CN115100213B - 纺织工艺中材料漂白识别方法及数据处理系统 - Google Patents

纺织工艺中材料漂白识别方法及数据处理系统 Download PDF

Info

Publication number
CN115100213B
CN115100213B CN202211037521.5A CN202211037521A CN115100213B CN 115100213 B CN115100213 B CN 115100213B CN 202211037521 A CN202211037521 A CN 202211037521A CN 115100213 B CN115100213 B CN 115100213B
Authority
CN
China
Prior art keywords
run
scale
advantage
contrast
matrix
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
CN202211037521.5A
Other languages
English (en)
Other versions
CN115100213A (zh
Inventor
何菊
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.)
Haimen Ximanting Textile Co ltd
Original Assignee
Haimen Ximanting 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 Haimen Ximanting Textile Co ltd filed Critical Haimen Ximanting Textile Co ltd
Priority to CN202211037521.5A priority Critical patent/CN115100213B/zh
Publication of CN115100213A publication Critical patent/CN115100213A/zh
Application granted granted Critical
Publication of CN115100213B publication Critical patent/CN115100213B/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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及数据处理与识别技术领域，具体涉及纺织工艺中材料漂白识别方法及数据处理系统。该方法为：利用电子设备获取漂白后的纺织材料表面多尺度的采样图像；以预设窗口在每张采样图像上滑动，构建每个窗口对应的灰度游程矩阵；获取每个窗口对应的灰度游程矩阵的短游程优势和长游程优势，根据短游程优势和长游程优势获取每个窗口的优势对比程度；根据采样图像的尺度以及每个窗口的优势对比程度构建尺度‑优势对比矩阵；根据尺度‑优势对比矩阵获取纺织材料的纤维韧性，根据纤维韧性对纺织材料进行质量评估。避免了因为纤维脆损对纺织材料质量评估的干扰，提高了对纺织材料质量识别的精确度。

