CN114913180B - 一种棉布筘痕缺陷的智能检测方法 - Google Patents
一种棉布筘痕缺陷的智能检测方法 Download PDFInfo
- Publication number
- CN114913180B CN114913180B CN202210844508.4A CN202210844508A CN114913180B CN 114913180 B CN114913180 B CN 114913180B CN 202210844508 A CN202210844508 A CN 202210844508A CN 114913180 B CN114913180 B CN 114913180B
- Authority
- CN
- China
- Prior art keywords
- cotton cloth
- straight line
- mark
- straight lines
- image
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及一种棉布筘痕缺陷的智能检测方法,属于数据处理技术领域,该方法包括:根据采集的棉布RGB织物图像获取频谱图,并根据频谱图确定棉布的斜纹方向;根据斜纹方向确定棉布的经纱方向;获取棉布的二值图像,对二值图像中的像素点所在连通域进行标号得到标记点;建立多条穿过标记点并与经纱方向平行的直线,将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成;统计每条直线上穿过的标记点的个数,根据标记点的个数选取目标直线,目标直线所在的位置就是棉布筘痕缺陷所在的位置。本发明对棉布的RGB图像进行分析,确定棉布的经纱方向,根据经纱方向的像素的线性分布特征情况来检测棉布的筘痕。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种棉布筘痕缺陷的智能检测方法。
背景技术
纺织行业是关系到民生的基础行业,其中棉布行业更是纺织行业之中的基础产业,然而在棉布的生产过程中会受到各种因素的影响导致仿制出来的棉布带有缺陷和瑕疵。棉布的缺陷种类很多,比如说筘痕现象就是棉布缺陷的一种。
筘痕缺陷是指在胚布之两根经纱之间,有较大的间隔且能看到织入之纬纱。筘痕缺陷的形成原因在于:1、钢筘筘齿变形,未能将经纱控制在定位或者筘齿发生松动。2、经纱中有一根或间隔之数根,于织造时所受之张力过大。目前对于棉布筘痕现象的检测主要是通过人工检测,人工检测过程中很容易造成视觉疲劳很难保证检测过程的准确率,同时人工检测速度缓慢,效率较低。
发明内容
本发明提供一种棉布筘痕缺陷的智能检测方法,基于图像数据处理方法对棉布的RGB图像进行分析,确定棉布中经纱方向,从而根据经纱方向像素点的线性分布特征情况来检测棉布的筘痕。
本发明的一种棉布筘痕缺陷的智能检测方法采用如下技术方案:该方法包括:
根据采集的棉布RGB织物图像获取频谱图,并根据频谱图确定棉布的斜纹方向;
根据所述斜纹方向和预设棉布织物组织图中经纱与斜纹的夹角确定棉布的经纱方向;
根据所述RGB织物图像获取棉布的二值图像,对所述二值图像中单个像素点进行删除获取新二值图像,并将所述新二值图像中的像素点所在连通域进行标号得到标记点;
建立多条穿过所述标记点并与所述经纱方向平行的直线,将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成;
统计每条所述直线上穿过的所述标记点的个数,当任意一条所述直线上穿过的所述标记点的个数总数大于其他所述直线上穿过的全部所述标记点总和时将该直线作为目标直线,目标直线所在的位置就是棉布筘痕缺陷所在的位置。
上述并根据频谱图确定棉布的斜纹方向,包括:
根据所述RGB织物图像获取灰度图像,对所述灰度图像进行频谱转换获取二维频谱图;
将所述二维频谱图中一对对称的白色频点过坐标原点连线获取一条线段,将所述线段的法线方向作为棉布的斜纹方向。
上述对所述二值图像中单个像素点进行删除获取新二值图像,包括:
对所述二值图像中每个像素点进行连通域检测;
当所述像素点为单个像素点时将其进行删除获取新二值图像。
上述将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成,包括:
当任意两条所述直线之间的距离不大于阈值时将其整合为一条新直线;
将所述新直线与其他直线继续整合直至任意两个直线之间的距离大于阈值时整合完成。
上述并将所述新二值图像中的像素点所在连通域进行标号得到标记点,包括:
