CN115266538A - 织带透水性能检测装置及方法 - Google Patents

织带透水性能检测装置及方法 Download PDF

Info

Publication number
CN115266538A
CN115266538A CN202211207968.2A CN202211207968A CN115266538A CN 115266538 A CN115266538 A CN 115266538A CN 202211207968 A CN202211207968 A CN 202211207968A CN 115266538 A CN115266538 A CN 115266538A
Authority
CN
China
Prior art keywords
water
water stain
stain area
woven belt
point
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.)
Granted
Application number
CN202211207968.2A
Other languages
English (en)
Other versions
CN115266538B (zh
Inventor
何美凤
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.)
Webest Interlining Nantong Co ltd
Original Assignee
Webest Interlining Nantong 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 Webest Interlining Nantong Co ltd filed Critical Webest Interlining Nantong Co ltd
Priority to CN202211207968.2A priority Critical patent/CN115266538B/zh
Publication of CN115266538A publication Critical patent/CN115266538A/zh
Application granted granted Critical
Publication of CN115266538B publication Critical patent/CN115266538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Dispersion Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及织带透水性能检测技术领域，具体涉及织带透水性能检测装置及方法。本发明提供的方法是：首先获取水滴喷淋后织带上表面的灰度图像和下表面的灰度图像，对获取到的灰度图像进行处理，根据水滴与织带各水渍区域接触时的速度，计算透水性权重；然后计算织带下表面各水渍区域对应的第一、第二和第三透水性影响指标；最后根据第一、第二、第三透水性影响指标和透水性权重，计算出整体的透水性指标。本发明提供的检测装置包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现织带透水性能检测方法。本发明方法和装置对织带的透水性能进行检测，提高了检测效率，降低了检测成本。

