CN115791812A - 一种基于机器视觉的毛纱质量检测装置和方法 - Google Patents

一种基于机器视觉的毛纱质量检测装置和方法 Download PDF

Info

Publication number
CN115791812A
CN115791812A CN202211536833.0A CN202211536833A CN115791812A CN 115791812 A CN115791812 A CN 115791812A CN 202211536833 A CN202211536833 A CN 202211536833A CN 115791812 A CN115791812 A CN 115791812A
Authority
CN
China
Prior art keywords
wool yarn
alarm
module
image
wool
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
CN202211536833.0A
Other languages
English (en)
Inventor
邓朝禹
琚长江
金国标
陈文浩
刘琳
陈兴赞
薛惊理
熊灿
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.)
Ningbo Institute Of Artificial Intelligence Shanghai Jiaotong University
Original Assignee
Ningbo Institute Of Artificial Intelligence Shanghai Jiaotong University
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 Ningbo Institute Of Artificial Intelligence Shanghai Jiaotong University filed Critical Ningbo Institute Of Artificial Intelligence Shanghai Jiaotong University
Priority to CN202211536833.0A priority Critical patent/CN115791812A/zh
Publication of CN115791812A publication Critical patent/CN115791812A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Filamentary Materials, Packages, And Safety Devices Therefor (AREA)

Abstract

本发明公开了一种基于机器视觉的毛纱质量检测装置,涉及纺织机械技术领域,包括图像采集辅助模块、图像采集模块、控制计算机模块和报警模块,图像采集模块将毛纱图像发送给控制计算机模块,控制计算机模块分析得到毛纱质量数据,响应于毛纱质量数据,报警模块分析得到报警等级信号,当毛纱质量出现异常时,报警模块发出相应等级的警报,响应于报警等级信号,自动落纱器自动调整落纱速度。本发明还公开了基于机器视觉的毛纱质量检测方法,包括:S100、准备工作;S200、所述自动落纱器输送毛纱;S300、实时捕获毛纱图像;S400、得到毛纱质量数据;S500、毛纱质量报警;S600、调整落纱速度。本发明实现了对毛纱缺陷高精度、高速度的检测和识别。

