CN116858991A - 一种棉织品退浆处理监测方法 - Google Patents
一种棉织品退浆处理监测方法 Download PDFInfo
- Publication number
- CN116858991A CN116858991A CN202311127155.7A CN202311127155A CN116858991A CN 116858991 A CN116858991 A CN 116858991A CN 202311127155 A CN202311127155 A CN 202311127155A CN 116858991 A CN116858991 A CN 116858991A
- Authority
- CN
- China
- Prior art keywords
- titration
- value
- color
- slurry content
- desizing
- 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
- 229920000742 Cotton Polymers 0.000 title claims abstract description 51
- 238000009990 desizing Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- 238000004448 titration Methods 0.000 claims abstract description 187
- 239000002002 slurry Substances 0.000 claims abstract description 99
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 claims abstract description 28
- 229910052740 iodine Inorganic materials 0.000 claims abstract description 28
- 239000011630 iodine Substances 0.000 claims abstract description 28
- 239000004744 fabric Substances 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 239000007788 liquid Substances 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 description 13
- 238000004043 dyeing Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 102000004190 Enzymes Human genes 0.000 description 3
- 108090000790 Enzymes Proteins 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/16—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using titration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06T7/90—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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
-
- 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)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种棉织品退浆处理监测方法,该方法设定初始滴定间隔,根据初始滴定间隔进行碘液滴定,得到不同碘液滴定位置的含浆量及对应含浆量的可信度;根据当前初始滴定间隔,获取碘液滴定时的滴定误差,进而对滴定间隔值进行调整,得到调整后的含浆量值,进而得到高含浆量区域,完成棉织品退浆效果检测。本发明实能够得到可信的棉织品含浆量检测结果,进而得到棉织品退浆均匀效果,以找到含浆较高的位置,便于进行二次针对性棉织品退浆。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种棉织品退浆处理监测方法。
背景技术
在棉织品生产工艺中有一种退浆的处理手段,通过对纺织品的退浆处理,可以减少纤维与棉织品染化料之间的染色阻碍,增加棉织品染色质量。
