CN115325936A - 一种纺织机综框异常检测方法 - Google Patents

一种纺织机综框异常检测方法 Download PDF

Info

Publication number
CN115325936A
CN115325936A CN202211235949.0A CN202211235949A CN115325936A CN 115325936 A CN115325936 A CN 115325936A CN 202211235949 A CN202211235949 A CN 202211235949A CN 115325936 A CN115325936 A CN 115325936A
Authority
CN
China
Prior art keywords
heald frame
abnormal
acquiring
movement
degree
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.)
Pending
Application number
CN202211235949.0A
Other languages
English (en)
Inventor
杨健
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.)
Dezhou Tongchang Textile Equipment Co.,Ltd.
Original Assignee
Nantong Ouhui Textile 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 Nantong Ouhui Textile Technology Co ltd filed Critical Nantong Ouhui Textile Technology Co ltd
Priority to CN202211235949.0A priority Critical patent/CN115325936A/zh
Publication of CN115325936A publication Critical patent/CN115325936A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • 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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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

Abstract

本发明涉及数据处理技术领域，具体涉及一种纺织机综框异常检测方法，该方法侧视采集综框图像，并在综框图像中分割出综框区域图像；根据所有最高点的高度获取当前拍摄间隔下最高点的可信度；基于可信度筛选最佳拍摄间隔；利用COF算法获取最佳拍摄间隔下的最高点和最低点的异常因子，结合对应的高度获取综框的幅度异常；以幅度异常作为权重，结合水平位置的偏离程度获取水平位置异常程度；获取竖直位置异常程度；以水平位置异常程度和竖直位置异常程度的和作为综合异常程度；基于综合异常程度识别出异常移动，并基于异常移动的密集程度判断是否为真实异常。本发明避免了上移和下移过程的不同步的检测遗漏，从而获得更准确的综框竖直位置异常。

