CN116815365B - 一种环锭纺细纱机断纱自动检测方法 - Google Patents
一种环锭纺细纱机断纱自动检测方法 Download PDFInfo
- Publication number
- CN116815365B CN116815365B CN202311084482.9A CN202311084482A CN116815365B CN 116815365 B CN116815365 B CN 116815365B CN 202311084482 A CN202311084482 A CN 202311084482A CN 116815365 B CN116815365 B CN 116815365B
- Authority
- CN
- China
- Prior art keywords
- image
- yarn
- acquired
- spinning frame
- yarns
- 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
Links
- 238000001514 detection method Methods 0.000 title claims description 51
- 238000007378 ring spinning Methods 0.000 title claims description 22
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000009466 transformation Effects 0.000 claims abstract description 21
- 238000009987 spinning Methods 0.000 claims abstract description 20
- 238000010191 image analysis Methods 0.000 claims abstract description 9
- 238000009499 grossing Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- D—TEXTILES; PAPER
- D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
- D01H—SPINNING OR TWISTING
- D01H13/00—Other common constructional features, details or accessories
- D01H13/14—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements
- D01H13/16—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements responsive to reduction in material tension, failure of supply, or breakage, of material
- D01H13/1616—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements responsive to reduction in material tension, failure of supply, or breakage, of material characterised by the detector
- D01H13/1633—Electronic actuators
Abstract
一种环锭纺细纱机断纱自动检测方法，采用CCD相机获取细纱机前罗拉到导纱钩区域的图像后，通过图像分析检测所获取的图像中是否包含纱线，若包含纱线，说明发生断纱，否则说明未发生断纱；在前罗拉和导纱钩之间纱线段的两侧设置辅助定位图案；对于每次采集的图像，在通过图像分析检测所获取的图像中是否包含纱线之前，首先判断图像是否包括辅助定位图案，如果存在，则保留，反之丢弃；通过图像分析检测所获取的图像中是否包含纱线，依次包括对获取的图像进行平滑去噪处理、去除图像背景以及采用Hough变换检测图像中直线区域；本发明的方法简单，精准度高。
Description
技术领域
本发明属于纺织品半成品质量检测领域，特别涉及环锭纺细纱机断纱自动检测方法。
背景技术
在环锭纱纱线加工流程中，环锭纱细纱机的断头率是影响纺纱生产效率及纱线品质的质量因素，同时也是衡量企业生产技术和管理水平的重要指标。当前，大多数纺纱企业还依赖人工巡查方式来实现细纱机断纱的检测和管理，其工作强度高，效率低。为此，许多国内外纺机企业已经对应用传感网和自动控制技术进行细纱机断纱的自动检测和管理进行了相应的研究，其中典型的断纱检测方案主要有：以钢丝圈为检测对象的光电式和电磁式方案、以细纱条为检测对象的光路遮断方案、以导纱钩为检测对象的摩擦热敏传感和张力传感等。从原理上来看，现有断纱检测的方案都是以细纱到纱管必经路径上设定检测区域，并以纱线在此区域的有无来实现断纱的判定。然而，这种方案虽能较准确进行断纱判断，但其检测机构要求在每一个纱锭独立工作，导致安装成本和维护费用都非常高。