Description

纺织工艺中材料漂白识别方法及数据处理系统
技术领域
本发明涉及数据处理与识别技术领域，具体涉及纺织工艺中材料漂白识别方法及数据处理系统。
背景技术
在当前纺织行业中，纺织材料漂白是染整工序重要的前处理工序，纺织材料漂白效果的好坏直接影响到后续染色效果，因此对纺织材料漂白质量的评估对生产高质量的纺织产品具有重要意义。而在纺织材料漂白过程中，白度不均以及纤维脆损是常见的漂白缺陷。这两种缺陷的外在表现容易混淆。其中白度不均缺陷产生的原因可能为漂白液浓度过低、漂液PH值控制不当、堆置或汽蒸时间不足等原因。存在白度不均缺陷时可以进行适当的二次漂白来修复缺陷，因此对纺织材料的漂白质量影响较小。但纤维脆损缺陷的产生原因可能是漂白液种含有铁离子或材料上占有铁质、漂白时间过长等等，其会使纤维发硬变脆，强度下降，会对纺织材料造成不可逆的质量影响，一旦出现则可能导致整批织物报废。而当纤维脆损缺陷程度较轻时，其外在表现与白度不均相似，难以分辨，而当其程度严重时会形成氧漂破洞，直接造成纺织材料的结构破损。
现有技术一般通过对漂白后的纺织材料表面图像进行灰度直方图统计，通过进行基于直方图的阈值分割来确定是否存在白度不均，但当该纺织材料表面存在较轻程度的纤维破损缺陷时，其仍然会被检测为白度不均缺陷，但较轻的纤维脆损缺陷也是不可逆的织物损伤，因此对纺织材料的质量评价的准确率较低。
发明内容
为了解决上述技术问题，本发明的目的在于提供纺织工艺中材料漂白识别方法及数据处理系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了纺织工艺中材料漂白识别方法及数据处理系统，该方法包括：
获取漂白后的纺织材料表面灰度图像；对所述灰度图像进行金字塔下采样得到多尺度的采样图像；
以预设窗口在每张所述采样图像上滑动，构建每个窗口对应的灰度游程矩阵，每张所述采样图像对应多个所述灰度游程矩阵；
获取每个窗口对应的所述灰度游程矩阵的短游程优势和长游程优势，计算所述短游程优势和所述长游程优势的差值以及所述短游程优势和所述长游程优势的加和，根据所述差值和所述加和的比值获取每个所述窗口的优势对比程度；
获取每张采样图像中所有所述窗口的优势对比程度；根据所述采样图像的尺度以及每个所述窗口的优势对比程度构建尺度-优势对比矩阵；根据所述尺度-优势对比矩阵中所述采样图像的尺度以及所述优势对比程度对应窗口的数量获取所述纺织材料的纤维韧性，根据所述纤维韧性对所述纺织材料进行质量评估。
优选的，所述灰度游程矩阵的短游程优势的获取步骤，包括：
将所述采样图像中的灰度值划为多个灰度级别，灰度游程矩阵中每个元素为每个所述灰度级别对应游程长度出现的次数；
所述短游程优势的计算为：
Figure 896633DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示短游程优势；
Figure 938408DEST_PATH_IMAGE004
表示第
Figure DEST_PATH_IMAGE005
个灰度级别在第
Figure 842779DEST_PATH_IMAGE006
个游程长度出现的次数；
Figure DEST_PATH_IMAGE007
表示灰度游程矩阵中灰度级别的数量；
Figure 362622DEST_PATH_IMAGE008
表示灰度游程矩阵中游程长度的最大值。
优选的，所述灰度游程矩阵的长游程优势的获取步骤，包括：
所述长游程优势的计算为：
Figure 114677DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
表示长游程优势；
Figure 327352DEST_PATH_IMAGE004
表示第
Figure 532069DEST_PATH_IMAGE005
个灰度级别在第
Figure 183499DEST_PATH_IMAGE006
个游程长度出现的次数；
Figure 790061DEST_PATH_IMAGE007
表示灰度游程矩阵中灰度级别的数量；
Figure 235954DEST_PATH_IMAGE008
表示灰度游程矩阵中游程长度的最大值。
优选的，所述根据所述采样图像的尺度以及每个所述窗口的优势对比程度构建尺度-优势对比矩阵的步骤，包括：
根据所述优势对比程度的大小分为多个优势对比级别；统计每张所述采样图像中出现的每个所述优势对比级别的数量；
所述尺度-优势对比矩阵中元素表示在每个尺度的采样图像中，每个优势对比级别出现的数量。
优选的，所述根据所述尺度-优势对比矩阵中所述采样图像的尺度以及所述优势对比程度对应窗口的数量获取所述纺织材料的纤维韧性的步骤之前，包括：
对所述尺度-优势对比矩阵中不同尺度的所述采样图像进行尺度均衡，所述尺度均衡方法为：