现有通过将棉织品通过酶退浆处理手段,完成进行棉织品退浆处理,但是在酶退浆后可能由于酶含量不足,或者棉织品未充分展开,进而使得退浆效果不好,棉织品退浆不均匀,导致棉织品部分区域仍存在不同程度浆含量,影响之后棉织品的染色工艺。
现有通过对棉织品进行碘液滴定的方法,来评估棉织品的退浆效果。但是在对棉织品进行碘液滴定时,往往需要进行滴定间隔的设置,滴定间隔设置时,往往是人为经验设定,如果设定不佳,则棉织品退浆均匀效果检测不好,使得无法在每次的滴定中得到有效含浆量较高的位置,无法保证棉织品退浆的处理结果及检测效果。
发明内容
为了解决上述技术问题,本发明提供一种棉织品退浆处理监测方法,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棉织品退浆处理监测方法,该方法包括以下步骤:
设定初始滴定间隔,根据初始滴定间隔进行碘液滴定,得到不同碘液滴定位置的含浆量及对应含浆量的可信度;
根据当前初始滴定间隔,获取碘液滴定时的滴定误差,进而对滴定间隔值进行调整,得到调整后的含浆量值,进而得到高含浆量区域,完成棉织品退浆效果检测。
优选的,所述含浆量的获取过程为:
在每个滴定位置处进行滴定图像的采集并划分滴定区域,获取滴定区域内各像素点颜色值与标准比色卡的颜色分量的色差值,选取最小的两个色差值计算对应的含浆量差异,依据所述色差值和所述含浆量差异获取每个滴定位置的含浆量。
优选的,所述可信度的获取过程为:
对于每个滴定位置,计算最小的两个色差值的差值绝对值,然后以最小色差值与该差值绝对值的比值作为色差占比,以1减去所述色差占比,得到含浆量的可信度。
优选的,所述滴定误差的获取过程为:
统计每个滴定区域的中心点坐标以及对应的含浆量,以对应的可信度作为权值进行带权插值拟合,得到拟合结果;将每个滴定区域的中心点坐标代入所述拟合结果中得到对应的拟合含浆量;以滴定区域的含浆量和对应的拟合含浆量的差值绝对值作为所述滴定误差。
优选的,所述对滴定间隔值进行调整,包括:
获取每个滴定区域与所有用来插值拟合滴定区域的距离值,获取该距离值的最小值,计算该最小值与滴定间隔距离值的比值,以所述比值和所述可信度的平均值作为对应滴定区域的最终可信度;
对所有最终可信度进行二分类,选取最终可信度更高的类别对应的滴定误差的平均值作为误差影响程度,基于所述误差影响程度对当前的滴定间隔值进行调整。
优选的,所述高含浆量区域的获取过程为:
利用调整后的滴定间隔值,再次进行滴定测试,并再次调整滴定间隔值,直至滴定间隔值不再改变,得到最终的滴定间隔距离值以及对应的含浆量;当含浆量大于预设阈值时,对应的滴定区域不符合退浆要求,所有不符合退浆要求的滴定区域组成所述高含浆量区域。
优选的,所述依据所述色差值和所述含浆量差异获取每个滴定位置的含浆量包括:
其中,为第i个滴定区域中的含浆量,/>表示第i个滴定区域中的颜色距离标准比色卡中颜色点最近颜色点所对应的最小色差值,/>为第i个滴定区域中的颜色距离标准比色卡中颜色点最近颜色点所对应的第二小色差值,/>和/>为所述最小的两个色差值对应的含浆量。
优选的,所述颜色分量为lab分量值。
优选的,所述二分类的方法为:利用k-means算法进行二分类。
优选的,所述基于所述误差影响程度对当前的滴定间隔值进行调整包括:
其中,表示以自然常数e为底数的指数函数,/>为所有高最终可信度类别对应的含浆量误差影响程度平均值,/>为调整后的滴定间隔值,/>为调整前的滴定间隔值。
本发明实施例至少具有如下有益效果:
通过设定初始滴定间隔,得到不同碘液滴定位置的含浆量及对应含浆量可信度,进而得到当前碘液滴定时的滴定误差,完成对初始滴定间隔的调整,进而得到可信的含浆量值,完成棉织品退浆效果检测,辅助得到可信的棉织品含浆量检测结果,进而得到棉织品退浆均匀效果,以找到含浆较高的位置,便于进行二次针对性棉织品退浆。
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棉织品退浆处理监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棉织品退浆处理监测方法,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棉织品退浆处理监测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种棉织品退浆处理监测方法的步骤流程图,该方法包括以下步骤:
步骤S001,设定初始滴定间隔,根据初始滴定间隔进行碘液滴定,得到不同碘液滴定位置的含浆量及对应含浆量的可信度。
碘液可以和棉织品中的浆发生化学反应,并碘液对不同含浆量进行化学反应后会呈现出不同的颜色,进而通过与标准比色卡进行比对,可以得到棉织品中不同位置的含浆量。其中碘液浓度固定,进而其含浆量测定是所对应的比色卡固定,其中比色卡颜色,可以由相关经验人员进行测定实验得到。