Description

织带透水性能检测装置及方法
技术领域
本发明涉及织带透水性能检测技术领域，具体涉及织带透水性能检测装置及方法。
背景技术
织带品种繁多，广泛应用于服饰、鞋材、箱包、工业、农业、军需、交通运输等各产业。透水性能是织带的一个重要指标，织带的透水性能是指液态水从织物的一面渗透到另一面的性能。透水性能检测无论在衣着上还是工业上均有重要意义，织带在生产完成后，需要检测它的透水性能，传统的透水性能检测往往是通过人工或者仪器进行测试，人工检测的主观性较强，成本较高，检测效率较低；仪器检测往往需要与织带进行接触，可能会破坏织带的质量。
发明内容
为了解决现有方法检测织带的透水性能时存在的检测效率较低的问题，本发明的目的在于提供织带透水性能检测装置及方法，所采用的技术方案具体如下：
第一方面，本发明提供了一种织带透水性能检测方法，该方法包括以下步骤：
步骤一、获取水滴喷淋之后的织带上表面的灰度图像和织带下表面的灰度图像；根据水滴喷淋织带时水滴的各帧图像，得到水滴与织带各水渍区域接触时的速度；根据水滴与织带各水渍区域接触时的速度，计算各水渍区域对应的透水性权重；
步骤二、获取织带上表面的灰度图像中各水渍区域的中心点和织带下表面的灰度图像中各水渍区域的中心点；对织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘像素点进行角点检测，得到织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘角点；
步骤三、对于织带下表面的灰度图像中的任一水渍区域：根据该水渍区域的中心点到各边缘角点的距离和织带上表面与该水渍区域对应的水渍区域的中心点到各边缘角点的距离，计算该水渍区域对应的第一透水性影响指标；根据该水渍区域的熵值和织带上表面与该水渍区域对应的水渍区域的熵值，计算该水渍区域对应的第二透水性影响指标；根据该水渍区域中心点的饱和度、该水渍区域各边缘角点的饱和度、织带上表面与该水渍区域对应的水渍区域中心点的饱和度和织带上表面与该水渍区域对应的水渍区域各边缘角点的饱和度，计算该水渍区域对应的第三透水性影响指标；
步骤四、根据织带下表面的灰度图像中各水渍区域对应的第一透水性影响指标、第二透水性影响指标、第三透水性影响指标和各水渍区域对应的透水性权重，计算织带的整体透水性指标。
第二方面，本发明提供了一种织带透水性能检测装置，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的织带透水性能检测方法。
优选的，所述步骤二中，对织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘像素点进行角点检测，得到织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘角点的方法是：
对于织带上表面的灰度图像中和织带下表面的灰度图像中的任一水渍区域的任一边缘像素点，获取该边缘像素点的灰度值和该边缘像素点8邻域内的像素点的灰度值；
采用如下公式计算该边缘像素点对应的灰度差异：
Figure 934376DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为该边缘像素点对应的灰度差异，
Figure 97504DEST_PATH_IMAGE004
为该边缘像素点的灰度值，
Figure 100002_DEST_PATH_IMAGE005
为该边缘像素点的8邻域内第
Figure 608120DEST_PATH_IMAGE006
个像素点的灰度值，
Figure 100002_DEST_PATH_IMAGE007
为该水渍区域的中心点的灰度值，
Figure 122278DEST_PATH_IMAGE008
为该边缘像素点的8邻域内第
Figure 596115DEST_PATH_IMAGE006
个像素点的权重系数；所述第
Figure 410488DEST_PATH_IMAGE006
个像素点的权重系数的获取，包括：若第
Figure 701792DEST_PATH_IMAGE006
个像素点为该水渍区域的边缘像素点，则第
Figure 562300DEST_PATH_IMAGE006
个像素点的权重系数为第一预设权重，若第
Figure 26780DEST_PATH_IMAGE006
个像素点不为该水渍区域的边缘像素点，则第
Figure 633341DEST_PATH_IMAGE006
个像素点的权重系数为第二预设权重；
判断该边缘像素点对应的灰度差异是否大于预设阈值，若大于，则判定该边缘像素点为该水渍区域的边缘角点；若小于等于，则判定该边缘像素点不为该水渍区域的边缘角点。
优选的，所述步骤三中，水渍区域对应的第一透水性影响指标，包括：
采用如下计算该水渍区域中心点的偏差程度，即：
Figure 157864DEST_PATH_IMAGE010
其中，
Figure 100002_DEST_PATH_IMAGE011
为该水渍区域中心点的偏差程度，
Figure 754936DEST_PATH_IMAGE012
为织带上表面中与该水渍区域对应的水渍区域的中心点的横坐标，
Figure 100002_DEST_PATH_IMAGE013
为织带上表面中与该水渍区域对应的水渍区域的中心点的纵坐标，
Figure 960789DEST_PATH_IMAGE014
为该水渍区域的中心点的横坐标，
Figure 100002_DEST_PATH_IMAGE015
为该水渍区域的中心点的纵坐标；
对于该水渍区域的任一边缘角点：获取该边缘角点到该水渍区域的中心点的距离；获取织带上表面中与该边缘角点对应的边缘角点到所在区域的中心点的距离；计算所述该边缘角点到该水渍区域的中心点的距离和织带上表面中与该边缘角点对应的边缘角点到所在区域的中心点的距离的差值的绝对值，将所述绝对值记为该边缘角点和与其对应的边缘角点的位置差异；
采用如下计算该水渍区域与织带上表面对应水渍区域的差异指标：
Figure 100002_DEST_PATH_IMAGE017
其中，
Figure 280912DEST_PATH_IMAGE018
为该水渍区域与织带上表面对应水渍区域的差异指标，
Figure 100002_DEST_PATH_IMAGE019
为该水渍区域边缘角点的数量，
Figure 320544DEST_PATH_IMAGE020
为该水渍区域中心点的偏差程度，