Description

一种纺织机综框异常检测方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种纺织机综框异常检测方法。
背景技术
对于现代的纺织工艺主要分为纺纱和织布过程，随着工艺技术与智能控制的发展，现代的纺织工艺逐步向自动化与智能化发展，即纺织设备自动化控制，此时纺织设备运行稳定性直接影响着纺织产品质量，比如纺织机的综框，在上下移动过程的异常会导致经纱上下拉伸程度不一致，影响纺织机的正常工作，并且综框移动异常程度过大，会造成经纱断头，直接影响纺织物质量，所以一般需要在纺织机运行中对综框的移动进行检测，及时识别异常移动的综框。
对于综框移动过程的检测，主要是基于整个运动过程中的位置关系进行判断，一般综框的移动过程的异常检测，大多数只基于竖直方向高度异常，但是在实际综框移动过程中在水平方向综框同样会出现异常摆动异常，所以现有方法存在判断片面和判断条件单一的不足，导致异常检测不准确。并且在移动过程的位置异常判断中，现有技术直接根据单次位置与整体位置的差异进行判断，但是不同次移动的位置作为标准位置的可信度存在差异，同样会导致异常检测不准确。
发明内容
为了解决纺织机综框异常检测不准确的问题，本发明提供一种纺织机综框异常检测方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种纺织机综框异常检测方法，该方法包括以下步骤：
侧视采集综框图像，并在综框图像中分割出综框区域图像；
在每个采集过程中获取两个综框在竖直方向上移动过程中的最高点和最低点，根据所有最高点的高度获取当前拍摄间隔下最高点的可信度；基于所述可信度获取对应的拍摄间隔的有效度，以有效度最大的拍摄间隔作为最佳拍摄间隔；
利用COF算法获取最佳拍摄间隔下的最高点和最低点的异常因子，结合对应的高度获取综框的幅度异常；以所述幅度异常作为权重，结合水平位置的偏离程度获取水平位置异常程度；
以最高点和最低点的位置作为对称基准获取竖直位置异常程度；以所述水平位置异常程度和所述竖直位置异常程度的和作为综合异常程度；基于所述综合异常程度识别出异常移动，并基于异常移动的密集程度判断是否为真实异常。
优选的，所述在每个采集过程中获取两个综框在竖直方向上移动过程中的最高点和最低点，包括：
采集一个综框最后一步上移过程对应图像中的综框区域竖直方向最高点为综框移动过程的最高点、最后一步下移过程对应图像中的综框区域竖直方向最低点为综框移动过程的最低点。
优选的，所述可信度的获取方法为：
对于当前次移动采集的最高点，获取当前次移动之前所有次移动采集的最高点的最大值，获取当前次移动采集的最高点和所述最大值之间的高度差异，计算当前拍摄间隔下对应的所有高度差异的平均值，以该平均值的倒数作为所述可信度。
优选的，所述最佳拍摄间隔的获取方法为：
计算当前拍摄间隔下的最高点可信度与拍摄间隔的比值作为所述有效度，不断改变拍摄间隔，计算对应的有效度，获取有效度最大的拍摄间隔作为最佳拍摄间隔。
优选的，所述幅度异常的获取方法为：
以当前次移动对应的高度差异乘上对应的异常因子，得到的乘积结果即为当前次上移过程的所述幅度异常；
获取当前次移动时的最低点，以及当前次移动之前所有次移动采集的最低点的最小值，计算当前次移动时的最低点和所述最小值之间的高度差异，乘上对应的异常因子，得到的乘积结果即为当前次下移过程的所述幅度异常。
优选的，所述水平位置异常程度的获取过程包括：
获取当前次移动过程之前的所有次移动过程的幅度异常，并按照从小到大的顺序排列，选取前预设比例的幅度异常对应的移动过程作为参考过程；
计算每个参考过程的水平位置的平均值，获取当前移动过程中每个图像的水平位置与每个所述平均值之间的差值绝对值作为偏离程度，并乘上对应的幅度异常，进而得到所述水平位置异常程度。
本发明实施例至少具有如下有益效果：
首先在综框移动幅度的判断中，利用不同相机拍摄间隔获得的最高点的差异，获得最佳拍摄间隔；然后在综框水平位置异常中，利用移动幅度的异常，确定不同次移动在异常判断中的可信度，然后作为权重获得水平位置的异常程度，减少其他异常移动对当前位置异常判断的影响，从而获得更加准确的水平位置异常；最后在综框移动竖直位置的异常中，考虑到两个综框移动过程的同步对称特点，判断同步对称的异常从而反应综框竖直方向位置的异常，避免了上移和下移过程的不同步的检测遗漏，从而获得更准确的综框竖直位置异常。
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机综框异常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机综框异常检测方法，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机综框异常检测方法的具体方案。