将所述新二值图像中的像素点所在连通域按照像素点的聚集数量由多至少依次进行标号得到标记点C1至Ci。
上述建立多条穿过所述标记点并与所述经纱方向平行的直线,包括:
以所述经纱方向为基准获取直线方程中的方程中斜率;
根据所述斜率以所述新二值图像中左下角为原点建立经纱方向直线方程如下式(1)所示;
将所述标记点C1至Ci依次代入所述直线方程建立多条所述直线;
Y=aX+b (1)
其中,a表示直线方程的斜率,b表示直线方程的截距。
上述当任意两条所述直线之间的距离不大于阈值时将其整合为一条新直线,包括:
将所述标记点Ci代入所述直线方程建立一条穿过标记点Ci的直线方程Yi=aX+bi;
将所述标记点Ci-1代入所述直线方程建立一条穿过标记点Ci-1的直线方程Yi-1=aX+bi-1;
计算所述直线方程Yi=aX+bi和所述直线方程Yi-1=aX+bi-1之间的距离;
当所述距离不大于阈值时将所述直线方程Yi=aX+bi和所述直线方程Yi-1=aX+bi-1整合为一条新直线。
上述对所述灰度图像进行频谱转换获取二维频谱图,包括:
根据所述灰度图像获取该图像的梯度分布直方图;
对所述梯度分布直方图均衡化获得增强的灰度图像;
对所述增强的灰度图像进行频谱转换获取二维频谱图。
本发明的有益效果是:
1、本发明首先对棉布的RGB织物图像进行分析获取频谱图,并根据频谱图确定棉布的斜纹方向。根据斜纹方向和预设棉布织物组织图中经纱与斜纹的夹角确定棉布的经纱方向。根据RGB织物图像获取棉布的二值图像,根据二值图像中沿经纱方向像素点的线性分布特征情况来检测棉布的筘痕。有效解决了目前对于棉布筘痕现象的检测主要是通过人工检测,人工检测过程中很容易造成视觉疲劳很难保证检测过程的准确率,同时人工检测速度缓慢效率较低的问题。提高了棉布筘痕检测的准确率和检测效率。
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为本发明的一种棉布筘痕缺陷的智能检测方法的实施例1总体步骤的流程示意图。
图2为本发明的实施例1新二值图像中标记点的示意图。
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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明的一种棉布筘痕缺陷的智能检测方法的实施例,如图1所示,该方法包括:
S1、根据采集的棉布RGB织物图像获取频谱图,并根据频谱图确定棉布的斜纹方向。
本发明所针对的场景为棉布加工过程中因为钢筘的筘齿因为某些原因,导致了松动变形或者筘齿的缺失从而使筘齿未能将经纱固定在原位,造成织物上面的经纱分布不均匀,具体表现为棉布该区域两根经纱之间有着较大的间隔,并且能够看见织入的纬纱因为筘齿的原因而导致布面经向的长条,对这种现象进行检测。
具体地,在采集的棉布RGB织物图像时,通过棉布上方的相机获取下方传送带上的棉布的RGB织物图像,根据RGB织物图像获取灰度图像,根据灰度图像获取该图像的梯度分布直方图,对梯度分布直方图均衡化获得增强的灰度图像,对增强的灰度图像进行频谱转换获取二维频谱图,将所述二维频谱图中一对对称的白色频点过坐标原点连线获取一条线段,将所述线段的法线方向作为棉布的斜纹方向。
S2、根据所述斜纹方向和预设棉布织物组织图中经纱与斜纹的夹角确定棉布的经纱方向。
具体地,由于棉布织物组织图是预设的,那么根据棉布织物组织图通过几何算法得到棉布织物组织图中经纱与斜纹的夹角参数α。根据经纱与斜纹的夹角参数α和S1步骤中获取的斜纹方向就能确定棉布的经纱方向。
S3、根据所述RGB织物图像获取棉布的二值图像,对所述二值图像中单个像素点进行删除获取新二值图像,并将所述新二值图像中的像素点所在连通域进行标号得到标记点。
具体地,由于棉布图像的二值化过程中,单个像素点十分冗杂,阈值的选取十分麻烦,并且对筘痕的检测无帮助,筘痕像素在二值图中多数为多个像素点的组合,故在二值化的过程中多单个像素点进行连通域检测,以单个像素自身对周围8个像素进行检测,如果为单个像素点,则将其视为非筘痕点,进行删除。
具体做法如下:1、将棉布RGB织物图像读取,自动确定二值化阈值;2、连通域检测周围临近8个方位中的像素,对单个像素进行删除;3、根据滤波后的RGB图像进行二值化,获取新二值图像。
具体地,对新二值图像中的像素点所在连通域进行标号得到标记点。以新二值图像的左下角为原点,建立平面直角坐标系(为方便观看将新二值图像的颜色反转)。并将其中的像素点组合由大到小的顺序进行排列标号,最大点记为C1依次至Ci,其中i<=最大点数,(上下大小一致,以上为大,左右大小一致,以左边为大),并记录各个标记号的(x,y)坐标。将全部像素点组合进行标号后如图2所示。