Figure 100002_DEST_PATH_IMAGE021
为该水渍区域第
Figure 93328DEST_PATH_IMAGE006
个边缘角点和与其对应的边缘角点的位置差异；
将该水渍区域与织带上表面对应水渍区域的差异指标作为该水渍区域对应的第一透水性影响指标。
优选的，所述步骤三中，获取该水渍区域的熵值和织带上表面与该水渍区域对应的水渍区域的熵值的方法是：
根据该水渍区域各边缘角点与该水渍区域的中心点之间连线上像素点的纹理信息，得到该水渍区域对应的灰度共生矩阵；根据所述该水渍区域对应的灰度共生矩阵，得到该水渍区域对应的熵值；
根据织带上表面灰度图像中与该水渍区域对应的水渍区域各边缘角点与区域的中心点之间连线上像素点的纹理信息，得到织带上表面与该水渍区域对应的水渍区域的灰度共生矩阵；根据所述织带上表面与该水渍区域对应的水渍区域的灰度共生矩阵，得到织带上表面与该水渍区域对应的水渍区域对应的熵值。
优选的，所述步骤三中采用如下公式计算该水渍区域对应的第二透水性影响指标：
Figure 100002_DEST_PATH_IMAGE023
其中，
Figure 368451DEST_PATH_IMAGE024
为该水渍区域对应的第二透水性影响指标，
Figure 100002_DEST_PATH_IMAGE025
为该水渍区域对应的熵值，
Figure 854665DEST_PATH_IMAGE026
为织带上表面与该水渍区域对应的水渍区域对应的熵值。
优选的，所述步骤三计算水渍区域对应的第三透水性影响指标的方法是：
将织带上表面的RGB图像和织带下表面的RGB图像转换到HSV空间，得到织带的上表面的HSV图像和织带的下表面的HSV图像；
根据该水渍区域中心点的饱和度和该水渍区域各边缘角点的饱和度，采用如下公式计算该水渍区域的色彩饱和度指标：
Figure 393094DEST_PATH_IMAGE028
其中，
Figure 100002_DEST_PATH_IMAGE029
为该水渍区域的色彩饱和度指标，
Figure 981070DEST_PATH_IMAGE030
为该水渍区域的中心点的饱和度，
Figure 100002_DEST_PATH_IMAGE031
为该水渍区域的第
Figure 528726DEST_PATH_IMAGE006
个边缘角点的饱和度，
Figure 105332DEST_PATH_IMAGE019
为该水渍区域边缘角点的数量；
根据织带上表面与该水渍区域对应的水渍区域的中心点的饱和度和各边缘角点的饱和度，计算织带上表面与该水渍区域对应的水渍区域的色彩饱和度指标；
计算所述该水渍区域的色彩饱和度指标和织带上表面图像中与该水渍区域对应水渍区域的色彩饱和度指标的差值的绝对值，将所述绝对值记为该水渍区域对应的第三透水性影响指标。
优选的，所述步骤四计算织带的整体透水性指标，包括：
采用如下公式计算织带下表面各水渍区域的综合透水性指标：
Figure 100002_DEST_PATH_IMAGE033
其中，
Figure 250880DEST_PATH_IMAGE034
为织带下表面第
Figure 100002_DEST_PATH_IMAGE035
个水渍区域的综合透水性指标，
Figure 935939DEST_PATH_IMAGE036
为该水渍区域对应的第一透水性影响指标，
Figure 411920DEST_PATH_IMAGE024
为该水渍区域对应的第二透水性影响指标，
Figure 100002_DEST_PATH_IMAGE037
为该水渍区域对应的第三透水性影响指标，
Figure 233246DEST_PATH_IMAGE038
为第一透水性影响指标的权重，
Figure 100002_DEST_PATH_IMAGE039
为第二透水性影响指标的权重，
Figure 520002DEST_PATH_IMAGE040
为第三透水性影响指标的权重；
采用如下公式计算织带的整体透水性指标：
Figure 161198DEST_PATH_IMAGE042
其中，
Figure 100002_DEST_PATH_IMAGE043
为织带的整体透水性指标，
Figure 440870DEST_PATH_IMAGE044
为织带下表面第
Figure 116702DEST_PATH_IMAGE035
个水渍区域对应的透水性权重，
Figure 740405DEST_PATH_IMAGE034
为织带下表面第
Figure 508379DEST_PATH_IMAGE035
个水渍区域的综合透水性指标，
Figure 100002_DEST_PATH_IMAGE045
为织带下表面的灰度图像中水渍区域的数量。
本发明具有如下有益效果：本发明获取水滴喷淋之后的织带上表面的灰度图像和织带下表面的灰度图像，然后对获取到的织带上表面的灰度图像和织带下表面的灰度图像进行数据处理，计算了织带下表面的各水渍区域对应的第一透水性影响指标、第二透水性影响指标和第三透水性影响指标；考虑到水滴接触织带表面时的速度不同，而水滴接触织带表面时的速度会影响织带的透水性指标的计算，因此本发明根据水滴接触织带的速度，给予不同的水渍区域不同的透水性权重；然后本发明基于织带下表面各水渍区域对应的第一透水性影响指标、第二透水性影响指标、第三透水性影响指标和各水渍区域对应的透水性权重，计算了织带的整体透水性指标。本发明提供的方法能够快速地检测织带的透水性指标，实现了织带透水性能的自动化检测，提高了检测效率，同时降低了检测成本。
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为本发明提供的织带透水性能检测方法的流程图。
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，以下结合附图及实施例，对本发明进行详细说明。
本发明方法首先通过识别图形获取水滴喷淋之后的织带上表面的灰度图像和织带下表面的灰度图像，然后对获取到的织带上表面的灰度图像和织带下表面的灰度图像进行数据处理，计算了织带下表面的各水渍区域对应的第一透水性影响指标、第二透水性影响指标和第三透水性影响指标。考虑到水滴接触织带表面时的速度不同，而水滴接触织带表面时的速度会影响织带的透水性指标的计算，因此本实施例根据水滴接触织带的速度，给予不同的水渍区域不同的透水性权重；再基于织带下表面各水渍区域对应的第一透水性影响指标、第二透水性影响指标、第三透水性影响指标和各水渍区域对应的透水性权重，计算了织带的整体透水性指标。