Figure DEST_PATH_IMAGE013
其中，
Figure 380497DEST_PATH_IMAGE014
表示尺度均衡后的尺度-优势对比矩阵中第
Figure DEST_PATH_IMAGE015
个尺度的采样图像内第
Figure 242142DEST_PATH_IMAGE016
个优势对比级别对应的元素值；
Figure DEST_PATH_IMAGE017
表示尺度-优势对比矩阵中第
Figure 890161DEST_PATH_IMAGE015
个尺度的采样图像内第
Figure 523268DEST_PATH_IMAGE016
个优势对比级别对应的元素值；
Figure 702577DEST_PATH_IMAGE018
表示优势对比级别的数量。
优选的，所述根据所述尺度-优势对比矩阵中所述采样图像的尺度以及所述优势对比程度对应窗口的数量获取所述纺织材料的纤维韧性的步骤，包括：
所述纤维韧性的计算公式为：
Figure 430230DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE021
表示纤维韧性；
Figure 932756DEST_PATH_IMAGE015
表示采样图像的尺度；
Figure 471184DEST_PATH_IMAGE022
表示采样图像的尺度的总数量；
Figure 121477DEST_PATH_IMAGE016
表示优势对比级别；
Figure 137975DEST_PATH_IMAGE018
表示优势对比级别的数量；
Figure 88482DEST_PATH_IMAGE014
表示尺度均衡后的尺度-优势对比矩阵中第
Figure 797812DEST_PATH_IMAGE015
个尺度的采样图像内第
Figure 935401DEST_PATH_IMAGE016
个优势对比级别对应的元素值。
优选的，所述根据所述纤维韧性对所述纺织材料进行质量评估的步骤，包括：
根据预设的等级范围对所述纺织材料进行质量评估；
当所述纤维韧性在第一等级范围内时，所述纺织材料质量为差；
当所述纤维韧性在第二等级范围内时，所述纺织材料质量为中等；
当所述纤维韧性在第三等级范围内时，所述纺织材料质量为优。
第二方面，本发明另一个实施例提供了一种基于计算机视觉的纺织材料漂白质量评估系统，包括存储器、处理器以及存储在所述存储器中并可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方法所述的步骤。
本发明具有如下有益效果：本发明实施例首先获取漂白后纺织材料的表面灰度图像，根据该灰度图像得到多张不同尺度的采样图像，构建滑窗在每张采样图像中滑动，计算每个滑窗对应的灰度游程矩阵以及每个灰度游程矩阵对应的优势对比程度，根据优势对比程度以及不同采样图像的尺寸构建尺度-优势对比矩阵，根据该尺度-优势对比矩阵计算该纺织材料对应的纤维韧性，进一步根据纤维韧性对该纺织材料的质量进行评估，从而避免纺织材料的纤维脆损被误认为白度不均现象，根据纤维脆损的情况对纺织材料进行检查确认，提高了对纺织材料质量评估的准确度。
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所提供的一种基于计算机视觉的纺织材料漂白质量评估的方法流程图。
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纺织工艺中材料漂白识别方法及数据处理系统，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。
本发明实施例主要适用于判断纺织材料漂白后是否存在纤维脆损的现象，从而对纺织材料的质量进行评估，为了解决现有检测会混淆纺织材料的纤维脆损以及白度不均现象的问题，本发明实施例中首先获取漂白后纺织材料的多张不同尺度的表面采样图像，计算每张采样图像对应的灰度游程矩阵以及对应的优势对比程度，根据采样图像的尺度和优势对比程度计算该纺织材料对应的纤维韧性，进一步根据纤维韧性对该纺织材料的质量进行评估，从而对纺织材料漂白后的白度不均部分进行对比，以此确定该纺织材料是否存在纤维脆损的现象，从而避免了因为纤维脆损对纺织材料质量的错误评估，提高了对纺织材料质量评估的精确度。
下面结合附图具体的说明本发明所提供的纺织工艺中材料漂白识别方法及数据处理系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于计算机视觉的纺织材料漂白质量评估的方法流程图，该方法包括以下步骤：
步骤S100，获取漂白后的纺织材料表面灰度图像；对灰度图像进行金字塔下采样得到多尺度的采样图像。