Description

一种基于机器视觉的毛纱质量检测装置和方法
技术领域
本发明涉及纺织机械技术领域,尤其涉及一种基于机器视觉的毛纱质量检测装置和方法。
背景技术
毛纺织行业按生产流程可分为纺纱、织造等主要环节。纺纱作为毛纺织工业的一道极为重要的生产环节,是整个毛纺织工业的基础。毛纱的生产质量直接决定后期纺织制品的性能与质量,在整个毛纺织产业链中居于重要的地位。因此,设计一种用于毛纱质量实时检测的装置具有十分重要的意义。
传统质量检测手段基于人力,这种方法不仅耗时耗力且精度难以控制,而且随着全球纺织品服装消费的日趋成熟,大规模的毛纱生产使得人工检测变得不切实际。
此外,近年来许多毛纺工厂使用电容式传感器进行毛纱质量检测,当毛纱直径出现变化时,传感器极板的电荷量会发生变化。这种基于电容式传感器的方法可以实现毛纱大规模生产,但其精度较低,并且无法判断毛纱出现瑕疵的具体位置,无法满足当前对于高质量毛纱的需求。
随着人工智能技术的发展,机器视觉算法在许多领域都取得了令人满意的成绩,将目标检测算法应用于毛纱质量检测带来了可能性。
专利《用于纱线质量监测的装置和方法》(申请号:CN201880088432.9),公开了一种用于检测织物毛纱质量的方法和用于检测织物毛纱质量的装置,由初级光源通过聚焦元件直接照射图像传感器来执行。但缺乏先进的机器视觉算法,仅使用图像处理计算毛纱直径,当毛纱情况相对复杂时,例如毛纱的毛羽相互交叉或者毛纱出现节瘤等影响图像处理的瑕疵,该装置对于毛纱直径的测量精度会大打折扣。此外,由于毛纱生产过程是动态的,直接对图像传感器捕获得到的毛纱图像进行处理,难以保证图像对比度及清晰度,从而会导致毛纱识别精度降低。
因此,本领域的技术人员致力于开发一种基于机器视觉的毛纱质量检测装置和方法。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是如何提高毛纺毛纱识别精度及速度,确定缺陷类别及位置具体信息。
发明人分析了毛纱生产环境,毛纱生产现场光线较为昏暗,且电源工频干扰时常造成照明频闪,拍照效果较差,另外,毛纱生产现场的背景是各类机器设备,拍摄的毛纱图像会被复杂的环境背景污染,图像质量无法保证。另外,发明人分析了毛纱的生成过程,综合考虑了图像采集、质量分析、质量异常报警、质量控制的流程,使用图像摄取装置(高速摄像机)将被摄对象转换为图像信号,进一步将图像信号转换为数字信号进而通过智能算法对被摄对象进行判断,设计了基于机器视觉的毛纱质量检测装置和方法。
本发明的一个实施例中,提供了一种基于机器视觉的毛纱质量检测装置,包括:
图像采集辅助模块,补充光照并简化背景,提供适宜的图像采集环境;
图像采集模块,实时捕获毛纱图像,获取高清晰度毛纱图像;
控制计算机模块,提供人机交互,存储毛纱信息,使用智能算法处理毛纱图像,分析得到毛纱质量数据;
报警模块,响应于毛纱质量数据,分析得到报警等级信号,当毛纱质量出现异常时发出相应等级的警报,提醒工作人员;
图像采集辅助模块和图像采集模块安装在络筒机上,报警模块安装在显著位置,图像采集模块、报警模块和控制计算机模块依次通信连接,报警模块和络筒机通信连接;图像采集模块将毛纱图像发送给控制计算机模块,控制计算机模块分析得到毛纱质量数据,响应于毛纱质量数据,报警模块分析得到报警等级信号,当毛纱质量出现异常时,报警模块发出相应等级的警报,响应于报警等级信号,自动落纱器自动调整落纱速度,保持生产毛纱的均匀度。
可选地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,图像采集辅助模块包括:
单色光源,毛纱生产现场光照不足或不稳定时补充光照;
图像采集背景板,毛纱生产现场背景复杂,或者直接拍照获取的图像对比度差时,简化背景并提高图像对比度;
单色光源安装在络筒机毛纱的正前方,发射出去的光为平行光,图像采集背景板安装在络筒机毛纱正后方,为图像采集提供简单纯净的背景并且增大与毛纱间的区分度,形成高质量的毛纱图像。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,单色光源采用白色光源,光源强度满足毛衫图像采集的亮度需求。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,单色光源形状选择为环形光源。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,图像采集背景板选择和毛纱颜色区分明显的颜色,当毛纱颜色较深,选用浅色图像采集背景板,当毛纱颜色较浅时,选用深色图像采集背景板。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,图像采集背景板表面光滑。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测装置中,图像采集模块设置在络筒机毛纱的正前方,调整图像采集模块与毛纱之间的距离,确保能够捕获足够完整的毛纱图像;图像采集模块的水平位置调整至尽可能垂直于毛纱,防止图像偏斜带来识别误差。