纺织机运行中的移动的综框带动着纱线上下分离，综框移动越稳定，越有利于纺织机工作，并且综框的移动稳定性主要表现在综框移动的幅度以及上移下移综框之间的对应位置关系，所以本发明通过综框单次移动以及不同次移动之间的关系，确定出综框移动异常程度，实现综框异常识别。
请参阅图1，其示出了本发明一个实施例提供的一种纺织机综框异常检测方法的步骤流程图，该方法包括以下步骤：
步骤S001，侧视采集综框图像，并在综框图像中分割出综框区域图像。
对于综框的异常检测，在本发明中利用图像中综框移动位置的异常来表示，所以首先需要获得综框移动过程中的图像，所以在综框的侧方安装相机，为了使得相机拍摄图像准确反映综框上移下移的位置，需要相机位于综框上下移动的范围的中间位置。
然后利用相机拍摄图像，然后利用语义分割技术，在原始图像中分割获得综框区域图像，后续处理均基于综框区域图像。
步骤S002，在每个采集过程中获取两个综框在竖直方向上移动过程中的最高点和最低点，根据所有最高点的高度获取当前拍摄间隔下最高点的可信度；基于可信度获取对应的拍摄间隔的有效度，以有效度最大的拍摄间隔作为最佳拍摄间隔。
对于综框移动的异常识别中，单次移动的幅度越异常，移动过程中出现位置异常的可能性越大，并且综框移动过程中，竖直位置与水平位置同时影响综框移动过程的异常程度。所以本发明通过水平位置的差异与竖直位置的差异进行综框移动异常的识别。
采集一个综框最后一步上移过程对应图像中的综框区域竖直方向最高点为综框移动过程的最高点、最后一步下移过程对应图像中的综框区域竖直方向最低点为综框移动过程的最低点。
对于纺织机的综框，在运行过程中存在竖直方向上下移动的过程，为分析综框上移下移过程中的位置异常，首先需要在图像中区分上移过程和下移过程。
已知纺织机中存在两个综框，并且两个综框的移动方向在竖直方向相反，所以需要对两个综框分别进行分析。两个综框在图像中分别表示为u,，然后第z次拍摄的图像中综框区域竖直最高点位置高度表示为
Figure DEST_PATH_IMAGE001
和
Figure 898754DEST_PATH_IMAGE002
，此时
Figure DEST_PATH_IMAGE003
，表示第v次拍摄图像中综框u在上移过程，综框
Figure 628944DEST_PATH_IMAGE004
则在下移过程（本法案基于运行中纺织机综框检测，所以不涉及
Figure DEST_PATH_IMAGE005
情况）。至此，对图像中的上移综框和下移综框进行区分。
然后利用上述综框移动方向判断，对于一个综框最后一步上移过程对应图像中的综框区域竖直方向最高点即为综框移动过程的最高点；同理，下移综框最后一步下移对应图像中的综框区域竖直方向最低点即为综框移动的最低点。
纺织机综框在运行过程中在竖直方向移动，此时，综框的移动异常同时表现在数值方向高低以及左右摆动，所以本发明需要结合两个方向综框的移动进行异常判断。对于竖直方向的异常，首先需要获得竖直方向的移动范围，即综框上下移动的最高点以及最低点。
对于当前次移动采集的最高点，获取当前次移动之前所有次移动采集的最高点的最大值，获取当前次移动采集的最高点和最大值之间的高度差异，计算当前拍摄间隔下对应的所有高度差异的平均值，以该平均值的倒数作为可信度。
综框竖直方向的异常主要表现在综框最高点以及最低点的位置差异，在本步骤中以最高点的位置为例，进行综框移动异常判断。
利用图像进行综框最高点位置判断中，首先需要获得综框在移动最高点时的图像，即需要综框移动的最高点时相机拍摄综框图像，但是在实际过程中，相机拍摄具有时间间隔，理论上相机拍摄时间间隔越小，越容易拍摄到综框最高点，但是相机拍摄时间间隔越小，所拍摄的图像越多，即所处理的数据量越多，不利于计算，所以本发明通过多次拍摄图像最高点之间的关系，确定最佳的拍摄时间间隔。
首先在综框在一次向上移动过程中，图像中显示的最高点的竖直高度表示为
Figure 736577DEST_PATH_IMAGE006
，其中
Figure DEST_PATH_IMAGE007
表示采集最高点的数量，此时，图像中最高点的可信度表示为：
Figure DEST_PATH_IMAGE009
其中
Figure 240109DEST_PATH_IMAGE010
表示第i次最高点的竖直高度，
Figure DEST_PATH_IMAGE011
表示
Figure 867530DEST_PATH_IMAGE010
以及第i个之前所有竖直高度中的最大值，如果存在多个最大值，则随机选择一个作为
Figure 158834DEST_PATH_IMAGE011
，此时
Figure 691447DEST_PATH_IMAGE011
可以表示真实的综框最高点，所以