由相关经验人员根据具体实施场景设定初始滴定间隔值,作为一个示例,在本发明实施例中初始滴定间隔值jg=5cm,在其他实施例中可根据具体实施场景进行调整。
在每个滴定位置处进行滴定图像的采集并划分滴定区域,获取滴定区域内各像素点颜色值与标准比色卡的颜色分量的色差值,选取最小的两个色差值计算对应的含浆量差异,依据色差值和含浆量差异获取每个滴定位置的含浆量。
通过机械臂设备,对棉织品进行等间隔的均匀碘液滴定,每次滴定时,滴定碘液一滴,机械臂滴定时相对于棉织品的高度保持一致,本实施例中选择高度为3cm,在其他实施例中可以根据具体实施场景进行调整。
在得到固定的滴定位置后,等待2min,可通过机械臂设备对每一个滴定位置,进行滴定位置图像采样,通过无线传输的方式,将各滴定位置图像采样结果,发送至数据处理中心。其中等待时间根据具体实施场景进行调整。
由于滴定位置固定,位于相机正中心,所以在图像上设定滴定区域大小,本实施例设置一个10*10的圆,作为滴定区域,将各采样点的滴定区域进行LAB颜色空间转化,获取滴定碘液与浆反应后在滴定区域颜色值(lab分量),其中将相机采集滴定区域内的颜色图像由RGB图像转化为LAB图像,提取滴定区域各像素点的lab分量作为滴定区域内各像素点颜色值。
其中标准比色卡转化至LAB图像,提取各标准比色卡对应的lab分量值,进而计算滴定区域内各像素点平均颜色值与各标准比色卡对应的lab分量值的差值cj。
由于标准比色卡制作时,往往并不能得到所有不同的含浆量比色实验结果,所以获取第i个滴定区域内所有像素点在LAB空间平均lab分量的颜色值,与第j个标准比色卡对应的lab分量值/>的差值/>。所有的标准比色卡对应的lab分量值与/>的差值组成集合。
从中选择最小的两个/>所对应的比色卡颜色点对应的色差值/>。其中为所有/>中选择最小的/>所对应的比色卡颜色点对应的色差值,/>为所有/>中选择第二小的/>所对应的比色卡颜色点对应的色差值。所以获取色差占比/>,进而通过色差占比和含浆量差值可以得到当前的预估含浆量。
所有中选择最小两个/>所对应的比色卡颜色点对应含浆量为/>和/>,其中小于/>。所以第i个滴定区域中的含浆量/>为:
其中表示第i个滴定区域中的颜色距离标准比色卡中颜色点最近颜色点所对应的最小色差值,/>为第i个滴定区域中的颜色距离标准比色卡中颜色点最近颜色点所对应的第二小色差值。/>表示最小色差值对应标准比色卡中颜色点与第二色差值对应标准比色卡中颜色点的色差值。/>表示色差占比。
其中色差占比越接近0.5表示越可能处于标准比色卡中两个颜色点的中间位置,可信度会下降。
为最小两个/>所对应的比色卡颜色点对应含浆量中最低的颜色点对应含浆量。/>为最小两个/>所对应的比色卡颜色点对应含浆量中最高的颜色点对应含浆量。为比色卡两个相邻颜色点之间的含浆量差值,表示了含浆量的分辨率,其值越大则分辨率越低,比色时误差的可能性就越大,在插值拟合时,如果分辨率越低,则滴定时应当排列紧密一些,不然由于分辨率低,会导致大部分的测量结果都是预估结果,可信度度低,使得整个测量结果误差都会比较大。
对于每个滴定位置,计算最小的两个色差值的差值绝对值,然后以最小色差值与该差值绝对值的比值作为色差占比,以1减去色差占比,得到含浆量的可信度。
含浆量的可信度为/>。其中/>的值越大,则表示越接近标准比色卡中所存在的颜色点,其可信度越高。
步骤S002,根据当前初始滴定间隔,获取碘液滴定时的滴定误差,进而对滴定间隔值进行调整,得到调整后的含浆量值,进而得到高含浆量区域,完成棉织品退浆效果检测。
在得到含浆量后,可根据不同碘液滴定位置的含浆量进行插值拟合,以完成得到所有位置的含浆量。进而进行误差评估,得到最终的滴定间隔值调整,得到可信的含浆量值。
统计每个滴定区域的中心点坐标以及对应的含浆量,以对应的可信度作为权值进行带权插值拟合,得到拟合结果;将每个滴定区域的中心点坐标代入拟合结果中得到对应的拟合含浆量;以滴定区域的含浆量和对应的拟合含浆量的差值绝对值作为滴定误差。
通过步骤S001获取当前不同滴定区域的含浆量,以及对应的可信度/>。获取各滴定区域的中心点坐标,及其对应的含浆量,将对应的可信度/>作为其进行带权插值拟合时的权值,完成插值拟合,得到所有坐标位置的含浆量值。由于距离变大,则拟合误差增大。
对待退浆检测区域,进行随机抽样滴定,其中随机抽样滴定个数本实施例选择为100,通过标准比色卡测量随机滴定区域含浆量与可信度。根据各随机抽样滴定区域的中心点坐标,代入到上述插值拟合结果中,得到各随机抽样滴定区域对应的拟合含浆量。
其中第m个随机抽样滴定区域的滴定误差为:
其中,为通过标准比色卡测量第m个随机抽样滴定区域的含浆量,/>为第m个随机抽样滴定区域的拟合含浆量。
拟合含浆量为将中心点坐标代入到上述插值拟合结果中得到的拟合值。
滴定误差的值越大,则表示拟合误差越大,当前滴定间隔的位置过大。但是如果第m个随机抽样滴定区域的含浆量可信度越低,则表示当前/>的值不可靠,进而需要选取高可信度的随机抽样滴定区域含浆量进行含浆量误差评估。