可选地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,图像采集模块包括高速摄像机。
优选地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,高速摄像机选择CCD芯片的线阵相机。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测装置中,控制计算机模块包括:
人机交互界面子模块,接收毛纱信息输入,并显示毛纱质量数据;
信息存储子模块,存储毛纱信息输入及毛纱质量数据;
智能算法子模块,使用智能算法,检测毛纱图像,测量毛纱直径,分析毛纱质量波动性,分辨毛纱状态,给出毛纱瑕疵的类别,提供缺陷的具体位置。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,毛纱信息输入包括毛纱直径标准范围、毛纱直径波动率、及毛纱报警阈值,毛纱直径标准范围包括毛纱的最大直径和最小直径;毛纱直径波动率是生产过程中毛纱直径的变化情况,毛纱直径波动率越高,代表毛纱直径变化幅度越大,毛纱均匀度越低,毛纱质量越差;反之,毛纱直径波动率越低,代表毛纱直径变化幅度越小,毛纱均匀度越高,毛纱质量越好;
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,毛纱报警阈值分为低风险阈值以及中风险阈值。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,毛纱质量数据包括毛纱实时质量数据和毛纱历史质量数据,用户能够通过人机交互界面子模块查看毛纱实时质量数据,查询毛纱历史质量数据。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测装置中,智能算法包括:
图像增强算法,对毛纱图像进行图像增强处理,改善影响图像视觉效果的因素;
目标检测算法,使用深度学习技术,设计目标检测算法,采集大量正常及有瑕疵的毛纱图像,使用labelimg软件手动标注瑕疵位置,制作数据集,通过数据集训练目标检测算法模型,学习图像特征,采用开源的计算机视觉库OpenCV完成图像处理操作。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,图像增强处理包括毛纱图像的边缘、轮廓以及对比度,提高毛纱图像的清晰度,使毛纱图像转换为适合计算机分析处理的形式;
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,图像处理操作包括读取、输出、裁剪,加载训练完成的网络模型识别毛纱质量,确定瑕疵位置。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,目标检测算法训练包括:
定义毛纱瑕疵的类别,当毛纱直径超出预设的直径标准范围时定义为毛纱瑕疵,毛纱瑕疵包括细节、粗节以及糙节,细节和粗节影响毛纱的均匀度,细节是指毛纱直径小于正常水平,会形成毛纱强力弱环,造成织造等过程的断头;粗节是指毛纱直径大于正常水平,影响织物外观,甚至造成织物质量降级;糙节是指毛纱生产过程中出现的数根、甚至数十根纤维互相缠绕的情况,这类异常情况会形成毛纱节瘤;
使用现有的毛纱图像,包括正常、粗节、细节及糙节图像,作为训练数据集对目标检测算法模型进行训练;
训练完成后得到目标检测算法模型,能够识别毛纱状态,区分正常、粗节、细节和糙节并确定瑕疵位置。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测装置中,目标检测算法包括两阶段算法和一阶段算法,两阶段算法包括R-CNN、Fast R-CNN等,一阶段算法包括YOLO系列。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测装置中,报警模块当毛纱出现瑕疵时使用声音和/或者光进行报警,报警级别分为轻微告警和严重告警。