申请号CN201010252703.5公开了一种“细纱机自动检测断纱的方法及系统”，该发明通过将CCD摄相机安装在细纱机的吸微尘装置上来实现每一锭细纱图像采集，再通过特征分析来判断是否断纱，最后通过CAN接口将信号传回主机实现报警。然而，由于细纱机震动较强且所摄区域的纱线处于高速运动状态，通过CCD摄相机摄取的纱线图像质量较差，严重影响断纱检测精度。
申请号CN201810991639.9公开了“一种基于视觉检测的细纱断纱检测装置及其方法”，该发明通过丝杠结构的作用控制摄像机往复运动，再通过纱线区域的图片，经二值化处理后判断出否有存在纱线断裂。然而该发明的摄像头拍照区域依赖于丝杠上安装的压力传感器，属于接触式测量，易挂断纱线，严重干扰细纱机正常生产。
申请号CN202110936624.4公开了“一种基于机器视觉巡游式环锭纺断纱检测方法”，该发明利用工业相机对细纱机进行巡游式拍照，然后利用训练好的深度神经网络对细纱区域进行检测，最后通过计算目标区域每根纱线的长度判断是否发生断纱现象。该发明将细纱断头检测视为目标检测问题，虽然取得较好的检测效果，但由于采用深度神经网络模型进行目标检测，需要提前采用大量标注的样本进行模型训练，存在计算量大，处理硬件成本较高等缺点。
综上所述，基于机器视觉的检测的方法已经在细纱断检测场景有相应的应用情况，在实际应用中仍存在许多不足，因此，研究一种成本低廉且算法精度高的环锭纺断纱检测方法以解决上述问题具有十分重要的意义。
发明内容
为了解决上述存在的问题，本发明提供一种环锭纺细纱机断纱自动检测方法。
为了达到上述目的，本发明的技术方案如下：
一种环锭纺细纱机断纱检测方法，采用CCD相机获取细纱机前罗拉到导纱钩区域的图像后，通过图像分析检测所获取的图像中是否包含纱线，若包含纱线，说明未发生断纱，否则说明发生断纱；
在前罗拉和导纱钩之间纱线段的两侧设置辅助定位图案；对于每次采集的图像，在通过图像分析检测所获取的图像中是否包含纱线之前，首先判断图像是否包括辅助定位图案，如果存在，则保留，反之丢弃；
通过图像分析检测所获取的图像中是否包含纱线，依次包括对获取的图像进行平滑去噪处理、去除图像背景以及采用Hough变换检测图像中直线区域；
去除图像背景是对图像进行滤波处理实现的，所采用的滤波器S结构如下：
；
采用Hough变换检测图像中直线区域，是指：首先采用Hough变换对经滤波器S处理
后的图像进行直线拟合；然后提取Hough变换后的最大峰值点绘制直线，并分别记直线的首
尾端点坐标为(x1, y1)和(x2, y2)；最后计算最大峰值点所对应直线的斜率及长度，若满足 > 0.6H，H为图像高度，且，则表明纱线存
在，未发生断纱，否则判定为断纱；
由于环锭纺纱机在正常纺纱过程中，前罗拉和导纱钩之间是其必经的区域，受张力作用其纱线理想运动轨迹是垂直向下。从图像特征的角度可知，正常纺纱时前罗拉和导纱钩之间纱线呈现明显的直线特征，而当发生断纱时，该直线特征会消失，为此可以通过判断该区域是否存在直线特征判定是否发生断纱。本发明正是利用此特征进行断纱检测，所采用的直线检测算法为经典的Hough变换，直线检测过程中本发明选择最大峰值（最明显的直线）作为判定依据；但当发生断头时，Hough变换所检测到直线并不是纱线的位置。为此，本发明利用先验的纱线运动角度，通过进一步判断所检测直线的长度及角度来判定是否存在断纱；选用0.6H的目的是，防止图像中纱线区域存在干扰，同时角度从理想的90度放宽到大于80度，目的是为了克服干扰，提高算法稳定性；
此外，通常Hough变换需要在二值化后的图像进行使用，但本发明是直接在背景处理后的非二值化后的图像上进行，能更充分地利用纱线的信息，更好将纱体进行直线拟合，因此采用滤波器对图像进行去除图像背景，并且直接在处理后的图像进行Hough变换，提高了检测稳定性。
作为优选的技术方案：
如上所述的一种环锭纺细纱机断纱检测方法，CCD相机为黑白面阵相机，将其安装在细纱机上专用的导轨上，在一定速度运动下来实现细纱机所有纱锭的图像采集。
如上所述的一种环锭纺细纱机断纱检测方法，辅助定位图案为2×2或3×3的正方形网格；
2×2的正方形网格中，一个对角线上的两个小网格为黑色，其余小网格为白色；
3×3的正方形网格中，一个对角线上的三个小网格为黑色，其余小网格为白色；或者，两个对角线上的5个小网格为黑色，其余小网格为白色；或者，两个对角线上的5个小网格为白色，其余小网格为黑色。
由于图像拍摄的面积较大，实际拍摄的图像中纱线的区域对比度很低且面积很小，如果直接从原图定位纱线区域，其难度很高，容易发生误检测。为此本发明为了简化算法，同时提高检测准确度，利用辅助图案的方法辅助纱线定位，使用时从上述六种图案中任选其一即可，但要统一，方便定位，六种图案的共同点是，图案简单，对比明显，与背景有明显差异，容易识别。其它图案也行，但需要满足前述的条件即可。