Figure 483822DEST_PATH_IMAGE012
则表示
Figure 621543DEST_PATH_IMAGE010
与真实最高点的高度差异，
Figure 457649DEST_PATH_IMAGE012
越小，表示
Figure 680820DEST_PATH_IMAGE010
越接近于真实最高点，则
Figure 89936DEST_PATH_IMAGE010
的可信度越高，当前拍摄时间间隔T所获得的所有最高点的可信度即为
Figure DEST_PATH_IMAGE013
，
Figure 924906DEST_PATH_IMAGE013
越大，拍摄间隔为T的可信度越高。
计算当前拍摄间隔下的最高点可信度与拍摄间隔的比值作为有效度，不断改变拍摄间隔，计算对应的有效度，获取有效度最大的拍摄间隔作为最佳拍摄间隔。
此时不同拍摄间隔对应获取综框最高点的有效度表示为：
Figure DEST_PATH_IMAGE015
其中
Figure 417067DEST_PATH_IMAGE013
表示拍摄间隔为T的可信度，
Figure 2900DEST_PATH_IMAGE013
越大，表示对应拍摄间隔的有效度越高，但是T越大，拍摄的图像越多，处理的数据量越大，所以T越大，对应的有效度越低，
Figure 543603DEST_PATH_IMAGE016
即表示对应拍摄间隔的有效度。
然后利用上述不同拍摄时间间隔所获得的最高点的有效度
Figure 983812DEST_PATH_IMAGE016
，此时不断改变拍摄间隔T，以获得
Figure 787820DEST_PATH_IMAGE016
的最大值，比如利用现有的模拟退火算法，输入
Figure 625063DEST_PATH_IMAGE016
的表达式和所有最高点位置，输出
Figure 172719DEST_PATH_IMAGE016
的最大值以及对应的相机拍摄间隔
Figure DEST_PATH_IMAGE017
，此时
Figure 733014DEST_PATH_IMAGE017
即为最佳的相机拍摄间隔。
在考虑到在综框的移动中相机对综框移动最高点获取，不同的拍摄间隔可能使得相机拍摄时错过综框最高点拍摄，然后利用多次最高点高度的差异，获得最佳的拍摄间隔，即用最少的图像获得到最准确的综框最高点，同时解决了最高点拍摄时最高点在拍摄图像中的遗漏和计算数据量过大的问题。
步骤S003，利用COF算法获取最佳拍摄间隔下的最高点和最低点的异常因子，结合对应的高度获取综框的幅度异常；以幅度异常作为权重，结合水平位置的偏离程度获取水平位置异常程度。
通过上述步骤，获得最佳的相机拍摄时间间隔
Figure 52131DEST_PATH_IMAGE017
，从而获得综框在竖直方向上下移动过程中的最高点以及最低点，同时综框在移动过程中可能存在左右摆动，所以综框上下移动的幅度以及左右摆动表现综框的异常，并且综框左右摆动表现在移动过程中，为分析移动过程中异常，首先需要获得每一次移动的基准点，又因为综框最高最低点正常情况下基本一致，所以选择他们为基准点，即首先需要分析综框最高最低点的异常。
以当前次移动对应的高度差异乘上对应的异常因子，得到的乘积结果即为当前次上移过程的幅度异常。
每一次移动综框的最高点之间以及最低点之间的差异则表现移动幅度的异常，此时以最高点为例，每一次上移过程对应幅度异常表示为：
Figure DEST_PATH_IMAGE019
其中
Figure 330665DEST_PATH_IMAGE010
表示第i次综框上移的最高点高度，
Figure 55913DEST_PATH_IMAGE011
表示
Figure 877239DEST_PATH_IMAGE010
以及第i个之前所有上移竖直高度中的最大值，
Figure 616525DEST_PATH_IMAGE012
则为
Figure 398667DEST_PATH_IMAGE010
接近于
Figure 553705DEST_PATH_IMAGE011
程度，
Figure 619750DEST_PATH_IMAGE012
越大，表示
Figure 790923DEST_PATH_IMAGE010
未到达真实最高点的可能性越大，即
Figure 184996DEST_PATH_IMAGE010
异常可能性越大；
Figure 2779DEST_PATH_IMAGE020
表示
Figure 798697DEST_PATH_IMAGE010
的异常因子，在本发明中直接利用COF算法获得，即输入所有的前i个最高点的位置，输出
Figure 427255DEST_PATH_IMAGE010
的异常因子
Figure 308624DEST_PATH_IMAGE020
，
Figure 930098DEST_PATH_IMAGE020