进一步地,在上述实施例中的基于机器视觉的毛纱质量检测装置中,报警模块响应于控制计算机模块分析的毛纱质量数据,将毛纱实时质量数据和毛纱报警阈值进行比较得到报警等级信号,当毛纱实时质量数据低于低风险阈值时,说明当前毛纱质量良好,报警模块不发出警报;当毛纱实时质量数据高于低风险阈值而低于中风险阈值时,说明当前毛纱出现轻微瑕疵,报警模块进行轻微告警;当毛纱实时质量数据高于中风险阈值时,说明当前毛纱出现较大瑕疵,报警模块发出严重告警。
基于上述任一实施例,本发明的另一个实施例中,提供了一种基于机器视觉的毛纱质量检测方法,包括如下步骤:
S100、准备工作,训练目标检测算法模型,启动基于机器视觉的毛纱质量检测装置;
S200、自动落纱器输送毛纱;
S300、实时捕获毛纱图像,图像采集模块获取高清晰度毛纱图像;
S400、得到毛纱质量数据,控制计算机模块存储毛纱信息,处理毛纱图像,得到毛纱质量数据;
S500、毛纱质量报警,响应于控制计算机模块分析的毛纱质量数据,分析得到报警等级信号,当毛纱质量出现异常时报警模块发出相应等级的警报,当毛纱质量正常时报警模块不发出警报,返回步骤S300;
S600、调整落纱速度,响应于报警模块分析的报警等级信号,自动落纱器自动调整落纱速度,保持生产毛纱的均匀度,返回步骤S300。
可选地,在上述实施例中的基于机器视觉的毛纱质量检测方法中,步骤S100包括:
S110、训练目标检测算法模型;
S120、启动基于机器视觉的毛纱质量检测装置。
可选地,在上述实施例中的基于机器视觉的毛纱质量检测方法中,步骤S110包括:
S111、定义毛纱瑕疵的类别,包括细节、粗节以及糙节,细节和粗节主要影响毛纱的均匀度,细节是指毛纱直径小于正常水平,会形成毛纱强力弱环,造成织造等过程的断头;粗节是指毛纱直径大于正常水平,影响织物外观,甚至造成织物质量降级;糙节是指毛纱生产过程中出现的数根、甚至数十根纤维互相缠绕的情况,这类异常情况会形成毛纱节瘤;
S112、使用现有的毛纱图像,包括正常、粗节、细节及糙节图像,作为训练数据集对目标检测算法模型进行训练;
S113、训练完成后得到目标检测算法模型,能够识别毛纱状态,区分正常毛纱、粗节毛纱、细节毛纱和糙节毛纱并确定瑕疵位置。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测方法中,步骤S400包括:
S410、图像增强,控制计算机模块使用图像增强算法对毛纱图像进行处理,提高毛纱图像的清晰度及对比度,形成清晰的实时毛纱图像;
S420、图像检测,控制计算机模块使用目标检测算法,对处理后的毛纱图像进行检测及分析,得到毛纱实时质量数据;
S430、毛纱质量的波动性计算,使用SPC质量分析方法分析毛纱直径,计算毛纱质量的波动性和均匀率,其中,SPC质量分析方法是一种借助数理统计方法的过程控制工具,使用应用统计分析技术对生产过程进行监控,科学区分出生产过程中产品质量的随机波动与异常波动。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测方法中,步骤S500包括:
S510、响应于控制计算机模块分析的毛纱质量数据,报警模块将毛纱质量数据和毛纱报警阈值进行比较,得到报警等级信号;
S520、当毛纱质量数据低于低风险阈值时,说明当前毛纱质量良好,报警模块不发出警报,返回步骤S300;
S530、当毛纱质量数据高于低风险阈值而低于中风险阈值时,说明当前毛纱出现轻微瑕疵,报警模块进行轻微告警;当毛纱质量数据高于中风险阈值时,说明当前毛纱出现较大瑕疵,报警模块发出严重告警。
可选地,在上述任一实施例中的基于机器视觉的毛纱质量检测方法中,步骤S600包括:
S610、响应于报警模块分析的报警等级信号,当报警模块不发出警报时,毛纱质量良好,自动落纱机速度保持不变,返回步骤S300;
S620、当报警模块发出轻微告警时,降低自动落纱机落纱速度,返回步骤S300;
S630、当报警模块发出严重告警时,自动落纱机停止落纱,待工作人员检修后重新启动。
本发明使用图像采集技术和智能算法对毛纱质量进行检测,分析毛纱质量波动性,分辨毛纱状态,给出毛纱瑕疵的类别,提供缺陷的具体位置,实现了对毛纱缺陷高精度、高速度的检测和识别。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是图示根据示例性实施例的基于机器视觉的毛纱质量检测装置的结构示意图;
图2是图示根据示例性实施例的基于机器视觉的毛纱质量检测方法的流程图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方示意性地适当夸大了部件的厚度。