获取每个滴定区域与所有用来插值拟合滴定区域的距离值,获取该距离值的最小值,计算该最小值与滴定间隔距离值的比值,以比值和可信度的平均值作为对应滴定区域的最终可信度;对所有最终可信度进行二分类,选取最终可信度更高的类别对应的滴定误差的平均值作为误差影响程度,基于误差影响程度对当前的滴定间隔值进行调整。
在插值拟合过程中,如果随机滴定区域与用来插值拟合滴定区域的最短距离越大,则拟合误差越大,进而获取当前第m个随机滴定区域与所有用来插值拟合滴定区域的距离值,获取该距离值的最小值,计算该最小值与滴定间隔距离值的比值Bz,作为拟合误差可信度,进而得到最终随机滴定区域的最终可信度,因为Bz和可信度K的最大值都是1,除以2使得最终可信度/>取值范围为0~1。
对所有随机抽样滴定区域的最终可信度利用k-means算法进行二分类,即k=2,选取最终可信度更高的类别作为高最终可信度类别,获取高最终可信度类别对应的含浆量误差值HY,计算高最终可信度类别对应的含浆量误差值HY,并将含浆量误差值HY与当前含浆量进行比较,作为误差的影响程度cd。求所有高最终可信度类别对应的含浆量误差影响程度平均值。其中/>越大,则滴定等间隔距离值越需要调小,进而滴定等间隔距离值调整后值为:
其中,为调整后的滴定间隔值,/>为调整前的滴定间隔值,/>表示以自然常数e为底数的指数函数,/>为所有高最终可信度类别对应的含浆量误差影响程度平均值,其值越大,则说明拟合结果不可信,则滴定等间隔距离值越需要调小。所以通过对/>负相关映射得到一个0~1的值。
jg为当前初始设定的滴定等间隔距离值,即5cm,进而得到调整后滴定等间隔距离值。
利用调整后的滴定间隔值,再次进行滴定测试,并再次调整滴定间隔值,直至滴定间隔值不再改变,得到最终的滴定间隔距离值以及对应的含浆量;当含浆量大于预设阈值时,对应的滴定区域不符合退浆要求,所有不符合退浆要求的滴定区域组成高含浆量区域。
利用调整后的滴定等间隔距离值,再次进行滴定测试,其中调整后的滴定等间隔距离值不再改变,以后碘液滴定都采用同一个滴定间隔距离值。
得到再次滴定测试检测结果中的含浆量值,通过上述插值拟合方法获取所有滴定区域的含浆量,进而设定预设阈值r,当含浆量大于预设阈值r时,则认为该处的含浆量不符合退浆要求,所有不符合退浆要求的滴定区域组成高含浆量区域,完成棉织品的退浆效果检测。
其中预设阈值r根据具体工艺实施要求进行设置,在本发明实施例中设置r为5%。
综上所述,本发明实施例设定初始滴定间隔,根据初始滴定间隔进行碘液滴定,得到不同碘液滴定位置的含浆量及对应含浆量的可信度;根据当前初始滴定间隔,获取碘液滴定时的滴定误差,进而对滴定间隔值进行调整,得到调整后的含浆量值,进而得到高含浆量区域,完成棉织品退浆效果检测。本发明实施例得到可信的棉织品含浆量检测结果,进而得到棉织品退浆均匀效果,以找到含浆较高的位置,便于进行二次针对性棉织品退浆。
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 (8)
1.一种棉织品退浆处理监测方法,其特征在于,该方法包括以下步骤:
设定初始滴定间隔,根据初始滴定间隔进行碘液滴定,获取滴定后的滴定图像,根据所述滴定图像中的像素值得到不同碘液滴定位置的含浆量及对应含浆量的可信度;
根据当前初始滴定间隔和所述滴定图像中滴定区域内的含浆量,获取碘液滴定时的滴定误差,进而对滴定间隔值进行调整,得到调整后的含浆量值,进而得到高含浆量区域,完成棉织品退浆效果检测;
所述含浆量的获取过程为:
在每个滴定位置处进行滴定图像的采集并划分滴定区域,获取滴定区域内各像素点颜色值与标准比色卡的颜色分量的色差值,选取最小的两个色差值计算对应的含浆量差异,依据所述色差值和所述含浆量差异获取每个滴定位置的含浆量;
所述可信度的获取过程为:
对于每个滴定位置,计算最小的两个色差值的差值绝对值,然后以最小色差值与该差值绝对值的比值作为色差占比,以1减去所述色差占比,得到含浆量的可信度。
2.根据权利要求1所述的一种棉织品退浆处理监测方法,其特征在于,所述滴定误差的获取过程为:
统计每个滴定区域的中心点坐标以及对应的含浆量,以对应的可信度作为权值进行带权插值拟合,得到拟合结果;将每个滴定区域的中心点坐标代入所述拟合结果中得到对应的拟合含浆量;以滴定区域的含浆量和对应的拟合含浆量的差值绝对值作为所述滴定误差。
3.根据权利要求1所述的一种棉织品退浆处理监测方法,其特征在于,所述对滴定间隔值进行调整,包括:
获取每个滴定区域与所有用来插值拟合滴定区域的距离值,获取该距离值的最小值,计算该最小值与滴定间隔距离值的比值,以所述比值和所述可信度的平均值作为对应滴定区域的最终可信度;
对所有最终可信度进行二分类,选取最终可信度更高的类别对应的滴定误差的平均值作为误差影响程度,基于所述误差影响程度对当前的滴定间隔值进行调整。
4.根据权利要求1所述的一种棉织品退浆处理监测方法,其特征在于,所述高含浆量区域的获取过程为:
