CN116109642A - 一种碳纤维断丝缺陷检测方法、设备及存储介质 - Google Patents
一种碳纤维断丝缺陷检测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116109642A CN116109642A CN202310392195.8A CN202310392195A CN116109642A CN 116109642 A CN116109642 A CN 116109642A CN 202310392195 A CN202310392195 A CN 202310392195A CN 116109642 A CN116109642 A CN 116109642A
- Authority
- CN
- China
- Prior art keywords
- carbon fiber
- image data
- circumscribed rectangle
- minimum circumscribed
- broken
- 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
Links
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 229920000049 Carbon (fiber) Polymers 0.000 title claims abstract description 40
- 239000004917 carbon fiber Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000007547 defect Effects 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 abstract description 4
- 239000004753 textile Substances 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004804 winding Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Treatment Of Fiber Materials (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及纺织技术领域,尤其涉及一种碳纤维断丝缺陷检测方法、设备及存储介质,包括以下步骤:设置检测区域,并采集图像数据;对图像数据进行灰度处理得到灰度图像数据;对灰度图像数据进行阈值分割,并提取出多个目标区域;求取目标区域的最小外接矩形;提取最小外接矩形的特征参数;将特征参数与预设的条件阈值进行比较,判断是否为断丝缺陷。通过绝对阈值分割,提取碳纤维的部分,将目标检测区域的背景设置为白色,便于碳纤维部分的识别提取;若在图像数据中存在断丝情况,碳纤维的这块区域长度会短一部分,因此通过识别出的每个碳纤维区域后,进而求取他们的最小外接矩形的长,然后再通过最小外接矩形的长实现对断丝情况的判定。
Description
技术领域
本发明涉及纺织技术领域,尤其涉及一种碳纤维断丝缺陷检测方法、设备及存储介质。
背景技术
在碳纤维的生产过程层中,丝束在经过碳化、水洗、烘干后进行上浆处理,然后再烘干,最后用卷绕机进行收卷;在产线末端设置有收卷设备对若干碳纤丝束进行收卷,且收卷过程中需要使碳纤丝束保持一定张力值往复收卷于卷筒上,由于碳纤维产线速度较快,会产生断丝的情况,影响碳纤维的质量。
因此在碳纤维的生产过程中,需要在纤维丝束收卷前检测出碳纤维的断丝缺陷,由于产线中同时对若干丝束高速收卷,通过人工无法进行断丝缺陷的百分百检测,因此提出一种碳纤维断丝缺陷检测方法。
发明内容
本发明提供了一种碳纤维断丝缺陷检测方法、设备及存储介质,可有效解决背景技术中的问题。
为了达到上述目的,本发明所采用的技术方案是:
一种碳纤维断丝缺陷检测方法、设备及存储介质,包括以下步骤:
设置检测区域,并采集图像数据;
对图像数据进行灰度处理得到灰度图像数据;
对灰度图像数据进行阈值分割,并提取出多个目标区域;
求取目标区域的最小外接矩形;
提取最小外接矩形的特征参数;
将特征参数与预设的条件阈值进行比较,判断是否为断丝缺陷。
进一步的,在检测区域的设置过程中,通过工业相机采集目标区域的视频,并将目标区域的背景设置为白色;
间隔地从采集视频中提取至少一帧图片,将图像放入直角坐标系中,得到所述图像数据。
进一步的,将从视频中提取出的图片放入坐标系的第一象限中,得到所述图像数据,其中x轴沿碳纤丝束的输送方向设置。
进一步的,在目标区域的提取过程中,首先通过绝对阈值分割所述灰度图像,集合分割结果得到整体区域,再对所述集合区域进行分割连通域得到独立的多个所述目标区域;