发明人设计了一种基于机器视觉的毛纱质量检测装置,如图1所示,包括:
图像采集辅助模块,补充光照并简化背景,提供适宜的图像采集环境;图像采集辅助模块包括:
单色光源,毛纱生产现场光照不足或不稳定时补充光照,单色光源采用白色光源,光源强度满足毛衫图像采集的亮度需求,单色光源形状选择为环形光源;
图像采集背景板,毛纱生产现场背景复杂,或者直接拍照获取的图像对比度差时,简化背景并提高图像对比度;图像采集背景板选择和毛纱颜色区分明显的颜色,当毛纱颜色较深,选用浅色图像采集背景板,当毛纱颜色较浅时,选用深色图像采集背景板,图像采集背景板表面光滑;
单色光源安装在络筒机毛纱的正前方,发射出去的光为平行光,图像采集背景板安装在络筒机毛纱正后方,为图像采集提供简单纯净的背景并且增大与毛纱间的区分度,形成高质量的毛纱图像。
图像采集模块,实时捕获毛纱图像,获取高清晰度毛纱图像;图像采集模块设置在络筒机毛纱的正前方,调整图像采集模块与毛纱之间的距离,确保能够捕获足够完整的毛纱图像;图像采集模块的水平位置调整至尽可能垂直于毛纱,防止图像偏斜带来识别误差;图像采集模块包括高速摄像机,高速摄像机选择CCD芯片的线阵相机;
控制计算机模块,提供人机交互,存储毛纱信息,使用智能算法处理毛纱图像,分析得到毛纱质量数据;控制计算机模块包括:
人机交互界面子模块,接收毛纱信息输入,并显示毛纱质量数据;毛纱信息输入包括毛纱直径标准范围、毛纱直径波动率、及毛纱报警阈值,毛纱直径标准范围包括毛纱的最大直径和最小直径;毛纱直径波动率是生产过程中毛纱直径的变化情况,毛纱直径波动率越高,代表毛纱直径变化幅度越大,毛纱均匀度越低,毛纱质量越差;反之,毛纱直径波动率越低,代表毛纱直径变化幅度越小,毛纱均匀度越高,毛纱质量越好;毛纱报警阈值分为低风险阈值以及中风险阈值;毛纱质量数据包括毛纱实时质量数据和毛纱历史质量数据,用户能够通过人机交互界面子模块查看毛纱实时质量数据,查询毛纱历史质量数据;
信息存储子模块,存储毛纱信息输入及毛纱质量数据;
智能算法子模块,使用智能算法,检测毛纱图像,测量毛纱直径,分析毛纱质量波动性,分辨毛纱状态,给出毛纱瑕疵的类别,提供缺陷的具体位置;智能算法包括:
图像增强算法,对毛纱图像进行图像增强处理,改善影响图像视觉效果的因素;图像增强处理包括毛纱图像的边缘、轮廓以及对比度,提高毛纱图像的清晰度,使毛纱图像转换为适合计算机分析处理的形式;
目标检测算法,使用深度学习技术,设计目标检测算法模型,采集大量正常及有瑕疵的毛纱图像,使用labelimg软件手动标注瑕疵位置,制作数据集,通过数据集训练图像识别算法模型,学习图像特征,采用开源的计算机视觉库OpenCV完成图像处理操作,包括读取、输出、裁剪,加载训练完成的网络模型识别毛纱质量,确定瑕疵位置;目标检测算法包括两阶段算法和一阶段算法,两阶段算法包括R-CNN、Fast R-CNN等,一阶段算法包括YOLO系列。目标检测算法训练包括:
定义毛纱瑕疵的类别,当毛纱直径超出预设的直径标准范围时定义为毛纱瑕疵,毛纱瑕疵包括细节、粗节以及糙节,粗节和细节主要影响毛纱的均匀度,细节是指毛纱直径小于正常水平,会形成毛纱强力弱环,造成织造等过程的断头;粗节是指毛纱直径大于正常水平,影响织物外观,甚至造成织物质量降级;糙节是因为毛纱生产过程中出现了数根、甚至数十根纤维互相缠绕的情况,这类异常情况会形成毛纱节瘤;使用现有的毛纱图像,包括正常、粗节、细节及糙节图像,作为数据集对目标检测算法模型进行训练;
训练完成后得到图像识别算法模型,能够识别毛纱状态,区分正常、粗节、细节和糙节并确定瑕疵位置;
报警模块,响应于毛纱质量数据,分析得到报警等级信号,当毛纱质量出现异常时发出警报,提醒工作人员;报警模块当毛纱出现瑕疵时使用声音和/或者光进行报警,报警级别分为轻微告警和严重告警,响应于控制计算机模块分析的毛纱质量数据,将毛纱实时质量数据和毛纱报警阈值进行比较,当毛纱实时质量数据低于低风险阈值时,说明当前毛纱质量良好,报警模块不发出警报;当毛纱实时质量数据高于低风险阈值而低于中风险阈值时,说明当前毛纱出现轻微瑕疵,报警模块进行轻微告警;当毛纱实时质量数据高于中风险阈值时,说明当前毛纱出现较大瑕疵,报警模块发出严重告警;
图像采集辅助模块和图像采集模块安装在络筒机上,报警模块安装在显著位置,图像采集模块、报警模块和控制计算机模块依次通信连接,报警模块和络筒机通信连接;图像采集模块将毛纱图像发送给控制计算机模块,控制计算机模块分析得到毛纱质量数据,响应于毛纱质量数据,报警模块分析得到报警等级信号,当毛纱质量出现异常时,报警模块发出相应等级的警报,响应于报警等级信号,自动落纱器自动调整落纱速度,保持生产毛纱的均匀度。