如上所述的一种环锭纺细纱机断纱检测方法，设采集到图像为A，判断图像A中是否包括辅助定位图案的方法包括如下步骤：
（1）将图像A进行缩小，获得图像B；缩小图像是为了提高匹配速度，缩短检测时间；
（2）在图像B中查找辅助定位图案位置，查找所采用的公式如下：
；
因为辅助图案很小，将辅助图案放在图像B中逐点计算相似度，进而获取M（x,y）；
式中，为图像B中每个像素点的邻域，uP和uB分别为图像P和邻域的灰
度平均值（邻域可以看作和图案P一样大的图像，取P中所有像素点的灰度值的平均
值就得到uP，同理可以得到邻域的灰度平均值uB），M(x,y)为图像P在图像B中每一个
位置的相似度，其值范围为[-1,1]；P(x,y)是辅助图案，B(x,y)为缩小后获取的图像B；
（3）辅助图案定位：对M(x,y)的值进行排序，排序方式为逆序，记为M(xi, yj)，其中i=1，2，3…m，j=1，2，3…n，m和n分别为M(x,y)的宽度和高度；设辅助图案边长为K，单位是像素，如果存在i, j >1，满足以下公式：
；
则图像A存在辅助图案，输出辅助图案的位置为(x1, y1)，否则当前图像A不存在辅助图案；
其中，公式之所以这么设计是因为，如果图像B中存在辅助图案，其该位置的相似最高，接近1，但是如果图像B中不存在辅助图案，其所有点的相似度都会较小，为了防止当不存在辅助图案出现较大的相似度，将次大的和最大相似度的做比值，如果不存在辅助图案，其比值一般很大，例如超过0.6，而存在图案时，由于最大的相似度很高，与次大的相似度将会很小。此外对次大点和最大点的位置关系也进行条件筛选，必须大于2K才算，目的是防止辅助图案附近也出现较大的相似度，引起误判。
如上所述的一种环锭纺细纱机断纱检测方法，步骤（1）中缩小的倍数为2倍。
如上所述的一种环锭纺细纱机断纱检测方法，对获取的图像进行平滑去噪处理，是指：首先根据所得的辅助图案的位置(x1, y1)提取有效的纱线区域图像，即从所获取的图像中截取仅包含纱线区域的图像（因为辅助图案粘贴位置和纱线运动区域有固定的距离，可以根据这个位置截取图像，确保包含纱线区域），记为C；然后对C进行高斯滤波；最后对经高斯滤波的图像进行方向性滤波，其目的是增强纱线区域，提升纱线连续性，进而为下一步纱线背景去除提供基础。
如上所述的一种环锭纺细纱机断纱检测方法，高斯滤波所采用的滤波器大小为3×3，sigma=1.4。
如上所述的一种环锭纺细纱机断纱检测方法，方向性滤波所采用的滤波器F结构如下：
。
有益效果
（1）本发明的一种环锭纺细纱机断纱检测方法，为非接触式检测，稳定性好；
（2）本发明的一种环锭纺细纱机断纱检测方法，检测效率和精度较高；
附图说明
图1是本发明的一种环锭纺细纱机断纱检测方法的流程图；
图2是实施例1中CCD相机采集的图像；
图3是实施例1中对获取的图像进行平滑去噪处理后的图像；
图4是实施例1中去除背景后的图像；
图5是实施例1中经Hough变换检测后的结果；
图6为实施例1发生断纱的图像；
图7为对图6进行边缘检测到结果；
图8为对图7进行Hough变换后所得结果；
图9为采用本发明方法对图6的检测结果；
图10为本发明采用的辅助图案。
具体实施方式
下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种环锭纺细纱机断纱检测方法，如图1所示，具体步骤如下：
（1）在前罗拉和导纱钩之间纱线段的两侧设置辅助定位图案；
辅助定位图案为2×2或3×3的正方形网格，形状如图10所示；
（2）采用CCD相机（CCD相机为黑白面阵相机）获取细纱机前罗拉到导纱钩区域的图像后，设每次采集的图像为A，判断图像A中是否包括辅助定位图案，如果存在，则保留，反之丢弃；
其中，判断图像A中是否包括辅助定位图案的方法的步骤如下：
（I）将图像A进行缩小2倍，获得图像B；
（II）在图像B中查找辅助定位图案位置，查找所采用的公式如下：
；
式中，为图像B中每个像素点的邻域，uP和uB分别为图像P和邻域的灰
度平均值，M(x,y)为图像P在图像B中每一个位置的相似度，其值范围为[-1,1]；P(x,y)是辅
助图案，B(x,y)为缩小后获取的图像B；
（III）辅助图案定位：对M(x,y)的值进行排序，排序方式为逆序，记为M(xi, yj)，其中i=1，2，3…m，j=1，2，3…n，m和n分别为M(x,y)的宽度和高度；设辅助图案边长为K，单位是像素，如果存在i, j >1，满足以下公式：
；
则图像A中存在辅助图案，输出辅助图案的位置为(x1, y1)，否则当前图像A不存在辅助图案；
（3）对步骤（2）中保存的图像，依次进行平滑去噪处理、去除图像背景以及采用Hough变换检测图像中直线区域；
对获取的图像进行平滑去噪处理，是指：首先根据所得的辅助图案的位置(x1, y1)提取有效的纱线区域图像，即从所获取的图像中截取仅包含纱线区域的图像，记为C；然后对C进行高斯滤波，高斯滤波所采用的滤波器大小为3×3，sigma=1.4；最后对经高斯滤波的图像进行方向性滤波，进而为下一步纱线背景去除提供基础；方向性滤波所采用的滤波器F结构如下：