即表示最高点的异常程度，因为综框最高点直接反应综框一定幅度，所以
Figure 580522DEST_PATH_IMAGE020
反应综框上移过程的幅度异常，
Figure 816200DEST_PATH_IMAGE020
越大，综框上移幅度越大。
同理，获取当前次移动时的最低点，以及当前次移动之前所有次移动采集的最低点的最小值，计算当前次移动时的最低点和最小值之间的高度差异，乘上对应的异常因子，得到的乘积结果即为当前次下移过程的幅度异常。
每一次综框下移过程对应幅度异常表示为：
Figure 309498DEST_PATH_IMAGE022
其中
Figure DEST_PATH_IMAGE023
表示第i次综框下移获得的最低点的高度，
Figure 954237DEST_PATH_IMAGE024
表示前i次下移获得最低点竖直高度的最小值，
Figure 52643DEST_PATH_IMAGE020
表示表示
Figure 882059DEST_PATH_IMAGE023
的异常因子。至此，获得每一次综框移动的幅度的异常。
根据综框移动的最高点最低点位置确定当前综框移动幅度的异常，可以作为每一次移动过程异常的判断依据，并且在移动幅度异常判断中，考虑到最高点以及最低点异常的不同表现，从而获得异常的可能性因素，然后以对应可能性为权值，获得更加准确的综框移动幅度异常，更有利于综框异常识别。
获得综框每一次移动对应的移动幅度的异常，此时综框每一次移动过程的异常受移动幅度的影响，所以此时基于每一次移动幅度的异常，在综框的移动过程中分析异常。
首先综框的上移与下移是同时进行的，并且上移下移过程可以看作对称进行的，此时以上述步骤获得的综框移动的最高点以及最低点位置对称基准，以每一次移动的幅度异常为权重关系，判断综框移动过程表现出的异常。
获取水平位置异常程度：
获取当前次移动过程之前的所有次移动过程的幅度异常，并按照从小到大的顺序排列，选取前预设比例的幅度异常对应的移动过程作为参考过程。
Figure DEST_PATH_IMAGE025
表示第i次上移幅度的异常，
Figure 846342DEST_PATH_IMAGE025
越大，表示当前上移过程异常程度越大，所以当前上移过程的位置可信度越低，即以
Figure 809619DEST_PATH_IMAGE026
为标准判断
Figure DEST_PATH_IMAGE027
位置的异常可信度越低，所以对进行从小到大排序，获得前10%的
Figure 982105DEST_PATH_IMAGE025
对应的综框移动过程作为参考过程，即本发明实施例中预设比例为10%，得到N0个参考过程。
计算每个参考过程的水平位置的平均值，获取当前移动过程中每个图像的水平位置与每个平均值之间的差值绝对值作为偏离程度，并乘上对应的幅度异常，进而得到水平位置异常程度：
Figure DEST_PATH_IMAGE029
其中，
Figure 418640DEST_PATH_IMAGE030
表示第i次上移过程中的水平位置异常程度，
Figure 761897DEST_PATH_IMAGE027
表示一次上移过程中所获得的第j个图像中的综框上边缘在水平方向的位置，
Figure 528865DEST_PATH_IMAGE026
表示第i次上移过程中水平位置的均值，
Figure DEST_PATH_IMAGE031
表示
Figure 352596DEST_PATH_IMAGE027
位置的偏离程度，
Figure 117289DEST_PATH_IMAGE032
表示第i次上移过程中的水平位置的数量。
选取可信度较高的移动过程作为参考过程，
Figure 947842DEST_PATH_IMAGE031
越大，
Figure 502189DEST_PATH_IMAGE027
位置的偏离程度越大越有可能异常。
步骤S004，以最高点和最低点的位置作为对称基准获取竖直位置异常程度；以所述水平位置异常程度和所述竖直位置异常程度的和作为综合异常程度；基于所述综合异常程度识别出异常移动，并基于异常移动的密集程度判断是否为真实异常。
获取竖直位置异常程度：
因为综框的移动异常受水平异常和竖直异常共同影响，在存在一个异常时上移过程的稳定性降低，伴随着上移过程稳定性的降低，则存在其他异常的可能性增加，已知综框的上移与下移是同时进行的，并且上移下移过程可以看作对称进行，所以在第i次综框上移和下移在相同时刻的位置时对称的，据此判断综框移动过程中的竖直位置异常，具体表示为：
Figure 164114DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE035
表示一次上移过程中第j个竖直位置，
Figure 584863DEST_PATH_IMAGE010