所述阈值设置为150,并根据如下公式分割所述灰度图像:
;
其中,
f(x,y)表示灰度图像数据中各像素点的灰度值,
G(x,y)表示集合分割结果后的整体区域。
进一步的,所述特征参数包括最小外接矩形的长度值,具体通过如下条件判定断丝缺陷:
;
若满足上述条件,则判定存在断丝缺陷,否则则没有断丝缺陷;
其中,
di表示任一所述最小外接矩形的长度值;
D表示条件阈值,所述条件阈值根据同一所述图像数据中所有目标区域所应的最小外接矩形的特征参数设定;
A表示断丝情况下的最小判定值。
进一步的,通过求取同一所述图像数据中所有最小外接矩形的长度值,并计算所有长度值的平均值,将其设置为该图像数据的条件阈值。
进一步的,在所述目标区域的最小外接矩形长度值的获取过程中,先获取最小外接矩形长边的两个角点坐标,再通过计算两个坐标点之间的欧氏距离得到所述最小外接矩形的长度值。
进一步的,选取目标区域中位于第一行最左边的像素点坐标为第一角点坐标(x1,y1),并根据如下条件筛选第二角点坐标(x2,y2):
;
其中,
Gi表示任一目标区域中像素点的灰度值。
一种计算机设备,包括工业相机、存储器、处理器及存储在存储器上并可在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,实现上述碳纤维断丝缺陷检测方法。
一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述碳纤维断丝缺陷检测方法。
本发明的有益效果为:
在本发明中,通过绝对阈值分割,提取碳纤维的部分,将目标检测区域的背景设置为白色,便于碳纤维部分的识别提取;若在图像数据中存在断丝情况,碳纤维的这块区域长度会短一部分,所以在图像处理上可以表现为该区域的最小外接矩形的长度会比其他区域的外接矩形长度要短,因此通过识别出的每个碳纤维区域后,进而求取他们的最小外接矩形的长,然后再通过最小外接矩形的长实现对断丝情况的判定。
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中记载的一些实施例,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为本发明实施例中碳纤维断丝缺陷检测方法的流程示意图;
图2为本发明实施例中断丝情况示意图。
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。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
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。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1至图2所示的一种碳纤维断丝缺陷检测方法,包括以下步骤:
设置检测区域,并采集图像数据;
对图像数据进行灰度处理得到灰度图像数据;
对灰度图像数据进行阈值分割,并提取出多个目标区域;
求取目标区域的最小外接矩形;
提取最小外接矩形的特征参数;
将特征参数与预设的条件阈值进行比较,判断是否为断丝缺陷。
在检测区域的设置过程中,通过工业相机采集目标区域的视频,并将目标区域的背景设置为白色;
间隔地从采集视频中提取至少一帧图片,将图像放入直角坐标系中,得到所述图像数据。
其中,将从视频中提取出的图片放入坐标系的第一象限中,得到所述图像数据,其中x轴沿碳纤丝束的输送方向设置。
在具体实施过程中,将采集到的图像数据设为f(x,y),首先通过绝对阈值分割,提取碳纤维的部分,将目标检测区域的背景设置为白色,便于碳纤维部分的识别提取;若在图像数据中存在断丝情况,碳纤维的这块区域长度会短一部分,所以在图像处理上可以表现为该区域的最小外接矩形的长度会比其他区域的外接矩形长度要短,因此通过识别出的每个碳纤维区域后,进而求取他们的最小外接矩形的长,然后再通过最小外接矩形的长实现对断丝情况的判定。
其中,在目标区域的提取过程中,首先通过绝对阈值分割所述灰度图像,集合分割结果得到整体区域,再对所述集合区域进行分割连通域得到独立的多个所述目标区域;
所述阈值设置为150,并根据如下公式分割所述灰度图像:
;
其中,
f(x,y)表示灰度图像数据中各像素点的灰度值,
G(x,y)表示集合分割结果后的整体区域。
由于碳纤维与背景差距明显,所以设阈值为150,找出灰度图像数据中像素点的灰度值小于150的区域即为碳纤维的区域,设为整体区域G(x,y)。
进一步的,所述特征参数包括最小外接矩形的长度值,具体通过如下条件判定断丝缺陷:
;
若满足上述条件,则判定存在断丝缺陷,否则则没有断丝缺陷;
其中,
di表示任一所述最小外接矩形的长度值;
D表示条件阈值,所述条件阈值根据同一所述图像数据中所有目标区域所应的最小外接矩形的特征参数设定;
A表示断丝情况下的最小判定值。