；
去除图像背景是对图像进行滤波处理实现的，所采用的滤波器S结构如下：
；
采用Hough变换检测图像中直线区域，是指：首先采用Hough变换对经滤波器S处理
后的图像进行直线拟合；然后提取Hough变换后的最大峰值点绘制直线，并分别记直线的首
尾端点坐标为(x1, y1)和(x2, y2)；最后计算最大峰值点所对应直线的斜率及长度，若满足 > 0.6H，H为图像高度，且，则表明纱线存
在，未发生断纱，否则判定为断纱。
现采用具体的实施例对本发明的方法进行具体的解释说明：
实施例1
一种环锭纺细纱机断纱检测方法，采用的辅助定位图案为3×3的正方形网格，其
中两个对角线上的5个小网格为白色，其余小网格为黑色，CCD相机采集的图像如图2所示，
该图像包含定位图案，其大小为240x640像素。将图2缩小2倍后进行计算与辅助图案之间的
相似度M(x,y)，排序后得到M(x1, y1)=0.791，x1=45，y1=135，K=8，经计算可知，当x31=101，y31
=241，M(x31, y31)=0.394，满足公式：，说明图2所采集到图像包括辅
助图案，且辅助图案的位置为x1=45，y1=135。对获取的图像进行平滑去噪处理后的图像如图
3所示；去除背景后的图像如图4所示，经Hough变换检测后的结果如图5所示，Hough所采用
的参数角度分辨率皆为0.5，最大峰值为176，提取最大峰值对应于直线的首尾端点坐标为
(22, 30)和(22, 205)。计算最大峰值点所对应直线的斜率及长度，长度为 =175 > 0.6H=126（H= 210），且，表
明纱线存在，换言之未发生断头。
为验证算法的有效性及精度，本发明以一张纱线断头后图像为例（图6本发明方法
和传统直接使用Hough变换方法进行对比，其中传统Hough变换法是直接对图像进行边沿检
测，然后再应用Hough变换检测是否存在直线，其检测结果如图7和图8示。从图8中可以看
出，传统Hough变换法对断纱的图像仍然会在纱线旁边检测出直线，进而导致误判。图9为本
发明所检测到的结果，其所检测到直线首尾端点坐标为(33,1)和(33,52)，所对应直线的斜
率及长度，长度为 =51 < 0.6H=126（H= 210），且，表明纱线不存在，换言之发生了断头。传统方法容易导致误判
的原因主要是直接采用边缘检测容易受其图像本身噪声影响，同时传统方法未对其纱线区
域进行定位。
Claims (6)
1.一种环锭纺细纱机断纱检测方法，其特征在于：采用CCD相机获取细纱机前罗拉到导纱钩区域的图像后，通过图像分析检测所获取的图像中是否包含纱线，若包含纱线，说明未发生断纱，否则说明发生断纱；
在前罗拉和导纱钩之间纱线段的两侧设置辅助定位图案；对于每次采集的图像，在通过图像分析检测所获取的图像中是否包含纱线之前，首先判断图像是否包括辅助定位图案，如果存在，则保留，反之丢弃；
通过图像分析检测所获取的图像中是否包含纱线，依次包括对获取的图像进行平滑去噪处理、去除图像背景以及采用Hough变换检测图像中直线区域；
去除图像背景是对图像进行滤波处理实现的，所采用的滤波器S结构如下：
采用Hough变换检测图像中直线区域，是指：首先采用Hough变换对经滤波器S处理后的图像进行直线拟合；然后提取Hough变换后的最大峰值点绘制直线，并分别记直线的首尾端点坐标为(x1,y1)和(x2,y2)；最后计算最大峰值点所对应直线的斜率及长度，若满足H为图像高度，且/>则表明纱线存在，未发生断纱，否则判定为断纱；
辅助定位图案为2×2或3×3的正方形网格；
2×2的正方形网格中，一个对角线上的两个小网格为黑色，其余小网格为白色；
3×3的正方形网格中，一个对角线上的三个小网格为黑色，其余小网格为白色；或者，
两个对角线上的5个小网格为黑色，其余小网格为白色；或者，两个对角线上的5个小网格为白色，其余小网格为黑色；
设采集到图像为A，判断图像A中是否包括辅助定位图案的方法包括如下步骤：
(1)将图像A进行缩小，获得图像B；
(2)在图像B中查找辅助定位图案位置，查找所采用的公式如下：
式中，NB(x,y)为图像B中每个像素点的邻域，uP和uB分别为图像P和邻域NB(x,y)的灰度平均值，M(x,y)为图像P在图像B中每一个位置的相似度，其值范围为[-1,1]；P(x,y)是辅助图案，B(x,y)为缩小后获取的图像B；
(3)辅助图案定位：对M(x,y)的值进行排序，排序方式为逆序，记为M(xi,yj)，其中i＝1，2，3…m，j＝1，2，3…n，m和n分别为M(x,y)的宽度和高度，单位是像素；设辅助图案边长为K，单位是像素，如果存在i,j>1，满足以下公式：
且/>
则图像A存在辅助图案，输出辅助图案的位置为(x1,y1)，否则当前图像A不存在辅助图案。
2.根据权利要求1所述的一种环锭纺细纱机断纱检测方法，其特征在于，CCD相机为黑白面阵相机。
3.根据权利要求1所述的一种环锭纺细纱机断纱检测方法，其特征在于，步骤(1)中缩小的倍数为2倍。