表示第i次上移获得最高点位置，
Figure 27345DEST_PATH_IMAGE036
表示
Figure 745903DEST_PATH_IMAGE035
与最高点的距离，
Figure DEST_PATH_IMAGE037
表示
Figure 636236DEST_PATH_IMAGE035
对应图像中的下移综框的位置，
Figure 414836DEST_PATH_IMAGE023
表示
Figure 33030DEST_PATH_IMAGE037
对应下移过程的最低点，所以
Figure 679912DEST_PATH_IMAGE038
表示
Figure 988534DEST_PATH_IMAGE037
与最低点的距离。
综框上移下移时同步一致的，所以理想情况下同一时刻，即同一图像中上移下移综框位置与相应最高点最低点的距离一致，所以
Figure DEST_PATH_IMAGE039
表示综框上移下移差异性，然后对于同一次上移过程中
Figure 46358DEST_PATH_IMAGE032
个竖直位置，所以第i次上移过程竖直位置异常程度表示为
Figure 932274DEST_PATH_IMAGE040
，用
Figure DEST_PATH_IMAGE041
表示。因为竖直位置的异常是通过上移下移的同步对称性判断的，所以第i次的下移的竖直位置异常同样表示为
Figure 602421DEST_PATH_IMAGE041
。
获取综框第i次上移过程的异常程度
Figure 765549DEST_PATH_IMAGE042
，以同样的方法获得每一次下移过程的异常程度为
Figure DEST_PATH_IMAGE043
。
在综框移动异常的判断中同时考虑竖直位置和水平位置的异常，以获得更加准确的移动异常；然后在水平位置异常中，根据水平位置与其他次上移水平位置的差异判断，并以不同次上移过程对应的移动幅度的异常为权值，使得水平位置差异更具有可信度，从而获得更加准确的水平位置的差异；最后在竖直位置的差异中，利用综框上移下移的同时对称性，判断相同时刻对应综框上移下移相对位置差异性，获得竖直位置异常，避免了上移和下移过程的不同步的检测遗漏，最终获得综框上移和下移过程的异常程度，作为综框异常判断的依据。
根据以上步骤，获得综框每一次上移下移的异常程度
Figure 56591DEST_PATH_IMAGE044
和
Figure 570749DEST_PATH_IMAGE043
，此时首先对所获得的所有异常程度进行和归一化处理，分别表示为
Figure DEST_PATH_IMAGE045
和
Figure 293854DEST_PATH_IMAGE046
，
Figure 186855DEST_PATH_IMAGE045
和
Figure 743738DEST_PATH_IMAGE046
越大，对应综框移动的异常程度越大，此时设置阈值
Figure DEST_PATH_IMAGE047
，本发明中设置
Figure 73088DEST_PATH_IMAGE048
（可根据实际场景进行调整），然后利用阈值
Figure 329712DEST_PATH_IMAGE047
识别出所有异常移动的综框。在
Figure DEST_PATH_IMAGE049
时，表示对应的第i次综框上移为异常移动，同理
Figure 795329DEST_PATH_IMAGE050
时，表示对应的第i次综框下移为异常移动。
至此，识别出综框移动过程中的所有异常移动。
通过上述步骤，在综框的移动过程中识别出所有的异常移动，但是在实际工作中，可能存在偶然的移动异常（可以理解为偶然误差），这是机械固有的特性，即不属于综框的异常，所以需要根据综框移动异常密集性，判断真实的综框异常。
首先记录每一个异常的综框移动的对应的时间范围对应的中点时刻，然后设置时间半径
Figure DEST_PATH_IMAGE051
，在本发明中设置
Figure 132900DEST_PATH_IMAGE052
，此时综框移动异常密集性表示为：
Figure 480705DEST_PATH_IMAGE054
其中
Figure DEST_PATH_IMAGE055
表示第t个异常移动在
Figure 732564DEST_PATH_IMAGE051
的时间范围内出现其他异常移动的数量，则
Figure 396894DEST_PATH_IMAGE056
表示t个异常移动的密集性
Figure DEST_PATH_IMAGE057
，此时设置阈值
Figure 466219DEST_PATH_IMAGE058
，在本发明实施例中设置
Figure DEST_PATH_IMAGE059
，在其他实施例中可根据实际场景进行调整，在