在上述实施例中,如果发现有一个外接矩形的长边偏离平均值程度很大,说明这个外接矩形所对应的碳纤维出现了断丝。
其中,通过求取同一所述图像数据中所有最小外接矩形的长度值,d1、d2、d3、…、dn,并计算所有长度值的平均值,D=(d1+d2+d3+…+dn)/n,将其设置为该图像数据的条件阈值。
一般在判定过程中,当存在任一碳纤维最小外接矩形的长度值,小于长度平均值的50%左右,那么就说明断丝了。
因此在本发明中,不仅仅依靠绝对偏差来判断断丝情况,避免检测区域的设置误差造成不同图像数据中相同碳丝长度的识别偏差,最终造成断丝误报,而在具体实施过程中从统计学偏差角度来判定断丝情况,增强断丝判定的准确率。
在所述目标区域的最小外接矩形长度值的获取过程中,先获取最小外接矩形长边的两个角点坐标,再通过计算两个坐标点之间的欧氏距离得到所述最小外接矩形的长度值,即。
其中,选取目标区域中位于第一行最左边的像素点坐标为第一角点坐标(x1,y1),并根据如下条件筛选第二角点坐标(x2,y2):
;
其中,
Gi表示任一目标区域中像素点的灰度值。
因为碳纤维在生产的过程中是一种拉紧的状态,即是有张力的,所以上述实施例所求取的目标区域都不是凸性区域,因此在具体求取过程中,首先找出最小外接矩形的左上角的点(x1,y1),再确定最小外接矩形的长边的另一个角点也即左下角的点,只要在该目标区域G1(x,y)的最下面一行找出最左边的点即可,所以首先要确定每个区域的最下面一行,也即找出相应的y2,使得:G1(x,y2)<150,G1(x,y2-1)<150,G1(x,y2+1)>150,此时相应的y1就是最小外接矩形最下边对应的行数,最后只要在该行确定最左边的像素点即可,也即使得:G1(x2-1,y2)>150,G1(x2,y2)<150,G1(x2+1,y2)>150,此时最小外接矩形长边的另外一个角点可以确定为(x2,y2)。
本发明还进一步公开了一种计算机设备,包括工业相机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述方法。
一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备获取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种碳纤维断丝缺陷检测方法,其特征在于,包括以下步骤:
设置检测区域,并采集图像数据;
对图像数据进行灰度处理得到灰度图像数据;
对灰度图像数据进行阈值分割,并提取出多个目标区域;
求取目标区域的最小外接矩形;
提取最小外接矩形的特征参数;
将特征参数与预设的条件阈值进行比较,判断是否为断丝缺陷。
2.根据权利要求1所述的碳纤维断丝缺陷检测方法,其特征在于,在检测区域的设置过程中,通过工业相机采集目标区域的视频,并将目标区域的背景设置为白色;
间隔地从采集视频中提取至少一帧图片,将图像放入直角坐标系中,得到所述图像数据。
3.根据权利要求2所述的碳纤维断丝缺陷检测方法,其特征在于,将从视频中提取出的图片放入坐标系的第一象限中,得到所述图像数据,其中x轴沿碳纤丝束的输送方向设置。
4.根据权利要求1所述的碳纤维断丝缺陷检测方法,其特征在于,在目标区域的提取过程中,首先通过绝对阈值分割所述灰度图像,集合分割结果得到整体区域,再对所述集合区域进行分割连通域得到独立的多个所述目标区域;
所述阈值设置为150,并根据如下公式分割所述灰度图像:
;
其中,f(x,y)表示灰度图像数据中各像素点的灰度值,G(x,y)表示集合分割结果后的整体区域。
5.根据权利要求1所述的碳纤维断丝缺陷检测方法,其特征在于,所述特征参数包括最小外接矩形的长度值,具体通过如下条件判定断丝缺陷:
;
若满足上述条件,则判定存在断丝缺陷,否则则没有断丝缺陷;
其中,di表示任一所述最小外接矩形的长度值;
D表示条件阈值,所述条件阈值根据同一所述图像数据中所有目标区域所应的最小外接矩形的特征参数设定;
A表示断丝情况下的最小判定值。
6.根据权利要求5所述的碳纤维断丝缺陷检测方法,其特征在于,通过求取同一所述图像数据中所有最小外接矩形的长度值,并计算所有长度值的平均值,将其设置为该图像数据的条件阈值。
7.根据权利要求6所述的碳纤维断丝缺陷检测方法,其特征在于,在所述目标区域的最小外接矩形长度值的获取过程中,先获取最小外接矩形长边的两个角点坐标,再通过计算两个坐标点之间的欧氏距离得到所述最小外接矩形的长度值。
8.根据权利要求7所述的碳纤维断丝缺陷检测方法,其特征在于,选取目标区域中位于第一行最左边的像素点坐标为第一角点坐标(x1,y1),并根据如下条件筛选第二角点坐标(x2,y2):
;
其中,Gi表示任一目标区域中像素点的灰度值。