基于上述实施例,发明人提供了一种基于机器视觉的毛纱质量检测方法,如图2所示,包括如下步骤:
S100、准备工作,训练目标检测算法模型,启动基于机器视觉的毛纱质量检测装置;包括:
S110、训练图像识别算法模型;包括:
S111、定义毛纱瑕疵的类别,包括细节、粗节以及糙节,细节和粗节主要影响毛纱的均匀度,细节是指毛纱直径小于正常水平,会形成毛纱强力弱环,造成织造等过程的断头;
粗节是指毛纱直径大于正常水平,影响织物外观,甚至造成织物质量降级;糙节是指毛纱生产过程中出现的数根、甚至数十根纤维互相缠绕的情况,这类异常情况会形成毛纱节瘤;
S112、使用现有的毛纱图像,包括正常、粗节、细节及糙节图像,作为训练数据集对目标检测图像识别算法模型进行训练;
S113、训练完成后得到目标检测图像识别算法模型,能够识别毛纱状态,区分正常毛纱、粗节毛纱、细节毛纱和糙节毛纱并确定瑕疵位置
S120、启动基于机器视觉的毛纱质量检测装置;
S200、自动落纱器输送毛纱;
S300、实时捕获毛纱图像,图像采集模块获取高清晰度毛纱图像;
S400、得到毛纱质量数据,控制计算机模块存储毛纱信息,处理毛纱图像,得到毛纱质量数据;包括:
S410、图像增强,控制计算机模块使用图像增强算法对毛纱图像进行处理,提高毛纱图像的清晰度及对比度,形成清晰的实时毛纱图像;
S420、图像检测,控制计算机模块使用目标检测算法,对处理后的毛纱图像进行检测并分析,得到毛纱实时质量数据;
S430、毛纱质量的波动性计算,使用SPC质量分析方法分析毛纱直径,计算毛纱质量的波动性和均匀率,其中,SPC质量分析方法是一种借助数理统计方法的过程控制工具,使用应用统计分析技术对生产过程进行监控,科学区分出生产过程中产品质量的随机波动与异常波动;
S500、毛纱质量报警,响应于控制计算机模块分析的毛纱质量数据,报警模块分析得到报警等级信号,当毛纱质量出现异常时报警模块发出相应等级的警报,当毛纱质量正常时所述报警模块不发出警报,返回步骤S300;包括:
S510、响应于控制计算机模块分析的毛纱质量数据,报警模块将毛纱质量数据和毛纱报警阈值进行比较,得到报警等级信号;
S520、当毛纱质量数据低于低风险阈值时,说明当前毛纱质量
良好,报警模块不发出警报,返回步骤S300;
S530、当毛纱质量数据高于低风险阈值而低于中风险阈值时,说明当前毛纱出现轻微瑕疵,报警模块进行轻微告警;当毛纱质量数据高于中风险阈值时,说明当前毛纱出现较大瑕疵,报警模块发
出严重告警;
S600、调整落纱速度,响应于报警模块分析的报警等级信号,自动落纱器自动调整落纱速度,保持生产毛纱的均匀度,返回步骤S300;包括:
S610、响应于报警模块分析的报警等级信号,当报警模块不发出警报时,毛纱质量良好,自动落纱机速度保持不变,返回步骤S300;
S620、当报警模块发出轻微告警时,降低所述自动落纱机落纱速度,返回步骤S300;
S630、当报警模块发出严重告警时,自动落纱机停止落纱,待工作人员检修后重新启动。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于机器视觉的毛纱质量检测装置,其特征在于,包括:
图像采集辅助模块,补充光照并简化背景,提供适宜的图像采集环境;
图像采集模块,实时捕获毛纱图像,获取高清晰度毛纱图像;
控制计算机模块,提供人机交互,存储毛纱信息,使用智能算法处理所述毛纱图像,分析得到毛纱质量数据;
报警模块,响应于所述毛纱质量数据,分析得到报警等级信号,当毛纱质量出现异常时发出警报,提醒工作人员;
所述图像采集辅助模块和所述图像采集模块安装在络筒机上,所述报警模块安装在显著位置,所述图像采集模块、所述报警模块和所述控制计算机模块依次通信连接,所述报警模块和所述络筒机通信连接;所述图像采集模块将所述毛纱图像发送给所述控制计算机模块,所述控制计算机模块分析得到所述毛纱质量数据,响应于所述毛纱质量数据,所述报警模块分析得到报警等级信号,当毛纱质量出现异常时,所述报警模块发出相应等级的警报,响应于所述报警等级信号,自动落纱器自动调整落纱速度,保持生产毛纱的均匀度。
2.如权利要求1所述的基于机器视觉的毛纱质量检测装置,其特征在于,所述图像采集辅助模块包括:
单色光源,毛纱生产现场光照不足或不稳定时补充光照;
图像采集背景板,毛纱生产现场背景复杂,或者直接拍照获取的图像对比度差时,简化背景并提高图像对比度;
所述单色光源安装在所述络筒机毛纱的正前方,发射出去的光为平行光,所述图像采集背景板安装在所述络筒机毛纱正后方,为图像采集提供简单纯净的背景并且增大与毛纱间的区分度,形成高质量的毛纱图像。