4.根据权利要求3所述的一种环锭纺细纱机断纱检测方法，其特征在于，对获取的图像进行平滑去噪处理，是指：首先根据所得的辅助图案的位置(x1,y1)提取有效的纱线区域图像，即从所获取的图像中截取仅包含纱线区域的图像，记为C；然后对C进行高斯滤波；最后对经高斯滤波的图像进行方向性滤波，进而为下一步纱线背景去除提供基础。
5.根据权利要求4所述的一种环锭纺细纱机断纱检测方法，其特征在于，高斯滤波所采用的滤波器大小为3×3，sigma＝1.4。
6.根据权利要求4所述的一种环锭纺细纱机断纱检测方法，其特征在于，方向性滤波所采用的滤波器F结构如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311084482.9A CN116815365B (zh) | 2023-08-28 | 2023-08-28 | 一种环锭纺细纱机断纱自动检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311084482.9A CN116815365B (zh) | 2023-08-28 | 2023-08-28 | 一种环锭纺细纱机断纱自动检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116815365A CN116815365A (zh) | 2023-09-29 |
| CN116815365B true CN116815365B (zh) | 2023-11-24 |
Family
ID=88116977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311084482.9A Active CN116815365B (zh) | 2023-08-28 | 2023-08-28 | 一种环锭纺细纱机断纱自动检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116815365B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1844550A (zh) * | 2006-01-26 | 2006-10-11 | 香港理工大学 | 双面扫描织物和纱线分析系统 |
| WO2015113241A1 (zh) * | 2014-01-29 | 2015-08-06 | 韵升控股集团有限公司 | 一种纱线断头监测装置 |
| CN105374046A (zh) * | 2015-12-03 | 2016-03-02 | 江南大学 | 一种基于细纱图像的细纱机在线断头检测装置及检测算法 |
| WO2017181723A1 (zh) * | 2016-04-20 | 2017-10-26 | 广州视源电子科技股份有限公司 | 细纱断裂的检测方法和系统 |
| CN109831309A (zh) * | 2019-02-25 | 2019-05-31 | 胡辉萍 | 一种具有多重验证的安全码原理和方法 |
| CN111676556A (zh) * | 2019-12-31 | 2020-09-18 | 微山县微山湖微电子产业研究院有限公司 | 一种自动断纱巡回检测装置及控制方法 |
| CN112251861A (zh) * | 2020-09-08 | 2021-01-22 | 太原科技大学 | 一种环锭纺细纱机断头检测装置及检测方法 |
| CN113658131A (zh) * | 2021-08-16 | 2021-11-16 | 东华大学 | 一种基于机器视觉巡游式环锭纺断纱检测方法 |
| CN113808174A (zh) * | 2021-08-27 | 2021-12-17 | 杭州电子科技大学 | 基于全卷积网络和卡尔曼滤波的雷达小目标跟踪方法 |
| CN114565583A (zh) * | 2022-03-02 | 2022-05-31 | 东华大学 | 一种纱线运动参数识别方法、装置、可读存储介质和系统 |
| CN115174888A (zh) * | 2022-05-23 | 2022-10-11 | 北京石头世纪科技股份有限公司 | 用于自动清洁设备摄像头的检测工装和检测系统 |
-
2023
- 2023-08-28 CN CN202311084482.9A patent/CN116815365B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1844550A (zh) * | 2006-01-26 | 2006-10-11 | 香港理工大学 | 双面扫描织物和纱线分析系统 |
| WO2015113241A1 (zh) * | 2014-01-29 | 2015-08-06 | 韵升控股集团有限公司 | 一种纱线断头监测装置 |
| CN105374046A (zh) * | 2015-12-03 | 2016-03-02 | 江南大学 | 一种基于细纱图像的细纱机在线断头检测装置及检测算法 |