参见图1，织带透水性能检测方法，具体包括以下步骤：
步骤一，获取水滴喷淋之后的织带上表面的灰度图像和织带下表面的灰度图像；根据水滴喷淋织带时水滴的各帧图像，得到水滴与织带各水渍区域接触时的速度；根据水滴与织带各水渍区域接触时的速度，计算各水渍区域对应的透水性权重。
本实施例中，是将待检测的织带水平放置，采用喷淋法向织带上表面滴加水滴。当水滴在织带上进行渗透时，由于织带内部会吸收水滴，可能会导致织带上表面与下表面所形成的水渍区域存在明显差异，由于材料的透水性往往是不均匀的，故其表面形成的水渍区域不仅存在形状特征的差异，还存在着纹理特征、颜色特征的差异，考虑到水滴的初始高度可能不尽相同（即喷头处的水滴与织带表面的距离可能不尽相同），而不同高度的水滴，在到达织带上表面时，水滴的速度不同，导致其渗透程度不同，但此时渗透程度不同是由于水滴到达织带表面不同区域的速度不同引起的，而不是织带本身的属性，故基于此计算不同水渍区域的透水性权重，然后再计算织带的整体透水性。
本实施例设置工业相机，在固定光源下实时采集水滴滴落过程中的图像及水滴滴加到织带表面之后一定时间T后织带的上表面图像和织带的下表面图像，其中采集的图像均为RGB图像，本实施例使用加权灰度法对采集的织带的上表面图像和织带的下表面图像进行灰度化处理，然后将织带的上表面灰度图像和织带的下表面灰度图像进行HSV空间转换。至此，得到了织带的上表面的灰度图像和织带的下表面的灰度图像以及织带的上表面的HSV图像和织带的下表面的HSV图像。
水滴在织带上进行渗透时，织带的透水性能越好，则织带的上下表面的水渍区域的差异应越小。本实施例通过大津阈值分割法，将水渍区域作为前景，织带其余区域作为背景，分别将织带上表面灰度图像和织带下表面灰度图像中的水渍区域与织带背景区域分割开来，对水渍区域进行分析。大津阈值分割法为公知技术，此处不再赘述。
考虑到水滴以不同的高度滴落在织带表面时，其与织带表面接触时的速度就会不同，水滴的初始高度越高，则到达织带表面时的速度就越大，其对于织带就会出现一个撞击渗透的效果，影响织带整体透水性的计算，水滴与织带表面接触时的速度越大，说明水滴的冲击力越大，应当降低透光性计算时的权重。不同水滴滴落在织带表面上，发生渗透，在织带表面形成了不同的水渍区域，即水滴与水渍区域是一一对应的。因此本实施例采用帧差法获得水滴与织带接触时的速度，并基于速度对织带不同区域设置相应的权重，减少水滴撞击渗透的影响。
具体的，本实施例采用3帧差法，获得不同高度下水滴与织带接触时的速度。对于任一水渍区域：根据水滴与该水渍区域接触时的速度，计算该水渍区域对应的透水性权重，即：
Figure DEST_PATH_IMAGE047
其中，
Figure 529425DEST_PATH_IMAGE048
为该水渍区域对应的透水性权重，
Figure DEST_PATH_IMAGE049
为该水渍区域（水滴在高度为H处落下时）与织带接触时的速度，
Figure 590922DEST_PATH_IMAGE050
为水滴与整个织带接触时的最大速度。根据水滴喷淋织带时水滴的各帧图像中水滴的位置，运用物理知识能够得到水滴与织带上表面接触时的速度，该计算过程为公知技术，此处不再赘述。至此，得到了不同水滴形成的各水渍区域对应的透水性权重。
步骤二，获取织带上表面的灰度图像中各水渍区域的中心点和织带下表面的灰度图像中各水渍区域的中心点；对织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘像素点进行角点检测，得到织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘角点。
水滴的形状往往为近似球形的形状，则在与织带表面进行接触时，接触面一般为圆形形状，以圆形的形状向外进行扩散，向下进行渗透。
理想状态下，织带上下表面的水渍区域应为圆形，然而由于织带上各处的透水性能不一，会导致水滴在渗透扩散时，所形成的区域可能存在不规则的情况，但织带上下表面水渍区域的形状应存在一定的相似性。故本实施例基于此，计算织带上表面水渍区域和织带下表面水渍区域的相似性，并将该相似性作为透水性影响指标，具体过程如下：
本实施例通过canny算子分别对织带上表面的灰度图像和织带下表面的灰度图像进行边缘检测，检测出每个水渍区域的边缘像素点。对于织带上表面的灰度图像和织带下表面的灰度图像中的任一水渍区域，在边缘像素点上选取N个采样点，将水平方向上的采样点两两相连（即两采样点之间的连线与水平方向的夹角为0度），得到多条水平线段；比如采样点a和采样点b，这两个采样点为同一水平方向上的边缘像素点（即这两个采样点的连线与水平方向的夹角为0度），连接采样点a和采样点b，得到线段ab，获得线段ab的中心点c（中心点c距采样点a和采样点b的欧式距离相等）。然后分别获取每条线段的中心点，将这些中心点进行拟合得到一条竖直线段，本实施例将该线段记为竖直基准线段；同理，将竖直方向上的采样点两两相连（即两采样点之间的连线与竖直方向的夹角为0度），得到多条竖直线段，分别获取每条线段的中心点，将这些中心点进行拟合得到一条水平线段，本实施例将该线段记为水平基准线段；接着本实施例获得水平基准线段和竖直基准线段的交点，将该交点作为该水渍区域的中心点。在具体应用中，采样点的个数N和采样点的选取实施者可自行设置。至此，得到了织带上表面的灰度图像和织带下表面的灰度图像中的任一水渍区域的中心点。
接下来本实施例对各水渍区域的边缘像素点进行角点检测，传统的角点检测（基于灰度梯度）中是将像素点邻域内的灰度差值较大的点作为角点，未出现角点的区域则判定渗透扩散较均匀，而本实施例中不仅考虑了像素点的邻域灰度差异，也考虑了像素点与中心点的灰度差异，使检测更加准确。
具体过程如下：对于任一水渍区域的任一边缘像素点：
获取其8邻域的像素点，其8邻域像素也同样存在着其余的边缘像素点，由于需要找到边缘像素点上的角点，故其边缘像素点之间的灰度差异应赋予更大的权重。根据权重计算该边缘像素点与其它像素点（该区域的中心点和该边缘像素点的8邻域的像素点）的灰度差异：
Figure 953901DEST_PATH_IMAGE002
其中，
Figure 835269DEST_PATH_IMAGE003
为该边缘像素点对应的灰度差异，
Figure 863268DEST_PATH_IMAGE004
为该边缘像素点的灰度值，
Figure 372747DEST_PATH_IMAGE005
为该边缘像素点的8邻域内第