日常中纺织材料的漂白缺陷主要为白度不均、锈斑、破洞等，破洞与锈斑的形成原因近似，是因为铁离子以不同形式存在于漂白过程中，锈斑是纺织材料表面沾染铁锈，而破洞是漂白液中含有铁离子，二者都会导致纺织材料的纤维脆损，而破洞是纤维脆损的最严重形态。其中锈斑的特征明显，现有的技术能准确检测出这种缺陷；而当纤维脆损程度较轻时，其外在表现为纤维脆损导致细微的纤维断裂，以细微碎裂纤维形式存在，导致织物表面吸收和反射光线能力下降，进而使得外在表现的形式为白度不均，而纺织材料中真实白度不均的缺陷是可以弥补的，但纤维脆损是不可逆的损伤，因此极易将纤维脆损与正常的白度不均混淆，从而对纺织材料的质量作出错误判断。
为了对纺织材料是否存在纤维脆损情况进行准确检测，本发明实施例中在漂白成品出料口设置工业相机进行图像采集，获取纺织材料漂白后的表面图像，对该表面图像进行灰度化处理得到纺织材料表面的灰度图像。
进一步的，对纺织材料表面的灰度图像进行金字塔下采样，得到多张不同尺寸的采样图像。其中，采样的具体操作首先是对该灰度图像进行高斯滤波，即每个像素点由其本身以及邻域内其他像素点经过加权平均后得到；高斯滤波之后的灰度图像大小并未发生改变，进一步对该灰度图像进行第一次向下采样，本发明实施例中以删除偶数行和偶数列的方式，将第一次采样图像的大小变为原灰度图像的四分之一；以此类推，以第一次下采样后的采样图像再次进行采样，最终得到多个尺度下的采样图像。
作为优选，本发明实施例中设置10个尺度的采样图像，根据采样图像的尺寸大小分别对尺度进行标号；其中，将该灰度图像标记为尺度0，对该灰度图像第一次下采样得到的采样图像标记为尺度1，以此类推，得到尺度0-9的十个尺度的采样图像。
步骤S200，以预设窗口在每张采样图像上滑动，构建每个窗口对应的灰度游程矩阵，每张采样图像对应多个灰度游程矩阵。
由步骤S100中获取到多个尺度的采样图像，本发明实施例中以预设大小为
Figure DEST_PATH_IMAGE023
的滑窗，按照步长为1在每个采样图像中滑动，则每张采样图像对应多个窗口，进一步构建每个窗口对应的灰度游程矩阵对该纺织材料进行分析。
作为优选，本发明实施例中设置滑窗的大小为
Figure 942541DEST_PATH_IMAGE024
。
根据优势对比程度的大小分为多个优势对比级别；统计每张采样图像中出现的每个优势对比级别的数量；尺度-优势对比矩阵中元素表示在每个尺度的采样图像中，每个优势对比级别出现的数量。
具体的，构建每个窗口对应的灰度游程矩阵的具体方法为：
首先，为了减少后续分析的计算量，将采样图像中所有像素点的灰度值按照从小到大的顺序等分为多个灰度级别，一个灰度级别包括一个范围内的灰度值。由于本发明实施例中一个窗口的大小为
Figure 232708DEST_PATH_IMAGE024
，所以在灰度游程矩阵中每个窗口的最大游程为5。
然后，选取灰度游程矩阵的构建方向；以0°、45°、90°以及135°四个方向构建每个滑窗对应的四个灰度游程矩阵；本发明实施例中将四个方向的灰度游程矩阵的结果叠加，从而得到每个滑窗对应的灰度游程矩阵。
由此获取每张采样图像中多个窗口对应的灰度游程矩阵，该灰度游程矩阵中的每个元素表示该窗口内每个灰度级别在不同游程长度下出现的次数。
步骤S300，获取每个窗口对应的灰度游程矩阵的短游程优势和长游程优势，计算短游程优势和长游程优势的差值以及短游程优势和长游程优势的加和，根据差值和加和的比值获取每个窗口的优势对比程度。
由步骤S200中的方法得到每张采样图像中多个窗口对应的灰度游程矩阵，当纺织材料出现白度不均或者纤维脆损时，其正常的灰度游程都会被打断，因此以每个窗口内的优势对比程度作为特征指标，对该纺织材料是否发生纤维脆损进行分析。
具体的，获取每个窗口内的优势对比程度的方法为：
已知每个灰度游程矩阵中具有多个灰度级别，且该灰度游程矩阵中的每个元素为每个灰度级别对应游程长度出现的次数，以此获取每个灰度游程矩阵的短游程优势为：
Figure 362207DEST_PATH_IMAGE002
其中，
Figure 737824DEST_PATH_IMAGE003
表示短游程优势；
Figure 345392DEST_PATH_IMAGE004
表示第
Figure 755645DEST_PATH_IMAGE005
个灰度级别在第
Figure 56045DEST_PATH_IMAGE006
个游程长度出现的次数；
Figure 918959DEST_PATH_IMAGE007
表示灰度游程矩阵中灰度级别的数量；
Figure 330217DEST_PATH_IMAGE008
表示灰度游程矩阵中游程长度的最大值，本发明实施例中
Figure DEST_PATH_IMAGE025
。
长游程优势的计算方法为：