Figure 770162DEST_PATH_IMAGE060
时，表示第t个异常的综框移动为真实的综框异常。
综上所述，本发明实施例侧视采集综框图像，并在综框图像中分割出综框区域图像；在每个采集过程中获取两个综框在竖直方向上移动过程中的最高点和最低点，根据所有最高点的高度获取当前拍摄间隔下最高点的可信度；基于可信度获取对应的拍摄间隔的有效度，以有效度最大的拍摄间隔作为最佳拍摄间隔；利用COF算法获取最佳拍摄间隔下的最高点和最低点的异常因子，结合对应的高度获取综框的幅度异常；以幅度异常作为权重，结合水平位置的偏离程度获取水平位置异常程度；以最高点和最低点的位置作为对称基准获取竖直位置异常程度；以水平位置异常程度和竖直位置异常程度的和作为综合异常程度；基于综合异常程度识别出异常移动，并基于异常移动的密集程度判断是否为真实异常。本发明实施例避免了上移和下移过程的不同步的检测遗漏，从而获得更准确的综框竖直位置异常。
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或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。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种纺织机综框异常检测方法，其特征在于，该方法包括以下步骤：
侧视采集综框图像，并在综框图像中分割出综框区域图像；
在每个采集过程中获取两个综框在竖直方向上移动过程中的最高点和最低点，根据所有最高点的高度获取当前拍摄间隔下最高点的可信度；基于所述可信度获取对应的拍摄间隔的有效度，以有效度最大的拍摄间隔作为最佳拍摄间隔；
利用COF算法获取最佳拍摄间隔下的最高点和最低点的异常因子，结合对应的高度获取综框的幅度异常；以所述幅度异常作为权重，结合水平位置的偏离程度获取水平位置异常程度；
以最高点和最低点的位置作为对称基准获取竖直位置异常程度；以所述水平位置异常程度和所述竖直位置异常程度的和作为综合异常程度；基于所述综合异常程度识别出异常移动，并基于异常移动的密集程度判断是否为真实异常。
2.根据权利要求1所述的一种纺织机综框异常检测方法，其特征在于，所述在每个采集过程中获取两个综框在竖直方向上移动过程中的最高点和最低点，包括：
采集一个综框最后一步上移过程对应图像中的综框区域竖直方向最高点为综框移动过程的最高点、最后一步下移过程对应图像中的综框区域竖直方向最低点为综框移动过程的最低点。
3.根据权利要求1所述的一种纺织机综框异常检测方法，其特征在于，所述可信度的获取方法为：
对于当前次移动采集的最高点，获取当前次移动之前所有次移动采集的最高点的最大值，获取当前次移动采集的最高点和所述最大值之间的高度差异，计算当前拍摄间隔下对应的所有高度差异的平均值，以该平均值的倒数作为所述可信度。
4.根据权利要求1所述的一种纺织机综框异常检测方法，其特征在于，所述最佳拍摄间隔的获取方法为：
计算当前拍摄间隔下的最高点可信度与拍摄间隔的比值作为所述有效度，不断改变拍摄间隔，计算对应的有效度，获取有效度最大的拍摄间隔作为最佳拍摄间隔。
5.根据权利要求3所述的一种纺织机综框异常检测方法，其特征在于，所述幅度异常的获取方法为：
以当前次移动对应的高度差异乘上对应的异常因子，得到的乘积结果即为当前次上移过程的所述幅度异常；
获取当前次移动时的最低点，以及当前次移动之前所有次移动采集的最低点的最小值，计算当前次移动时的最低点和所述最小值之间的高度差异，乘上对应的异常因子，得到的乘积结果即为当前次下移过程的所述幅度异常。
6.根据权利要求1所述的一种纺织机综框异常检测方法，其特征在于，所述水平位置异常程度的获取过程包括：
获取当前次移动过程之前的所有次移动过程的幅度异常，并按照从小到大的顺序排列，选取前预设比例的幅度异常对应的移动过程作为参考过程；
计算每个参考过程的水平位置的平均值，获取当前移动过程中每个图像的水平位置与每个所述平均值之间的差值绝对值作为偏离程度，并乘上对应的幅度异常，进而得到所述水平位置异常程度。
CN202211235949.0A 2022-10-10 2022-10-10 一种纺织机综框异常检测方法 Pending CN115325936A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211235949.0A CN115325936A (zh) 2022-10-10 2022-10-10 一种纺织机综框异常检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211235949.0A CN115325936A (zh) 2022-10-10 2022-10-10 一种纺织机综框异常检测方法