Figure 93578DEST_PATH_IMAGE006
个像素点的灰度值，
Figure 462243DEST_PATH_IMAGE007
为该水渍区域的中心点的灰度值，
Figure 605517DEST_PATH_IMAGE008
为该边缘像素点的8邻域内第
Figure 907185DEST_PATH_IMAGE006
个像素点的权重系数，若该边缘像素点的8邻域内第
Figure 736601DEST_PATH_IMAGE006
个像素点为边缘像素点，则本实施例设置
Figure DEST_PATH_IMAGE051
，若该边缘像素点的8邻域内第
Figure 717195DEST_PATH_IMAGE006
个像素点不为边缘像素点，则本实施例设置
Figure 290259DEST_PATH_IMAGE052
。在具体应用中，权重系数实施者可自行设置。
本实施例设置灰度差异阈值
Figure DEST_PATH_IMAGE053
，判断该边缘像素点对应的灰度差异是否大于
Figure 790642DEST_PATH_IMAGE053
，若大于，则判定该边缘像素点为该水渍区域的边缘角点；若小于等于，则判定该边缘像素点不为该水渍区域的边缘角点。
至此，得到了织带上表面和织带下表面各水渍区域的中心点和边缘角点。本实施例将中心点和边缘角点作为特征点进行后续分析，在具体应用中，如果某个水渍区域没有边缘角点，就将中心点作为特征点，对中心点进行分析。
步骤三，对于织带下表面的灰度图像中的任一水渍区域：根据该水渍区域的中心点到各边缘角点的距离和织带上表面与该水渍区域对应的水渍区域的中心点到各边缘角点的距离，计算该水渍区域对应的第一透水性影响指标；根据该水渍区域的熵值和织带上表面与该水渍区域对应的水渍区域的熵值，计算该水渍区域对应的第二透水性影响指标；根据该水渍区域中心点的饱和度、该水渍区域各边缘角点的饱和度、织带上表面与该水渍区域对应的水渍区域中心点的饱和度和织带上表面与该水渍区域对应的水渍区域各边缘角点的饱和度，计算该水渍区域对应的第三透水性影响指标。
考虑到水滴喷淋的是织带的上表面，织带下表面的水渍区域可能会小于织带上表面的水渍区域，因此本实施例用织带下表面的各水渍区域去匹配织带上表面的各水渍区域。传统的模板匹配，进行匹配计算相似性时，计算量过大，本实施例中基于特征点对其进行匹配，计算相似性，减少了计算量，本实施例将水渍区域的边缘角点与水渍区域的中心点作为上下水渍区域计算相似性时的特征点，进行模板匹配。
对于织带下表面的任一水渍区域：
根据该水渍区域的中心点的位置和织带上表面中与该水渍区域对应的水渍区域的中心点的位置，计算该水渍区域中心点的偏差程度，即：
Figure 56538DEST_PATH_IMAGE010
其中，
Figure 258849DEST_PATH_IMAGE011
为该水渍区域中心点的偏差程度，
Figure 697921DEST_PATH_IMAGE012
为织带上表面中与该水渍区域对应的水渍区域的中心点的横坐标，
Figure 911864DEST_PATH_IMAGE013
为织带上表面中与该水渍区域对应的水渍区域的中心点的纵坐标，
Figure 145400DEST_PATH_IMAGE014
为该水渍区域的中心点的横坐标，
Figure 818695DEST_PATH_IMAGE015
为该水渍区域的中心点的纵坐标。中心点的偏差程度越大，说明织带的透水性越差。
同时获取该水渍区域各边缘角点与中心点之间所成直线与水平直线的顺时针夹角，根据角度相似性将上下表面得到的边缘上的角点一一对应匹配起来，考虑到织带下表面的水渍区域可能和织带上表面的水渍区域大小不一致，即存在角点不对应的情况，若出现这种情况，假设织带下表面的该水渍区域的一个边缘角点Q不存在与其对应的角点，本实施例获取该边缘角点Q与该水渍区域的中心点的之间所成直线与水平直线的顺时针夹角
Figure 530299DEST_PATH_IMAGE054
，然后获取织带上表面中与该水渍区域对应的水渍区域中的边缘像素点与中心点的之间所成直线与水平直线的顺时针夹角为
Figure 864329DEST_PATH_IMAGE054
的边缘像素点P，将织带上表面中像素点P作为边缘角点Q对应的边缘角点。
本实施例计算该水渍区域各边缘角点到中心点的距离，同时计算织带上表面与该水渍区域各边缘角点对应的边缘角点到区域中心点的距离；然后基于此，计算该水渍区域各边缘角点和与其对应的边缘角点的位置差异，即：
Figure 596661DEST_PATH_IMAGE056
其中，
Figure 445669DEST_PATH_IMAGE021
为该水渍区域第i个边缘角点和与其对应的边缘角点的位置差异，
Figure DEST_PATH_IMAGE057
为该水渍区域第
Figure 570751DEST_PATH_IMAGE006
个边缘角点到所在区域的中心点的距离，
Figure 759287DEST_PATH_IMAGE058
为织带上表面图像中与该水渍区域第
Figure 334624DEST_PATH_IMAGE006
个边缘角点对应的边缘角点到所在区域的中心点的距离。该水渍区域各边缘角点和与其对应的边缘角点的位置差异越大，说明这两个像素角点的相似性越小，即织带的透水性越弱。
基于该水渍区域各边缘角点和与其对应的边缘角点的位置差异，计算该水渍区域与织带上表面对应水渍区域的差异指标，即：
Figure 982512DEST_PATH_IMAGE017
其中，
Figure 504761DEST_PATH_IMAGE018
为该水渍区域与织带上表面对应水渍区域的差异指标，
Figure 610120DEST_PATH_IMAGE019
为该水渍区域边缘角点的数量，
Figure 418676DEST_PATH_IMAGE020
为该水渍区域中心点的偏差程度。
本实施例将该水渍区域与织带上表面对应水渍区域的差异指标作为该水渍区域的第一透水性影响指标。
基于上述步骤，本实施例已经得到了各水渍区域的中心点和边缘角点，而未出现角点的区域，渗透扩散较为均匀，故纹理变化不大，则纹理差异主要体现在中心点与边缘角点的连线上。基于此，本实施例对灰度共生矩阵的获取进行了调整（灰度共生矩阵为公知技术，故此处只叙述了对其进行调整的部分），在获取灰度共生矩阵统计灰度点对时，只统计边缘角点与中心点的连线上的信息即能够得到水渍区域的主要纹理信息，这样做减少了计算量。
获取灰度共生矩阵后，本实施例利用织带上下水渍区域的熵值差异表征第二透水性影响指标，即：