Figure 250769DEST_PATH_IMAGE026
其中，
Figure 472803DEST_PATH_IMAGE011
表示长游程优势；
Figure 72280DEST_PATH_IMAGE004
表示第
Figure 37962DEST_PATH_IMAGE005
个灰度级别在第
Figure 140916DEST_PATH_IMAGE006
个游程长度出现的次数；
Figure 517540DEST_PATH_IMAGE007
表示灰度游程矩阵中灰度级别的数量；
Figure 89467DEST_PATH_IMAGE008
表示灰度游程矩阵中游程长度的最大值，本发明实施例中
Figure 842528DEST_PATH_IMAGE025
。
进一步的，对获取到的长游程优势和短游程优势分别进行归一化得到：
Figure 81879DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE029
表示归一化后的长游程优势；
Figure 301508DEST_PATH_IMAGE011
表示长游程优势；
Figure 875578DEST_PATH_IMAGE008
表示灰度游程矩阵中游程长度的最大值，本发明实施例中
Figure 183062DEST_PATH_IMAGE025
。
对短游程优势的归一化为：
Figure DEST_PATH_IMAGE031
其中，
Figure 198292DEST_PATH_IMAGE032
表示归一化后的短游程优势；
Figure 916718DEST_PATH_IMAGE003
表示短游程优势；
Figure 463237DEST_PATH_IMAGE008
表示灰度游程矩阵中游程长度的最大值，本发明实施例中
Figure 823680DEST_PATH_IMAGE025
。
则根据归一化后的长游程优势和短游程优势得到该窗口对应的灰度游程矩阵的优势对比程度为：
Figure 755733DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE035
表示优势对比程度，其取值范围为
Figure 582743DEST_PATH_IMAGE036
；
Figure 616558DEST_PATH_IMAGE029
表示归一化后的长游程优势；
Figure 272971DEST_PATH_IMAGE032
表示归一化后的短游程优势。
步骤S400，获取每张采样图像中所有窗口的优势对比程度；根据采样图像的尺度以及每个窗口的优势对比程度构建尺度-优势对比矩阵，根据尺度-优势对比矩阵中采样图像的尺度以及优势对比程度对应窗口的数量获取纺织材料的纤维韧性，根据纤维韧性对纺织材料进行质量评估。
基于上述步骤300中获取每个窗口对应优势对比程度相同的方法，获取每张采样图像中每个窗口对应的优势对比程度。为减少后续的计算，将所有窗口的优势对比程度按照从小到大的顺序等分为十个优势对比级别，即优势对比程度处于
Figure DEST_PATH_IMAGE037
的为第1级别；优势对比程度处于
Figure 997214DEST_PATH_IMAGE038
的为第2级别；以此类推，优势对比程度处于
Figure DEST_PATH_IMAGE039
的为第10级别。由此能够得到每张采样图像中每个窗口对应的优势对比级别。
进一步的，根据每张采样图像中每个优势对比级别对应的窗口数量构建尺度-优势对比矩阵，该尺度-优势对比矩阵的行为不同等级的优势对比级别，该尺度-优势对比矩阵的列为不同尺度的采样图像，本发明实施例中的采样图像为10个尺度，优势对比级别为10个级别，因此该尺度-优势对比矩阵为十行十列的矩阵，尺度-优势对比矩阵中每一个元素表示在每个尺度的采样图像中每个优势对比级别出现的次数，即该优势对比级别在该尺度采样图像中对应窗口的数量。
由于本发明实施例中不同尺度的采样图像的大小具有差异，所以该尺度-优势对比矩阵中每一行元素的累加之和不同，对每一行的元素进行尺度均衡处理，该尺度均衡的具体过程为：
Figure 995126DEST_PATH_IMAGE013
其中，
Figure 499925DEST_PATH_IMAGE014
表示尺度均衡后的尺度-优势对比矩阵中第
Figure 687324DEST_PATH_IMAGE015
个尺度的采样图像内第
Figure 859548DEST_PATH_IMAGE016
个优势对比级别对应的元素值；
Figure 106990DEST_PATH_IMAGE017
表示尺度-优势对比矩阵中第
Figure 364665DEST_PATH_IMAGE015
个尺度的采样图像内第