9.一种计算机设备,包括工业相机、存储器、处理器及存储在存储器上并可在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1-8中任一项所述的碳纤维断丝缺陷检测方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的碳纤维断丝缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310392195.8A CN116109642B (zh) | 2023-04-13 | 2023-04-13 | 一种碳纤维断丝缺陷检测方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310392195.8A CN116109642B (zh) | 2023-04-13 | 2023-04-13 | 一种碳纤维断丝缺陷检测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116109642A true CN116109642A (zh) | 2023-05-12 |
CN116109642B CN116109642B (zh) | 2023-06-20 |
Family
ID=86264185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310392195.8A Active CN116109642B (zh) | 2023-04-13 | 2023-04-13 | 一种碳纤维断丝缺陷检测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109642B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116485789A (zh) * | 2023-06-16 | 2023-07-25 | 新创碳谷集团有限公司 | 一种碳纤维劈丝缺陷检测方法、设备及存储介质 |
CN116580023A (zh) * | 2023-07-10 | 2023-08-11 | 新创碳谷集团有限公司 | 一种碳纤维纱线表面毛团监测方法、设备及存储介质 |
CN117670843A (zh) * | 2023-12-07 | 2024-03-08 | 常州市宏发纵横新材料科技股份有限公司 | 一种彩色纱线断纱检测方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007291535A (ja) * | 2006-04-21 | 2007-11-08 | Toray Ind Inc | 炭素繊維布帛の検査装置および検査方法 |
CN112347292A (zh) * | 2020-11-09 | 2021-02-09 | 常州微亿智造科技有限公司 | 缺陷标注方法和装置 |
CN113592867A (zh) * | 2021-09-29 | 2021-11-02 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于碳纤维布面残留捆绑纱的检测方法 |
CN113838038A (zh) * | 2021-09-28 | 2021-12-24 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 |
CN113920086A (zh) * | 2021-10-09 | 2022-01-11 | 云路复合材料(上海)有限公司 | 一种碳纤维编织过程纱线状态检测方法及装置 |
CN115266732A (zh) * | 2022-07-29 | 2022-11-01 | 河海大学常州校区 | 基于机器视觉的碳纤维丝束缺陷检测方法 |
-
2023
- 2023-04-13 CN CN202310392195.8A patent/CN116109642B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007291535A (ja) * | 2006-04-21 | 2007-11-08 | Toray Ind Inc | 炭素繊維布帛の検査装置および検査方法 |
CN112347292A (zh) * | 2020-11-09 | 2021-02-09 | 常州微亿智造科技有限公司 | 缺陷标注方法和装置 |
CN113838038A (zh) * | 2021-09-28 | 2021-12-24 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 |
CN113592867A (zh) * | 2021-09-29 | 2021-11-02 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于碳纤维布面残留捆绑纱的检测方法 |