3.如权利要求2所述的基于机器视觉的毛纱质量检测装置,其特征在于,所述单色光源采用白色光源,光源强度满足毛纱图像采集的亮度需求。
4.如权利要求1所述的基于机器视觉的毛纱质量检测装置,其特征在于,所述图像采集模块包括高速摄像机。
5.如权利要求1所述的基于机器视觉的毛纱质量检测装置,其特征在于,所述控制计算机模块包括:
人机交互界面子模块,接收毛纱信息输入,并显示所述毛纱质量数据;
信息存储子模块,存储所述毛纱信息输入及所述毛纱质量数据;
智能算法子模块,使用智能算法,识别所述毛纱图像,测量毛纱直径,分析毛纱质量波动性,分辨毛纱状态,给出毛纱瑕疵的类别,提供缺陷的具体位置。
6.如权利要求1所述的基于机器视觉的毛纱质量检测装置,其特征在于,所述智能算法包括:
图像增强算法,对所述毛纱图像进行图像增强处理,改善影响图像视觉效果的因素;
目标检测算法,使用深度学习技术,设计目标检测算法,采集大量正常及有瑕疵的毛纱图像,使用labelimg软件手动标注瑕疵位置,制作数据集,通过数据集训练目标检测算法模型,学习图像特征,采用开源的计算机视觉库OpenCV完成图像处理操作。
7.一种的基于机器视觉的毛纱质量检测方法,使用如权利要求1-6任一所述的基于机器视觉的毛纱质量检测装置,其特征在于,包括如下步骤:
S100、准备工作,训练所述目标检测算法模型,启动所述基于机器视觉的毛纱质量检测装置;
S200、所述自动落纱器输送毛纱;
S300、实时捕获毛纱图像,所述图像采集模块获取高清晰度毛纱图像;
S400、得到毛纱质量数据,所述控制计算机模块存储毛纱信息,处理所述毛纱图像,得到毛纱质量数据;
S500、毛纱质量报警,响应于所述控制计算机模块分析的所述毛纱质量数据,所述报警模块分析得到报警等级信号,当毛纱质量出现异常时所述报警模块发出相应等级警报,当毛纱质量正常时所述报警模块不发出警报,返回步骤S300;
S600、调整落纱速度,响应于所述报警模块分析的所述报警等级信号,当毛纱质量出现异常时所述自动落纱器自动调整落纱速度,保持生产毛纱的均匀度,返回步骤S300。
8.如权利要求7所述的基于机器视觉的毛纱质量检测方法,其特征在于,所述步骤S400包括:
S410、图像增强,所述控制计算机模块使用所述图像增强算法对所述毛纱图像进行处理,提高所述毛纱图像的清晰度及对比度,形成清晰的实时毛纱图像;
S420、图像检测,所述控制计算机模块使用所述目标检测算法,对处理后的毛纱图像进行缺陷检测及分析,得到毛纱实时质量数据;
S430、毛纱质量的波动性计算,使用SPC质量分析方法分析毛纱直径,计算毛纱质量的波动性和均匀率。
9.如权利要求7所述的基于机器视觉的毛纱质量检测方法,其特征在于,所述步骤S500包括:
S510、响应于所述控制计算机模块分析的所述毛纱质量数据,所述报警模块将所述毛纱质量数据和毛纱报警阈值进行比较,得到报警等级信号;
S520、当所述毛纱质量数据低于低风险阈值时,说明当前毛纱质量良好,所述报警模块不发出警报,返回步骤S300;
S530、当所述毛纱质量数据高于低风险阈值而低于中风险阈值时,说明当前毛纱出现轻微瑕疵,所述报警模块进行轻微告警;当所述毛纱质量数据高于中风险阈值时,说明当前毛纱出现较大瑕疵,所述报警模块发出严重告警。
10.如权利要求9所述的基于机器视觉的毛纱质量检测方法,其特征在于,所述步骤S600包括:
S610、响应于所述报警模块分析的报警等级信号,当所述报警模块不发出警报时,毛纱质量良好,所述自动落纱机速度保持不变,返回步骤S300;
S620、当所述报警模块发出轻微告警时,降低所述自动落纱机落纱速度,返回步骤S300;
S630、当所述报警模块发出严重告警时,所述自动落纱机停止落纱,待工作人员检修后重新启动。
CN202211536833.0A 2022-12-02 2022-12-02 一种基于机器视觉的毛纱质量检测装置和方法 Pending CN115791812A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211536833.0A CN115791812A (zh) 2022-12-02 2022-12-02 一种基于机器视觉的毛纱质量检测装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211536833.0A CN115791812A (zh) 2022-12-02 2022-12-02 一种基于机器视觉的毛纱质量检测装置和方法