Figure 976696DEST_PATH_IMAGE023
其中，
Figure 37056DEST_PATH_IMAGE024
为该水渍区域对应的第二透水性影响指标，
Figure 996922DEST_PATH_IMAGE025
为该水渍区域对应的熵值，
Figure 727111DEST_PATH_IMAGE026
为织带上表面与该水渍区域对应的水渍区域对应的熵值，熵值差异越小，说明透水性越好，本实施例设置灰度共生矩阵获取时压缩后的灰度级为16，在具体应用中，实施者可自行设置，灰度共生矩阵的获取方法和根据灰度共生矩阵计算熵值的方法均为公知技术，此处不再赘述。
当织带发生渗水，织带会变湿润，其颜色会随着渗透的加深而改变。故本实施例通过织带上表面和织带下表面的颜色特征差异表征第三透水性影响指标。
具体的，首先基于织带的上表面的HSV图像和织带的下表面的HSV图像中的颜色特征信息，获取各水渍区域像素点的饱和度S，由于水浸湿织带后，其颜色种类不会变化，变化的是颜色的深浅，故本实施例中只对饱和度S进行分析，获取织带下表面图像中该水渍区域的中心点和各边缘角点的色彩饱和度信息，根据中心点和各边缘角点的色彩饱和度信息，计算该水渍区域的特征点的饱和度；然后基于此计算该水渍区域的色彩饱和度指标，即：
Figure 38007DEST_PATH_IMAGE028
其中，
Figure 636479DEST_PATH_IMAGE029
为该水渍区域的色彩饱和度指标，
Figure 450851DEST_PATH_IMAGE030
为该水渍区域的中心点的饱和度，
Figure 866789DEST_PATH_IMAGE031
为该水渍区域的第
Figure 602664DEST_PATH_IMAGE006
个边缘角点的饱和度，
Figure 801564DEST_PATH_IMAGE019
为该水渍区域边缘角点的数量。
同理，采用上述方法，获取织带上表面图像中与该水渍区域对应水渍区域的中心点和各边缘角点的饱和度信息，然后计算织带上表面图像中与该水渍区域对应水渍区域的色彩饱和度指标
Figure DEST_PATH_IMAGE059
；接下来基于该水渍区域的色彩饱和度指标
Figure 516448DEST_PATH_IMAGE029
和织带上表面图像中与该水渍区域对应水渍区域的色彩饱和度指标
Figure 40970DEST_PATH_IMAGE059
，计算该水渍区域对应的第三透水性影响指标，即：
Figure DEST_PATH_IMAGE061
其中，
Figure 123195DEST_PATH_IMAGE037
为该水渍区域对应的第三透水性影响指标。该水渍区域的色彩饱和度指标和织带上表面图像中与该水渍区域对应水渍区域的色彩饱和度指标差异越大，说明织带的透水性越差；该水渍区域的色彩饱和度指标和织带上表面图像中与该水渍区域对应水渍区域的色彩饱和度指标差异越小，说明织带的透水性越好。
至此，得到了织带下表面的各水渍区域对应的第一透水性影响指标、第二透水性影响指标和第三透水性影响指标。
步骤四，根据织带下表面的灰度图像中各水渍区域对应的第一透水性影响指标、第二透水性影响指标、第三透水性影响指标和各水渍区域对应的透水性权重，计算织带的整体透水性指标。
基于上述三个步骤，得到了不同水滴形成的各水渍区域对应的透水性权重、织带下表面的各水渍区域对应的第一透水性影响指标、第二透水性影响指标和第三透水性影响指标，计算织带下表面各水渍区域的综合透水性指标，即：
Figure 329049DEST_PATH_IMAGE033
其中，
Figure 118013DEST_PATH_IMAGE034
为织带下表面第
Figure 360907DEST_PATH_IMAGE035
个水渍区域的综合透水性指标，
Figure 868112DEST_PATH_IMAGE036
为该水渍区域对应的第一透水性影响指标，
Figure 612077DEST_PATH_IMAGE024
为该水渍区域对应的第二透水性影响指标，
Figure 255548DEST_PATH_IMAGE037
为该水渍区域对应的第三透水性影响指标，
Figure 184189DEST_PATH_IMAGE038
为第一透水性影响指标的权重，
Figure 913111DEST_PATH_IMAGE039
为第二透水性影响指标的权重，
Figure 460767DEST_PATH_IMAGE040
为第三透水性影响指标的权重。在具体应用中，
Figure 224324DEST_PATH_IMAGE038
、
Figure 307555DEST_PATH_IMAGE039
和
Figure 789352DEST_PATH_IMAGE040
的取值实施者可自行设置。
由步骤一可知，水滴接触织带表面的速度会对渗透吸收造成一定程度的影响，故本实施例基于水滴接触各水渍区域的速度为各水渍区域的透水性设置了相应的权重，减少因水滴速度而导致的透水性计算误差。本实施例基于织带下表面的各水渍区域对应的综合透水性指标和各水渍区域对应的透水性权重，计算织带的整体透水性指标，即：
Figure 140699DEST_PATH_IMAGE042
其中，
Figure 821079DEST_PATH_IMAGE043
为织带的整体透水性指标，
Figure 763627DEST_PATH_IMAGE044
为织带下表面第
Figure 404824DEST_PATH_IMAGE035
个水渍区域对应的透水性权重，
Figure 356600DEST_PATH_IMAGE034
为织带下表面第
Figure 642219DEST_PATH_IMAGE035
个水渍区域的综合透水性指标，
Figure 224510DEST_PATH_IMAGE045
为织带下表面的灰度图像中水渍区域的数量。
至此，本实施例得到了织带的整体透水性指标。在对生产完成的织带进行透水性检测时，可以从生产的织带中随机挑选样本织带，利用本实施例提供的方法完成透水性能检测，并将样本织带的整体透水性指标作为该批生产的织带的透水性指标。
基于前述的织带透水性能检测方法，本发明提供织带透水性能检测装置，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现前述的织带透水性能检测方法。
需要说明的是：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 (9)