Figure 355755DEST_PATH_IMAGE016
个优势对比级别对应的元素值；
Figure 116906DEST_PATH_IMAGE018
表示优势对比级别的数量，本发明实施例中
Figure 535249DEST_PATH_IMAGE040
。
根据尺度均衡后的尺度-优势对比矩阵获取该纺织材料的纤维韧性为：
Figure 749062DEST_PATH_IMAGE020
其中，
Figure 527531DEST_PATH_IMAGE021
表示纤维韧性；
Figure 893921DEST_PATH_IMAGE015
表示采样图像的尺度；
Figure 732433DEST_PATH_IMAGE022
表示采样图像的尺度的总数量，本发明实施例中采样图像共有十个尺度，因此
Figure DEST_PATH_IMAGE041
；
Figure 636804DEST_PATH_IMAGE016
表示优势对比级别；
Figure 704117DEST_PATH_IMAGE018
表示优势对比级别的数量，本发明实施例中
Figure 174282DEST_PATH_IMAGE040
；
Figure 183695DEST_PATH_IMAGE014
表示尺度均衡后的尺度-优势对比矩阵中第
Figure 388411DEST_PATH_IMAGE015
个尺度的采样图像内第
Figure 39841DEST_PATH_IMAGE016
个优势对比级别对应的元素值。
当纤维的韧性较低时，说明该纺织材料极有可能出现纤维脆损的现象，从而对该纺织材料的质量造成不可逆的伤害。因此根据每个纺织材料的纤维韧性对该纺织材料漂白后的质量进行检测。根据预设的等级范围对纺织材料进行质量评估；当纤维韧性在第一等级范围内时，纺织材料质量为差；当纤维韧性在第二等级范围内时，纺织材料质量为中等；当纤维韧性在第三等级范围内时，纺织材料质量为优。
具体的，本发明实施例中将第一等级范围设置为
Figure 115245DEST_PATH_IMAGE042
，第二等级范围设置为
Figure DEST_PATH_IMAGE043
，第三等级范围设置为
Figure 967663DEST_PATH_IMAGE044
。当纤维韧性
Figure 908943DEST_PATH_IMAGE021
处于第一等级范围内时，说明纺织材料的纤维韧性低，发生了纤维脆损现象并且脆损程度较为严重，此时纺织材料的质量为差，应当立即停机检查；当纤维韧性
Figure 583638DEST_PATH_IMAGE021
处于第二等级范围内时，说明纺织材料的纤维韧性中等，发生了轻度纤维脆损，此时纺织材料的质量为中等，并根据实际情况决定是否要停机检查；当纤维韧性
Figure 28395DEST_PATH_IMAGE021
处于第三等级范围内时，说明纤维韧性好，未发生纤维脆损现象，此时纺织材料的质量为高。
需要说明的是，本发明实施例根据纤维脆损程度对纺织材料进行质量评价时，是在利用现有技术检测纺织材料是否白度不均的同时利用本发明实施例的方法检测纤维脆损现象是否存在，即主要目的是检测出该白度不均的缺陷是否由纤维脆损的现象引起，若该纺织材料中的白度不均并非纤维脆损现象，则该纺织材料此时的质量评价结果也为高。
综上所述，本发明实施例首先获取漂白后纺织材料的表面灰度图像，对该灰度图像进行多次下采样得到多张不同尺度的采样图像，进而构建滑窗在每张采样图像中滑动，计算每个滑窗对应的灰度游程矩阵，以及每个灰度游程矩阵对应的优势对比程度，根据优势对比程度以及不同采样图像的尺寸构建尺度-优势对比矩阵，根据该尺度-优势对比矩阵计算该纺织材料对应的纤维韧性，进一步根据纤维韧性对该纺织材料的质量进行评估，从而对纺织材料漂白后的白度不均部分进行对比，以此确定该纺织材料是否存在纤维脆损的现象，避免了因为纤维脆损对纺织材料质量的错误评估，提高了对纺织材料质量评估的精确度。
基于与上述方法实施例相同的发明构思，本发明实施例还提供了一种基于计算机视觉的纺织材料漂白质量评估系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序。处理器执行所述计算机程序时实现上述纺织工艺中材料漂白识别方法及数据处理系统实施例中的步骤，例如图1所示的步骤。该纺织工艺中材料漂白识别方法及数据处理系统在上述实施例中已经详细说明，不再赘述。
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。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。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 (3)

