN104978740A (zh) 基于图像颜色特征的成份自动测量方法
CN115082480B (zh) 一种基于颜色共生矩阵的家纺耐摩擦色牢度检测方法
CN108596249B (zh) 图像特征提取及分类的方法和装置
CN115311278B (zh) 一种对于纱线检测的纱线分割方法
CN106846325A (zh) 一种遥感影像最优分割结果确定的自动化方法
CN113034403B (zh) 医学影像数据通过高斯滤波进行降噪的工作方法
Jeffrey Kuo et al. Self-organizing map network for automatically recognizing color texture fabric nature
CN109671088A (zh) 一种纱线毛羽特征参数的数字化方法
CN113160166A (zh) 通过卷积神经网络模型进行医学影像数据挖掘工作方法
CN115240013B (zh) 基于图像数据分析的织物肌理自动分类方法及系统

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