Publications (1)

Publication Number Publication Date
CN115325936A true CN115325936A (zh) 2022-11-11

Family

ID=83914766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211235949.0A Pending CN115325936A (zh) 2022-10-10 2022-10-10 一种纺织机综框异常检测方法

Country Status (1)

Country Link
CN (1) CN115325936A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116609440A (zh) * 2023-05-22 2023-08-18 浙江嘉宇工程管理有限公司 基于云边协同的建筑工程质量智能验收管理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1078003A (zh) * 1992-04-29 1993-11-03 横井产业株式会社 织布机上的综框位置检测装置
CN1080336A (zh) * 1992-05-12 1994-01-05 横井产业株式会社 织机综框位置检测装置
US20040212803A1 (en) * 2003-04-22 2004-10-28 Sultex Ag Measuring device for movements on a weaving machine
CN102121820A (zh) * 2010-12-22 2011-07-13 江苏万工科技集团有限公司 织机综框动态位移测量装置
CN114502793A (zh) * 2019-11-04 2022-05-13 乌斯特技术有限公司 用于织机上织物检查系统中的多个图像收集的方法和系统
CN217465736U (zh) * 2022-04-26 2022-09-20 镇江恒创纺织机械有限公司 一种片梭综框用的检测机构

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1078003A (zh) * 1992-04-29 1993-11-03 横井产业株式会社 织布机上的综框位置检测装置
CN1080336A (zh) * 1992-05-12 1994-01-05 横井产业株式会社 织机综框位置检测装置
US20040212803A1 (en) * 2003-04-22 2004-10-28 Sultex Ag Measuring device for movements on a weaving machine
CN102121820A (zh) * 2010-12-22 2011-07-13 江苏万工科技集团有限公司 织机综框动态位移测量装置
CN114502793A (zh) * 2019-11-04 2022-05-13 乌斯特技术有限公司 用于织机上织物检查系统中的多个图像收集的方法和系统
CN217465736U (zh) * 2022-04-26 2022-09-20 镇江恒创纺织机械有限公司 一种片梭综框用的检测机构

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116609440A (zh) * 2023-05-22 2023-08-18 浙江嘉宇工程管理有限公司 基于云边协同的建筑工程质量智能验收管理方法及系统
CN116609440B (zh) * 2023-05-22 2023-11-28 浙江嘉宇工程管理有限公司 基于云边协同的建筑工程质量智能验收管理方法及系统

Similar Documents

Publication Publication Date Title
CN115325936A (zh) 一种纺织机综框异常检测方法
JP6150248B2 (ja) 布地の欠陥検査方法と装置
CN113592867B (zh) 一种基于碳纤维布面残留捆绑纱的检测方法
US20220341069A1 (en) Methods and systems for multiple image collection in an on-loom fabric inspection system
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
CN110567969A (zh) 用于织物缺陷检测的图像识别方法及其系统
CN114897894A (zh) 一种筒纱菊花芯缺陷检测方法
CN112819844B (zh) 一种图像边缘检测方法及装置
CN116309671B (zh) 一种土工合成织物质量检测系统
CN112767384A (zh) 一种弹力布克重在线检测系统的补偿方法和装置
CN115861310A (zh) 一种床单表面纺织缺陷检测方法
CN112840070B (zh) 用于逐行检查一维织物的方法和系统
CN107144570A (zh) 一种基于机器视觉的簇绒机排纱错误检测方法
CN116563276B (zh) 一种化纤长丝在线缺陷检测方法及检测系统
CN115272736B (zh) 一种纺织品经纬线提取方法
CN115471504B (zh) 一种基于纺织物的线头自动识别方法
CN115082460B (zh) 一种织布生产线质量监控方法及系统
JP2800726B2 (ja) 織布の検反装置
CN109376770A (zh) 一种应用于底片检查机的网格区域识别方法及装置
CN114693652A (zh) 基于高斯混合模型的织物缺陷检测方法
CN106898084A (zh) 一种确定图像处理阈值的方法及装置
CN117392132B (zh) 一种服装面料缝纫缺陷视觉检测方法
CN115311269B (zh) 一种纺织品异常检测方法
CN112489015A (zh) 一种用于移动机器人的化纤飘杂识别方法
CN116128769B (zh) 摇摆运动机构的轨迹视觉记录系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230606

Address after: No. 4138, Floor 4, Building A, Chenghuang Temple Shopping Mall, Dongfanghong Road, Decheng District, Dezhou City, Shandong Province, 253000

Applicant after: Dezhou Tongchang Textile Equipment Co.,Ltd.

Address before: 226000 Tanghong Industrial Park, Dongshe Town, Tongzhou District, Nantong City, Jiangsu Province

Applicant before: Nantong OUHUI Textile Technology Co.,Ltd.