1.纺织工艺中材料漂白识别方法，其特征在于，该方法包括以下步骤：
获取漂白后的纺织材料表面灰度图像；对所述灰度图像进行金字塔下采样得到多尺度的采样图像；
以预设窗口在每张所述采样图像上滑动，构建每个窗口对应的灰度游程矩阵，每张所述采样图像对应多个所述灰度游程矩阵；
获取每个窗口对应的所述灰度游程矩阵的短游程优势和长游程优势，计算所述短游程优势和所述长游程优势的差值以及所述短游程优势和所述长游程优势的加和，根据所述差值和所述加和的比值获取每个所述窗口的优势对比程度；
获取每张采样图像中所有所述窗口的优势对比程度；根据所述采样图像的尺度以及每个所述窗口的优势对比程度构建尺度-优势对比矩阵；根据所述尺度-优势对比矩阵中所述采样图像的尺度以及所述优势对比程度对应窗口的数量获取所述纺织材料的纤维韧性，根据所述纤维韧性对所述纺织材料进行质量评估；
所述灰度游程矩阵的短游程优势的获取步骤，包括：
将所述采样图像中的灰度值划为多个灰度级别，灰度游程矩阵中每个元素为每个所述灰度级别对应游程长度出现的次数；
所述短游程优势的计算为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示短游程优势；
Figure DEST_PATH_IMAGE006
表示第
Figure DEST_PATH_IMAGE008
个灰度级别在第
Figure DEST_PATH_IMAGE010
个游程长度出现的次数；
Figure DEST_PATH_IMAGE012
表示灰度游程矩阵中灰度级别的数量；
Figure DEST_PATH_IMAGE014
表示灰度游程矩阵中游程长度的最大值；
所述灰度游程矩阵的长游程优势的获取步骤，包括：
所述长游程优势的计算为：
Figure DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE018
表示长游程优势；
Figure 373455DEST_PATH_IMAGE006
表示第
Figure 493858DEST_PATH_IMAGE008
个灰度级别在第
Figure 211278DEST_PATH_IMAGE010
个游程长度出现的次数；
Figure 809750DEST_PATH_IMAGE012
表示灰度游程矩阵中灰度级别的数量；
Figure 576454DEST_PATH_IMAGE014
表示灰度游程矩阵中游程长度的最大值；
所述根据所述采样图像的尺度以及每个所述窗口的优势对比程度构建尺度-优势对比矩阵的步骤，包括：
根据所述优势对比程度的大小分为多个优势对比级别；统计每张所述采样图像中出现的每个所述优势对比级别的数量；
所述尺度-优势对比矩阵中元素表示在每个尺度的采样图像中，每个优势对比级别出现的数量；
所述根据所述尺度-优势对比矩阵中所述采样图像的尺度以及所述优势对比程度对应窗口的数量获取所述纺织材料的纤维韧性的步骤之前，包括：
对所述尺度-优势对比矩阵中不同尺度的所述采样图像进行尺度均衡，所述尺度均衡方法为：
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE022
表示尺度均衡后的尺度-优势对比矩阵中第
Figure DEST_PATH_IMAGE024
个尺度的采样图像内第
Figure DEST_PATH_IMAGE026
个优势对比级别对应的元素值；
Figure DEST_PATH_IMAGE028
表示尺度-优势对比矩阵中第
Figure 962698DEST_PATH_IMAGE024
个尺度的采样图像内第
Figure 164485DEST_PATH_IMAGE026
个优势对比级别对应的元素值；
Figure DEST_PATH_IMAGE030
表示优势对比级别的数量；
所述根据所述尺度-优势对比矩阵中所述采样图像的尺度以及所述优势对比程度对应窗口的数量获取所述纺织材料的纤维韧性的步骤，包括：
所述纤维韧性的计算公式为：
Figure DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE034
表示纤维韧性；
Figure 317379DEST_PATH_IMAGE024
表示采样图像的尺度；
Figure DEST_PATH_IMAGE036
表示采样图像的尺度的总数量；
Figure 127204DEST_PATH_IMAGE026
表示优势对比级别；
Figure 58251DEST_PATH_IMAGE030
表示优势对比级别的数量；
Figure 18772DEST_PATH_IMAGE022
表示尺度均衡后的尺度-优势对比矩阵中第
Figure 693467DEST_PATH_IMAGE024
个尺度的采样图像内第
Figure 154535DEST_PATH_IMAGE026
个优势对比级别对应的元素值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述纤维韧性对所述纺织材料进行质量评估的步骤，包括：
根据预设的等级范围对所述纺织材料进行质量评估；
当所述纤维韧性在第一等级范围内时，所述纺织材料质量为差；
当所述纤维韧性在第二等级范围内时，所述纺织材料质量为中等；
当所述纤维韧性在第三等级范围内时，所述纺织材料质量为优。
3.纺织工艺中材料漂白 数据处理系统，包括存储器、处理器以及存储在所述存储器中并可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
Figure DEST_PATH_IMAGE038
2任意一项方法所述的步骤。
CN202211037521.5A 2022-08-29 2022-08-29 纺织工艺中材料漂白识别方法及数据处理系统 Active CN115100213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211037521.5A CN115100213B (zh) 2022-08-29 2022-08-29 纺织工艺中材料漂白识别方法及数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211037521.5A CN115100213B (zh) 2022-08-29 2022-08-29 纺织工艺中材料漂白识别方法及数据处理系统