1.一种织带透水性能检测方法，其特征在于，包括以下步骤：
步骤一、获取水滴喷淋之后的织带上表面的灰度图像和织带下表面的灰度图像；根据水滴喷淋织带时水滴的各帧图像，得到水滴与织带各水渍区域接触时的速度；根据水滴与织带各水渍区域接触时的速度，计算各水渍区域对应的透水性权重；
步骤二、获取织带上表面的灰度图像中各水渍区域的中心点和织带下表面的灰度图像中各水渍区域的中心点；对织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘像素点进行角点检测，得到织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘角点；
步骤三、对于织带下表面的灰度图像中的任一水渍区域：根据该水渍区域的中心点到各边缘角点的距离和织带上表面与该水渍区域对应的水渍区域的中心点到各边缘角点的距离，计算该水渍区域对应的第一透水性影响指标；根据该水渍区域的熵值和织带上表面与该水渍区域对应的水渍区域的熵值，计算该水渍区域对应的第二透水性影响指标；根据该水渍区域中心点的饱和度、该水渍区域各边缘角点的饱和度、织带上表面与该水渍区域对应的水渍区域中心点的饱和度和织带上表面与该水渍区域对应的水渍区域各边缘角点的饱和度，计算该水渍区域对应的第三透水性影响指标；
步骤四、根据织带下表面的灰度图像中各水渍区域对应的第一透水性影响指标、第二透水性影响指标、第三透水性影响指标和各水渍区域对应的透水性权重，计算织带的整体透水性指标。
2.根据权利要求1所述的织带透水性能检测方法，其特征在于，所述步骤二中，获取织带上表面的灰度图像中各水渍区域的中心点和织带下表面的灰度图像中各水渍区域的中心点的方法是：
选取织带上表面的灰度图像中和织带下表面的灰度图像中的任一水渍区域，选取N个边缘像素点作为采样点；
将水平方向上的采样点两两相连，得到多条水平线段，所述水平线段与水平方向的夹角为0度；分别获取每条水平线段的中心点，将所述每条水平线段的中心点进行拟合，得到一条竖直基准线段；
将竖直方向上的采样点两两相连，得到多条竖直线段，所述竖直线段与竖直方向的夹角为0度；分别获取每条竖直线段的中心点，将所述每条竖直线段的中心点进行拟合，得到一条水平基准线段；
获取所述竖直基准线段和水平基准线段的交点，将所述交点作为该水渍区域的中心点。
3.根据权利要求2所述的织带透水性能检测方法，其特征在于，所述步骤二中，对织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘像素点进行角点检测，得到织带上表面的灰度图像中各水渍区域和织带下表面的灰度图像中各水渍区域的边缘角点的方法是：
对于织带上表面的灰度图像中和织带下表面的灰度图像中的任一水渍区域的任一边缘像素点，获取该边缘像素点的灰度值和该边缘像素点8邻域内的像素点的灰度值；
采用如下公式计算该边缘像素点对应的灰度差异：
Figure 314692DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为该边缘像素点对应的灰度差异，
Figure 939709DEST_PATH_IMAGE004
为该边缘像素点的灰度值，
Figure DEST_PATH_IMAGE005
为该边缘像素点的8邻域内第
Figure 845086DEST_PATH_IMAGE006
个像素点的灰度值，
Figure DEST_PATH_IMAGE007
为该水渍区域的中心点的灰度值，
Figure 922763DEST_PATH_IMAGE008
为该边缘像素点的8邻域内第
Figure 158572DEST_PATH_IMAGE006
个像素点的权重系数；所述第
Figure 638095DEST_PATH_IMAGE006
个像素点的权重系数的获取，包括：若第
Figure 871630DEST_PATH_IMAGE006
个像素点为该水渍区域的边缘像素点，则第
Figure 46391DEST_PATH_IMAGE006
个像素点的权重系数为第一预设权重，若第
Figure 23574DEST_PATH_IMAGE006
个像素点不为该水渍区域的边缘像素点，则第
Figure 357603DEST_PATH_IMAGE006
个像素点的权重系数为第二预设权重；
判断该边缘像素点对应的灰度差异是否大于预设阈值，若大于，则判定该边缘像素点为该水渍区域的边缘角点；若小于等于，则判定该边缘像素点不为该水渍区域的边缘角点。
4.根据权利要求1或3所述的织带透水性能检测方法，其特征在于，所述步骤三中，水渍区域对应的第一透水性影响指标，包括：
采用如下计算该水渍区域中心点的偏差程度，即：
Figure 89936DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为该水渍区域中心点的偏差程度，
Figure 876627DEST_PATH_IMAGE012
为织带上表面中与该水渍区域对应的水渍区域的中心点的横坐标，
Figure DEST_PATH_IMAGE013
为织带上表面中与该水渍区域对应的水渍区域的中心点的纵坐标，
Figure 234664DEST_PATH_IMAGE014
为该水渍区域的中心点的横坐标，
Figure DEST_PATH_IMAGE015
为该水渍区域的中心点的纵坐标；
对于该水渍区域的任一边缘角点：获取该边缘角点到该水渍区域的中心点的距离；获取织带上表面中与该边缘角点对应的边缘角点到所在区域的中心点的距离；计算所述该边缘角点到该水渍区域的中心点的距离和织带上表面中与该边缘角点对应的边缘角点到所在区域的中心点的距离的差值的绝对值，将所述绝对值记为该边缘角点和与其对应的边缘角点的位置差异；
采用如下计算该水渍区域与织带上表面对应水渍区域的差异指标：
Figure DEST_PATH_IMAGE017
其中，
Figure 954359DEST_PATH_IMAGE018
为该水渍区域与织带上表面对应水渍区域的差异指标，
Figure DEST_PATH_IMAGE019
为该水渍区域边缘角点的数量，
Figure 778964DEST_PATH_IMAGE020
为该水渍区域中心点的偏差程度，
Figure DEST_PATH_IMAGE021
为该水渍区域第
Figure 318530DEST_PATH_IMAGE006
个边缘角点和与其对应的边缘角点的位置差异；
将该水渍区域与织带上表面对应水渍区域的差异指标作为该水渍区域对应的第一透水性影响指标。
5.根据权利要求4所述的织带透水性能检测方法，其特征在于，所述步骤三中，获取该水渍区域的熵值和织带上表面与该水渍区域对应的水渍区域的熵值的方法是：
根据该水渍区域各边缘角点与该水渍区域的中心点之间连线上像素点的纹理信息，得到该水渍区域对应的灰度共生矩阵；根据所述该水渍区域对应的灰度共生矩阵，得到该水渍区域对应的熵值；
根据织带上表面灰度图像中与该水渍区域对应的水渍区域各边缘角点与区域的中心点之间连线上像素点的纹理信息，得到织带上表面与该水渍区域对应的水渍区域的灰度共生矩阵；根据所述织带上表面与该水渍区域对应的水渍区域的灰度共生矩阵，得到织带上表面与该水渍区域对应的水渍区域对应的熵值。
6.根据权利要求5所述的织带透水性能检测方法，其特征在于，所述步骤三中采用如下公式计算该水渍区域对应的第二透水性影响指标：
Figure DEST_PATH_IMAGE023
其中，
Figure 965412DEST_PATH_IMAGE024
为该水渍区域对应的第二透水性影响指标，
Figure DEST_PATH_IMAGE025
为该水渍区域对应的熵值，
Figure 352662DEST_PATH_IMAGE026
为织带上表面与该水渍区域对应的水渍区域对应的熵值。
7.根据权利要求6所述的织带透水性能检测方法，其特征在于，所述步骤三计算水渍区域对应的第三透水性影响指标的方法是：
将织带上表面的RGB图像和织带下表面的RGB图像转换到HSV空间，得到织带的上表面的HSV图像和织带的下表面的HSV图像；
根据该水渍区域中心点的饱和度和该水渍区域各边缘角点的饱和度，采用如下公式计算该水渍区域的色彩饱和度指标：
Figure 98901DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE029
为该水渍区域的色彩饱和度指标，
Figure 453659DEST_PATH_IMAGE030
为该水渍区域的中心点的饱和度，
Figure DEST_PATH_IMAGE031
为该水渍区域的第
Figure 779598DEST_PATH_IMAGE006
个边缘角点的饱和度，
Figure 316628DEST_PATH_IMAGE019
为该水渍区域边缘角点的数量；
根据织带上表面与该水渍区域对应的水渍区域的中心点的饱和度和各边缘角点的饱和度，计算织带上表面与该水渍区域对应的水渍区域的色彩饱和度指标；
计算所述该水渍区域的色彩饱和度指标和织带上表面图像中与该水渍区域对应水渍区域的色彩饱和度指标的差值的绝对值，将所述绝对值记为该水渍区域对应的第三透水性影响指标。
8.根据权利要求1所述的织带透水性能检测方法，其特征在于，所述步骤四计算织带的整体透水性指标，包括：
采用如下公式计算织带下表面各水渍区域的综合透水性指标：
Figure DEST_PATH_IMAGE033
其中，
Figure 437030DEST_PATH_IMAGE034
为织带下表面第
Figure DEST_PATH_IMAGE035
个水渍区域的综合透水性指标，
Figure 75822DEST_PATH_IMAGE036
为该水渍区域对应的第一透水性影响指标，
Figure 939873DEST_PATH_IMAGE024
为该水渍区域对应的第二透水性影响指标，
Figure DEST_PATH_IMAGE037
为该水渍区域对应的第三透水性影响指标，
Figure 98453DEST_PATH_IMAGE038
为第一透水性影响指标的权重，
Figure DEST_PATH_IMAGE039
为第二透水性影响指标的权重，
Figure 389757DEST_PATH_IMAGE040
为第三透水性影响指标的权重；
采用如下公式计算织带的整体透水性指标：
Figure 250266DEST_PATH_IMAGE042
其中，
Figure DEST_PATH_IMAGE043
为织带的整体透水性指标，
Figure 918007DEST_PATH_IMAGE044
为织带下表面第
Figure 164050DEST_PATH_IMAGE035
个水渍区域对应的透水性权重，
Figure 422993DEST_PATH_IMAGE034
为织带下表面第
Figure 646164DEST_PATH_IMAGE035
个水渍区域的综合透水性指标，
Figure DEST_PATH_IMAGE045
为织带下表面的灰度图像中水渍区域的数量。
9.一种织带透水性能检测装置，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-8任一项所述的织带透水性能检测方法。
CN202211207968.2A 2022-09-30 2022-09-30 织带透水性能检测装置及方法 Active CN115266538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211207968.2A CN115266538B (zh) 2022-09-30 2022-09-30 织带透水性能检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211207968.2A CN115266538B (zh) 2022-09-30 2022-09-30 织带透水性能检测装置及方法