S4、建立多条穿过所述标记点并与所述经纱方向平行的直线,将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成。
具体地,以经纱方向为基准获取直线方程中的方程中斜率;根据斜率以新二值图像中左下角为原点建立经纱方向直线方程如下式(1)所示:
Y=aX+b (1)
将标记点C1至Ci依次代入直线方程建立多条与经纱方向平行的直线。
具体地,将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成,包括:当任意两条所述直线之间的距离不大于阈值时将其整合为一条新直线;将所述标记点Ci代入所述直线方程建立一条穿过标记点Ci的直线方程Yi=aX+bi;将所述标记点Ci-1代入所述直线方程建立一条穿过标记点Ci-1的直线方程Yi-1=aX+bi-1;计算所述直线方程Yi=aX+bi和所述直线方程Yi-1=aX+bi-1之间的距离;当所述距离不大于阈值时将所述直线方程Yi=aX+bi和所述直线方程Yi-1=aX+bi-1整合为一条新直线。将新直线与其他直线继续整合直至任意两个直线之间的距离大于阈值时整合完成。
具体做法如下:
首先将已经标记的点从C1至CI进行遍历代入经纱方向直线方程,得方程组D1={Y1,Y2Y3,……,Yi},并对方程组D1={Y1,Y2,Y3,……,Yi}进行初步处理,根据经纱粗细对方程组中方程进行整合,整合公式如下式(2)所示:
Yi=aX+bi Yi-1=aX+bi-1 若bi- bi-1<=NL,则视为Yi= Yi-1 (2)
其中,N表示权值,L表示经纱粗细,根据实际生产中经纱粗细的不同,则选择相应的权值N。对方程组{Y1,Y2,Y3,……,Yi}初步整合之后,得到方程组D2={Y1,Y2,Y3,……,Yn}(其中n<=i)。
S5、统计每条所述直线上穿过的所述标记点的个数,当任意一条所述直线上穿过的所述标记点的个数总数大于其他所述直线上穿过的全部所述标记点总和时将该直线作为目标直线,目标直线所在的位置就是棉布筘痕缺陷所在的位置。
具体做法如下:
其次对落在直线方程D2={Y1,Y2,Y3,……,Yn}上的标记点进行统计分级确定目标直线。
对直线方程D2={Y1,Y2,Y3,……,Yn}上的标记点根据直线上标记点个数总和进行统计排序,获得D2中最多标记点分布的直线Ymax1和其他,记Ymax1中标记点的个数总数为J,其他所有直线标记点的个数总和为K(J+K=标记点总数),若J>K,则Ymax1为待选目标直线;若J<K,则Ymax1为非目标直线;
为进一步确保所选直线Ymax1为目标直线,对直线方程D2={Y1,Y2,Y3,……,Yn} 中已经选取的待选目标直线Ymax1上的标记号码大小进行判断,如待选目标直线Ymax1上的标记号码大部分属于区间[1,J],则待选目标直线Ymax1即为目标直线。
由于标记点是按照像素点聚集数量的多少进行标记的,C1为像素点聚集数量最多的标记点,Ci为像素点聚集数量最少的标记点。Ymax1上的标记号码大部分属于区间[1,J],则证明Ymax1上不仅标记点的数量多,而且每个标记点聚集的像素点也多。如待选目标直线Ymax1上的标记号码大部分不属于区间[1,J],则待选目标直线Ymax1为非目标直线,目标直线Ymax1为经纱方向筘痕区域。
最后,具体说明关于两类特殊情况P1、P2的线性判断,其中P1为经纱方向为Y轴方向,P2为经纱方向为X轴方向。
当实例为P1时,则对坐标平面中Y轴进行分割,分割区间为Nm,其中N为权值,m为新二值图像中沿Y轴方向像素个数,权值的选则与实际经纱粗细相关,每个区间视为一条直线,对每条直线上的标记点进行统计,若直线Yi与相邻直线Yi+1标记点个数相差不大,则视为同一条直线;
当实例为P2时,则对坐标平面中X轴进行分割,分割区间为Nn,其中N为权值,n为Y轴方向像素个数,权值的选则与实际经纱粗细相关,每个区间视为一条直线,对每条直线上的标记点进行统计,若直线Yi与相邻直线Yi+1标记点个数相差不大,则视为同一条直线。
P1和P2中目标直线的选取方法与上述目标直线的选取方法相同。
具体地,目标直线所在的位置就是棉布筘痕缺陷所在的位置。通过确定棉布中经纱方向是否有目标直线来判定棉布中是否存在筘痕区域。