利用调整后的滴定间隔值,再次进行滴定测试,并再次调整滴定间隔值,直至滴定间隔值不再改变,得到最终的滴定间隔距离值以及对应的含浆量;当含浆量大于预设阈值时,对应的滴定区域不符合退浆要求,所有不符合退浆要求的滴定区域组成所述高含浆量区域。
5.根据权利要求1所述的一种棉织品退浆处理监测方法,其特征在于,所述依据所述色差值和所述含浆量差异获取每个滴定位置的含浆量包括:
其中,为第i个滴定区域中的含浆量,/>表示第i个滴定区域中的颜色距离标准比色卡中颜色点最近颜色点所对应的最小色差值,/>为第i个滴定区域中的颜色距离标准比色卡中颜色点最近颜色点所对应的第二小色差值,/>和/>为所述最小的两个色差值对应的含浆量。
6.根据权利要求1所述的一种棉织品退浆处理监测方法,其特征在于,所述颜色分量为lab分量值。
7.根据权利要求3所述的一种棉织品退浆处理监测方法,其特征在于,所述二分类的方法为:利用k-means算法进行二分类。
8.根据权利要求3所述的一种棉织品退浆处理监测方法,其特征在于,所述基于所述误差影响程度对当前的滴定间隔值进行调整包括:
其中,表示以自然常数e为底数的指数函数,/>为所有高最终可信度类别对应的含浆量误差影响程度平均值,/>为调整后的滴定间隔值,/>为调整前的滴定间隔值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311127155.7A CN116858991B (zh) | 2023-09-04 | 2023-09-04 | 一种棉织品退浆处理监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311127155.7A CN116858991B (zh) | 2023-09-04 | 2023-09-04 | 一种棉织品退浆处理监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116858991A true CN116858991A (zh) | 2023-10-10 |
CN116858991B CN116858991B (zh) | 2023-12-01 |
Family
ID=88221964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311127155.7A Active CN116858991B (zh) | 2023-09-04 | 2023-09-04 | 一种棉织品退浆处理监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116858991B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2412352A1 (en) * | 2002-11-18 | 2004-05-18 | Placer Dome Technical Services Limited | Method for thiosulfate leaching of precious metal-containing materials |
CN101049592A (zh) * | 2006-04-07 | 2007-10-10 | 关西涂料株式会社 | 多彩花纹涂料的配合信息及基材的视觉信息的决定方法 |
KR20090076249A (ko) * | 2008-01-08 | 2009-07-13 | 이형춘 | 피씨 카메라를 이용한 산도 자동 적정 방법 |
CN101806747A (zh) * | 2010-03-05 | 2010-08-18 | 华中科技大学 | 一种膨润土吸蓝量测试方法 |
CN102183520A (zh) * | 2011-04-26 | 2011-09-14 | 东北电力大学 | 基于溶液图像技术的水质硬度在线测量装置及其测量方法 |
US20130034305A1 (en) * | 2011-08-04 | 2013-02-07 | University Of Southern California | Image-based crack quantification |
US20160086321A1 (en) * | 2014-09-23 | 2016-03-24 | SYNCRUDE CANADA LTD. in trust for the owners of the Syncrude Project, as such owners exist now and | System and method for image-based analysis of a slurry and control of a slurry process |
CN105696146A (zh) * | 2014-11-25 | 2016-06-22 | 天津天纺投资控股有限公司 | 一种精梳棉天丝ptt交织双层面料及其加工工艺 |