Publications (2)

Publication Number Publication Date
CN115100213A CN115100213A (zh) 2022-09-23
CN115100213B true CN115100213B (zh) 2022-12-09

Family

ID=83301158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211037521.5A Active CN115100213B (zh) 2022-08-29 2022-08-29 纺织工艺中材料漂白识别方法及数据处理系统

Country Status (1)

Country Link
CN (1) CN115100213B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974637B (zh) * 2024-03-28 2024-06-18 济宁金牛重工有限公司 基于图像特征的引导轮裂纹缺陷智能检测方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0419523D0 (en) * 2004-09-02 2004-10-06 Pan Bernice Garment trimming
CN101136215A (zh) * 2007-10-18 2008-03-05 清华大学 多阶游程受限只读光盘母盘及其刻录方法
CN114663435B (zh) * 2022-05-25 2022-08-09 启东新朋莱纺织科技有限公司 一种纺织布料张力异常自动监测方法
CN114882029B (zh) * 2022-07-11 2022-09-20 南通科特森新材料科技有限公司 一种玻纤增强材料表面浮纤识别方法及电子设备

Also Published As

Publication number Publication date
CN115100213A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN114972357B (zh) 一种基于图像处理的轧辊表面缺陷检测方法及系统
CN114627111B (zh) 一种纺织品缺陷检测识别装置
CN114549522B (zh) 基于目标检测的纺织品质量检测方法
CN110349126B (zh) 一种基于卷积神经网络带标记的钢板表面缺陷检测方法
CN116843688B (zh) 一种纺织品质量视觉检测方法
CN115100213B (zh) 纺织工艺中材料漂白识别方法及数据处理系统
CN115115615A (zh) 一种基于图像识别的纺织面料质量评估方法及系统
CN116342583B (zh) 一种用于纺纱生产加工的抗起球性能检测方法
CN110781913B (zh) 一种拉链布带缺陷检测方法
CN116934749B (zh) 基于图像特征的纺织物瑕疵快速检测方法
CN113838054A (zh) 基于人工智能的机械零件表面损伤检测方法
CN115082458B (zh) 一种基于灰度游程矩阵的纺织材料疵点分析方法
CN111724376B (zh) 一种基于纹理特征分析的纸病检测方法
CN115049671A (zh) 基于计算机视觉的布匹表面缺陷检测方法及系统
CN115311279A (zh) 一种织物经纬瑕疵的机器视觉识别方法
CN115829984A (zh) 一种棉织品丝光处理缺陷识别方法
CN114842013A (zh) 一种纺织品纤维强度检测方法及系统
CN116894840B (zh) 纺纱打样机产品质量检测方法及系统
CN115100186B (zh) 基于图像数据的纺织品色差检测方法
CN111402225A (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
CN111563869A (zh) 用于摄像模组质检的污点测试方法
Datta et al. Detection of defects in fabric by morphological image processing
CN116168020B (zh) 一种皮革缺陷检测方法
Niles et al. A system for analysis, categorisation and grading of fabric defects using computer vision

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