综上所述,本发明提供一种棉布筘痕缺陷的智能检测方法,基于图像数据处理方法对棉布的RGB织物图像进行分析获取频谱图,并根据频谱图确定棉布的斜纹方向。根据斜纹方向和预设棉布织物组织图中经纱与斜纹的夹角确定棉布的经纱方向。根据RGB织物图像获取棉布的二值图像,根据二值图像中沿经纱方向像素点的线性分布特征情况来检测棉布的筘痕。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,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 (4)
1.一种棉布筘痕缺陷的智能检测方法,其特征在于,该方法包括:
根据采集的棉布RGB织物图像获取频谱图,并根据频谱图确定棉布的斜纹方向;
根据所述斜纹方向和预设棉布织物组织图中经纱与斜纹的夹角确定棉布的经纱方向;
根据所述RGB织物图像获取棉布的二值图像,对所述二值图像中单个像素点进行删除获取新二值图像,并将所述新二值图像中的像素点所在连通域进行标号得到标记点;
并将所述新二值图像中的像素点所在连通域进行标号得到标记点,包括:将所述新二值图像中的像素点所在连通域按照像素点的聚集数量由多至少依次进行标号得到标记点C1至Ci;
建立多条穿过所述标记点并与所述经纱方向平行的直线,将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成;
建立多条穿过所述标记点并与所述经纱方向平行的直线,包括:以所述经纱方向为基准获取直线方程中的方程中斜率;根据所述斜率以所述新二值图像中左下角为原点建立经纱方向直线方程如下式(1)所示;
将所述标记点C1至Ci依次代入所述直线方程建立多条所述直线;
Y=aX+b(1)
其中,a表示直线方程的斜率,b表示直线方程的截距;
将全部的直线进行整合直至任意两个直线之间的距离大于阈值时整合完成,包括:当任意两条所述直线之间的距离不大于阈值时将其整合为一条新直线;将所述新直线与其他直线继续整合直至任意两个直线之间的距离大于阈值时整合完成;
当任意两条所述直线之间的距离不大于阈值时将其整合为一条新直线,包括:将所述标记点Ci代入所述直线方程建立一条穿过标记点Ci的直线方程Yi=aX+bi;将所述标记点Ci-1代入所述直线方程建立一条穿过标记点Ci-1的直线方程Yi-1=aX+bi-1;计算所述直线方程Yi=aX+bi和所述直线方程Yi-1=aX+bi-1之间的距离;当所述距离不大于阈值时将所述直线方程Yi=aX+bi和所述直线方程Yi-1=aX+bi-1整合为一条新直线;
统计每条所述直线上穿过的所述标记点的个数,当任意一条所述直线上穿过的所述标记点的个数总数大于其他所述直线上穿过的全部所述标记点总和时将该直线作为目标直线,目标直线所在的位置就是棉布筘痕缺陷所在的位置。
2.根据权利要求1所述的一种棉布筘痕缺陷的智能检测方法,其特征在于,所述并根据频谱图确定棉布的斜纹方向,包括:
根据所述RGB织物图像获取灰度图像,对所述灰度图像进行频谱转换获取二维频谱图;
将所述二维频谱图中一对对称的白色频点过坐标原点连线获取一条线段,将所述线段的法线方向作为棉布的斜纹方向。
3.根据权利要求1所述的一种棉布筘痕缺陷的智能检测方法,其特征在于,所述对所述二值图像中单个像素点进行删除获取新二值图像,包括:
对所述二值图像中每个像素点进行连通域检测;
当所述像素点为单个像素点时将其进行删除获取新二值图像。
4.根据权利要求2所述的一种棉布筘痕缺陷的智能检测方法,其特征在于,所述对所述灰度图像进行频谱转换获取二维频谱图,包括:
根据所述灰度图像获取该图像的梯度分布直方图;
对所述梯度分布直方图均衡化获得增强的灰度图像;
对所述增强的灰度图像进行频谱转换获取二维频谱图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844508.4A CN114913180B (zh) | 2022-07-19 | 2022-07-19 | 一种棉布筘痕缺陷的智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844508.4A CN114913180B (zh) | 2022-07-19 | 2022-07-19 | 一种棉布筘痕缺陷的智能检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114913180A CN114913180A (zh) | 2022-08-16 |
CN114913180B true CN114913180B (zh) | 2022-09-30 |
Family