Publications (2)

Publication Number Publication Date
CN115266538A true CN115266538A (zh) 2022-11-01
CN115266538B CN115266538B (zh) 2022-12-09

Family

ID=83758082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211207968.2A Active CN115266538B (zh) 2022-09-30 2022-09-30 织带透水性能检测装置及方法

Country Status (1)

Country Link
CN (1) CN115266538B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830023A (zh) * 2023-02-16 2023-03-21 山东中都机器有限公司 基于图像处理的胶带输送机传输带缺陷检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10253522A (ja) * 1997-03-10 1998-09-25 Mitsubishi Chem Corp 画像処理方法
CN103679169A (zh) * 2012-09-10 2014-03-26 华为技术有限公司 图像特征的提取方法及装置
CN105701844A (zh) * 2016-01-15 2016-06-22 苏州大学 基于颜色特征的障碍物或阴影检测方法
CN112330673A (zh) * 2020-12-11 2021-02-05 武汉纺织大学 一种基于图像处理的机织物密度检测方法
CN114549522A (zh) * 2022-04-24 2022-05-27 启东新朋莱纺织科技有限公司 基于目标检测的纺织品质量检测方法
CN114723704A (zh) * 2022-04-01 2022-07-08 南通百杭纺织品有限公司 一种基于图像处理的纺织品质量评估方法
CN115082470A (zh) * 2022-08-22 2022-09-20 启东市固德防水布有限公司 一种基于图像识别的防水布性能检测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10253522A (ja) * 1997-03-10 1998-09-25 Mitsubishi Chem Corp 画像処理方法
CN103679169A (zh) * 2012-09-10 2014-03-26 华为技术有限公司 图像特征的提取方法及装置
CN105701844A (zh) * 2016-01-15 2016-06-22 苏州大学 基于颜色特征的障碍物或阴影检测方法
CN112330673A (zh) * 2020-12-11 2021-02-05 武汉纺织大学 一种基于图像处理的机织物密度检测方法
CN114723704A (zh) * 2022-04-01 2022-07-08 南通百杭纺织品有限公司 一种基于图像处理的纺织品质量评估方法
CN114549522A (zh) * 2022-04-24 2022-05-27 启东新朋莱纺织科技有限公司 基于目标检测的纺织品质量检测方法
CN115082470A (zh) * 2022-08-22 2022-09-20 启东市固德防水布有限公司 一种基于图像识别的防水布性能检测方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830023A (zh) * 2023-02-16 2023-03-21 山东中都机器有限公司 基于图像处理的胶带输送机传输带缺陷检测方法

Also Published As

Publication number Publication date
CN115266538B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN111179225B (zh) 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN116843688B (zh) 一种纺织品质量视觉检测方法
CN115239704B (zh) 一种木材表面缺陷的精准检测修复方法
CN109540925B (zh) 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法
CN115170570B (zh) 基于灰度游程矩阵的织物起毛起球检测方法
CN114219794B (zh) 基于机器视觉的刨花板表面质量评估方法及系统
CN111507976B (zh) 基于多角度成像的缺陷检测方法及系统
CN105046700A (zh) 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统
CN116630309B (zh) 一种布匹断纬瑕疵检测方法
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN115266538B (zh) 织带透水性能检测装置及方法
CN114881915A (zh) 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法
CN112883881B (zh) 一种条状农产品无序分拣方法及装置
CN113177924A (zh) 一种工业流水线产品瑕疵检测方法
CN114549441A (zh) 基于图像处理的吸管缺陷检测方法
CN110866915A (zh) 基于度量学习的圆形砚台质量检测方法
CN117541588B (zh) 一种纸制品的印刷缺陷检测方法
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
CN115311279A (zh) 一种织物经纬瑕疵的机器视觉识别方法
CN114419039A (zh) 一种基于模板匹配的装饰墙纸缺陷检测方法
CN109141829B (zh) 一种靶线清晰度计算及工业相机后截距的检测方法
KR20080060851A (ko) 목재표면의 결함검출방법
CN112419225B (zh) 一种基于引脚分割的sop型芯片检测方法及系统

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