| WO2017181723A1 (zh) * | 2016-04-20 | 2017-10-26 | 广州视源电子科技股份有限公司 | 细纱断裂的检测方法和系统 |
| CN109831309A (zh) * | 2019-02-25 | 2019-05-31 | 胡辉萍 | 一种具有多重验证的安全码原理和方法 |
| CN111676556A (zh) * | 2019-12-31 | 2020-09-18 | 微山县微山湖微电子产业研究院有限公司 | 一种自动断纱巡回检测装置及控制方法 |
| CN112251861A (zh) * | 2020-09-08 | 2021-01-22 | 太原科技大学 | 一种环锭纺细纱机断头检测装置及检测方法 |
| CN113658131A (zh) * | 2021-08-16 | 2021-11-16 | 东华大学 | 一种基于机器视觉巡游式环锭纺断纱检测方法 |
| CN113808174A (zh) * | 2021-08-27 | 2021-12-17 | 杭州电子科技大学 | 基于全卷积网络和卡尔曼滤波的雷达小目标跟踪方法 |
| CN114565583A (zh) * | 2022-03-02 | 2022-05-31 | 东华大学 | 一种纱线运动参数识别方法、装置、可读存储介质和系统 |
| CN115174888A (zh) * | 2022-05-23 | 2022-10-11 | 北京石头世纪科技股份有限公司 | 用于自动清洁设备摄像头的检测工装和检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 应用优化霍夫变换的细纱断头检测;王雯雯;刘基宏;;纺织学报(第04期);第41-46页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116815365A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10942133B2 (en) | Method and system for automatically detecting fabric defect, and computer readable storage medium | |
| CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
| CN110930357B (zh) | 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统 | |
| CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN109685766A (zh) | 一种基于区域融合特征的布匹瑕疵检测方法 | |
| CN111308987B (zh) | 基于图像处理的开卷机自动上卷控制系统及检测方法 | |
| CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
| CN103357672A (zh) | 一种带钢边界在线检测方法 | |
| CN116758071B (zh) | 一种视觉辅助下碳电极脏污智能检测方法 | |
| CN110983609B (zh) | 一种纱线接头检测装置及其使用方法 | |
| CN115375686A (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
| CN110298840A (zh) | 一种基于图像的纱线缺陷检测方法 | |
| CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
| CN111507942B (zh) | 一种基于多视角图像分析的化纤长丝毛丝检测装置与方法 | |
| CN106599890A (zh) | 变电站巡检机器人数字式仪表识别算法 | |
| CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
| CN112365448A (zh) | 一种经编织造过程中的织物疵点检测方法 | |
| Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
| CN116815365B (zh) | 一种环锭纺细纱机断纱自动检测方法 | |
| CN113642570A (zh) | 一种昏暗环境下矿车车牌识别的方法 | |
| CN105699386B (zh) | 一种采用接触式图像传感器的自动验布标记方法 | |
| CN116778174A (zh) | 一种开幅式单面机控制方法及系统 | |
| CN112251861A (zh) | 一种环锭纺细纱机断头检测装置及检测方法 | |
| CN101696876B (zh) | 一种vcm磁钢的视觉检测方法 |
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 |