ID=82772154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210844508.4A Active CN114913180B (zh) | 2022-07-19 | 2022-07-19 | 一种棉布筘痕缺陷的智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913180B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082485B (zh) * | 2022-08-23 | 2023-08-29 | 广东欧达雅包装制品有限公司 | 一种注塑制品表面气泡缺陷检测方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103471974B (zh) * | 2013-09-05 | 2015-08-12 | 东华大学 | 一种图像法测定织物理论孔隙率的方法 |
CN109211918B (zh) * | 2018-08-28 | 2021-02-05 | 河海大学常州校区 | 一种基于纬纱走向的织物弓纬检测方法 |
WO2021249560A1 (zh) * | 2020-06-12 | 2021-12-16 | 广州极飞科技股份有限公司 | 作物缺失的检测方法及检测装置 |
CN112258448A (zh) * | 2020-09-15 | 2021-01-22 | 郑州金惠计算机系统工程有限公司 | 细划痕检测方法、装置、电子设备及计算机可读存储介质 |
-
2022
- 2022-07-19 CN CN202210844508.4A patent/CN114913180B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114913180A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN115330784B (zh) | 一种布匹表面缺陷检测方法 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN115311303B (zh) | 一种纺织品经纬缺陷检测方法 | |
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 | |
Pan et al. | Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm | |
CN115082458B (zh) | 一种基于灰度游程矩阵的纺织材料疵点分析方法 | |
CN114913180B (zh) | 一种棉布筘痕缺陷的智能检测方法 | |
CN113870233B (zh) | 一种捆绑纱检测方法、计算机设备及存储介质 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
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 | |
CN115115637B (zh) | 基于图像金字塔思想的布匹缺陷检测方法 | |
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 | |
CN115131348A (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN116309671B (zh) | 一种土工合成织物质量检测系统 | |
CN116630309A (zh) | 一种布匹断纬瑕疵检测方法 | |
CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
CN113936001B (zh) | 一种基于图像处理技术的纺织品表面瑕疵点检测方法 | |
CN112330673A (zh) | 一种基于图像处理的机织物密度检测方法 | |
CN115311279A (zh) | 一种织物经纬瑕疵的机器视觉识别方法 | |
CN115311265A (zh) | 基于纺织质量的织布机智能控制系统 | |
CN111402225B (zh) | 一种布匹折叠误检疵点判别方法 | |
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 | |
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 |
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 |