CN113920086A (zh) * | 2021-10-09 | 2022-01-11 | 云路复合材料(上海)有限公司 | 一种碳纤维编织过程纱线状态检测方法及装置 |
CN115266732A (zh) * | 2022-07-29 | 2022-11-01 | 河海大学常州校区 | 基于机器视觉的碳纤维丝束缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
汪权: "基于连续线激光热成像的单向碳纤维复合材料缺陷检测研究", 中国优秀硕士学位论文全文数据库基础科学辑, pages 1 - 82 * |
章栩苓; 周正东; 毛玲; 张灵维; 魏士松: "基于卷积神经网络的环状CFRP图像缺陷检测研究", 机械设计与制造工程, pages 12 - 16 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116485789A (zh) * | 2023-06-16 | 2023-07-25 | 新创碳谷集团有限公司 | 一种碳纤维劈丝缺陷检测方法、设备及存储介质 |
CN116485789B (zh) * | 2023-06-16 | 2023-08-25 | 新创碳谷集团有限公司 | 一种碳纤维劈丝缺陷检测方法、设备及存储介质 |
CN116580023A (zh) * | 2023-07-10 | 2023-08-11 | 新创碳谷集团有限公司 | 一种碳纤维纱线表面毛团监测方法、设备及存储介质 |
CN116580023B (zh) * | 2023-07-10 | 2023-09-15 | 新创碳谷集团有限公司 | 一种碳纤维纱线表面毛团监测方法、设备及存储介质 |
CN117670843A (zh) * | 2023-12-07 | 2024-03-08 | 常州市宏发纵横新材料科技股份有限公司 | 一种彩色纱线断纱检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116109642B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116109642B (zh) | 一种碳纤维断丝缺陷检测方法、设备及存储介质 | |
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 | |
CN114842016B (zh) | 一种基于计算机视觉的消防水带缺陷检测方法及系统 | |
CN113838038B (zh) | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN113592867B (zh) | 一种基于碳纤维布面残留捆绑纱的检测方法 | |
CN113638104B (zh) | 一种络筒机智能清纱控制方法及系统 | |
CN109540917B (zh) | 一种多角度模式下纱线外观特征参数提取与分析方法 | |
CN113808131B (zh) | 一种连接器缺陷识别方法及系统及装置及介质 | |
CN115311267B (zh) | 一种格纹织物异常检测方法 | |
CN113780185B (zh) | 一种基于碳纤维的纬纱角度检测方法、设备及存储介质 | |
CN116563223B (zh) | 一种玻纤纱线绕罗拉检测方法、设备及存储介质 | |
CN113298769A (zh) | Fpc软排线外观缺陷检测方法、系统和介质 | |
CN111724377A (zh) | 断纱检测方法、装置、电子设备、存储介质及停机系统 | |
KR102470422B1 (ko) | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 | |
CN114923912A (zh) | 一种基于机器视觉的锦纶丝饼外表面缺陷检测方法 | |
CN113610843B (zh) | 一种光纤编织层的实时缺陷识别系统及其方法 | |
CN115205295B (zh) | 一种服装面料拉伸强度检测方法 | |
TWI417437B (zh) | 紗線檢測方法 | |
CN111583202A (zh) | 一种毛丝检测方法及装置 | |
CN115311264A (zh) | 用于纺织生产的织物瑕疵线条缺陷识别方法 | |
CN113205497B (zh) | 双丝型像质计图像处理方法、装置、设备及介质 | |
CN115564727A (zh) | 一种爆光显影异常缺陷检测方法及系统 | |
CN116580023B (zh) | 一种碳纤维纱线表面毛团监测方法、设备及存储介质 | |
CN116485789B (zh) | 一种碳纤维劈丝缺陷检测方法、设备及存储介质 |
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 |