Publications (1)

Publication Number Publication Date
CN115791812A true CN115791812A (zh) 2023-03-14

Family

ID=85444873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211536833.0A Pending CN115791812A (zh) 2022-12-02 2022-12-02 一种基于机器视觉的毛纱质量检测装置和方法

Country Status (1)

Country Link
CN (1) CN115791812A (zh)

Similar Documents

Publication Publication Date Title
TWI603074B (zh) 光學薄膜缺陷辨識方法及其系統
CN1080334C (zh) 用于纱线的质量监控的方法和装置
CN107886500A (zh) 一种基于机器视觉和机器学习的产品生产监控方法及系统
CN102253048B (zh) 可用于多种产品检测的机器视觉检测方法及系统
US10309908B2 (en) Light field illumination container inspection system
CN105332123B (zh) 一种细纱细度均匀度在线检测方法
CN102221559A (zh) 基于机器视觉的织物疵点在线自动检测方法及其装置
CN111552243B (zh) 一种智能纺纱打包生产线故障检测系统
CN109324056B (zh) 一种基于机器视觉的缝纫线迹测量方法
CN113592852A (zh) 一种碳纤维碳丝质量在线检测系统和方法
KR101838664B1 (ko) 케이블 표면 검사 장치
CN106841222A (zh) 一种用于自动验布的图像检测系统
CN115063424B (zh) 基于计算机视觉的纺织纱管纱线检测方法
CN112796036B (zh) 纱管状态检测方法
CN103116351A (zh) 一种纺织疵布检测摄像头及其检测系统
Pereira et al. Computer vision techniques for detecting yarn defects
CN106093051A (zh) 基于机器视觉的纸卷切面毛刺检测方法及装置
CN107421956A (zh) 一种基于双目视觉的生丝或浸泡丝外观质量检测装置及检测方法
CN115791812A (zh) 一种基于机器视觉的毛纱质量检测装置和方法
CN116840240A (zh) 电源分配器视觉检测系统
CN111733498A (zh) 一种智能纺纱细纱故障检测系统
CN116579672A (zh) 一种布匹质量管控方法、系统、电子设备和存储介质
CN111482381A (zh) 全自动分拣系统及方法
CN114622311A (zh) 断线检测方法、装置及纺纱机
CN105973910A (zh) 基于结构纹理特征的灯管质量检测与瑕疵分类方法及系统

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