CN107256553A (zh) * | 2017-06-15 | 2017-10-17 | 江南大学 | 一种经纱上浆效果的检测方法 |
CN114527063A (zh) * | 2022-02-14 | 2022-05-24 | 江苏欣鑫纺织科技有限公司 | 一种智能纺织用的面料退浆控制系统 |
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 |
CN115049585A (zh) * | 2022-04-28 | 2022-09-13 | 南通东德纺织科技有限公司 | 基于计算机视觉的棉织品退浆处理监测方法 |
US20220411858A1 (en) * | 2019-11-29 | 2022-12-29 | Mgi Tech Co., Ltd. | Random emulsification digital absolute quantitative analysis method and device |
CN115578676A (zh) * | 2022-10-27 | 2023-01-06 | 浙江宇鑫纺织印染有限公司 | 绿色节能智能化染整工艺及其系统 |
CN115683962A (zh) * | 2023-01-03 | 2023-02-03 | 天津德通电气有限公司 | 一种用于选煤厂矿浆跑粗监测的矿浆粒度分析方法 |
CN115718101A (zh) * | 2017-07-25 | 2023-02-28 | 秦皇岛水熊科技有限公司 | 基于CIEL*a*b*色空间的溶液颜色变化检测方法 |
WO2023108933A1 (zh) * | 2021-12-14 | 2023-06-22 | 江苏航天大为科技股份有限公司 | 一种基于聚类算法的车辆检测方法 |
CN116660263A (zh) * | 2023-06-02 | 2023-08-29 | 中国矿业大学 | 一种基于数字图像处理的注浆效果评价方法 |
-
2023
- 2023-09-04 CN CN202311127155.7A patent/CN116858991B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2412352A1 (en) * | 2002-11-18 | 2004-05-18 | Placer Dome Technical Services Limited | Method for thiosulfate leaching of precious metal-containing materials |
CN101049592A (zh) * | 2006-04-07 | 2007-10-10 | 关西涂料株式会社 | 多彩花纹涂料的配合信息及基材的视觉信息的决定方法 |
KR20090076249A (ko) * | 2008-01-08 | 2009-07-13 | 이형춘 | 피씨 카메라를 이용한 산도 자동 적정 방법 |
CN101806747A (zh) * | 2010-03-05 | 2010-08-18 | 华中科技大学 | 一种膨润土吸蓝量测试方法 |
CN102183520A (zh) * | 2011-04-26 | 2011-09-14 | 东北电力大学 | 基于溶液图像技术的水质硬度在线测量装置及其测量方法 |
US20130034305A1 (en) * | 2011-08-04 | 2013-02-07 | University Of Southern California | Image-based crack quantification |
US20160086321A1 (en) * | 2014-09-23 | 2016-03-24 | SYNCRUDE CANADA LTD. in trust for the owners of the Syncrude Project, as such owners exist now and | System and method for image-based analysis of a slurry and control of a slurry process |
CN105696146A (zh) * | 2014-11-25 | 2016-06-22 | 天津天纺投资控股有限公司 | 一种精梳棉天丝ptt交织双层面料及其加工工艺 |
CN107256553A (zh) * | 2017-06-15 | 2017-10-17 | 江南大学 | 一种经纱上浆效果的检测方法 |
CN115718101A (zh) * | 2017-07-25 | 2023-02-28 | 秦皇岛水熊科技有限公司 | 基于CIEL*a*b*色空间的溶液颜色变化检测方法 |
US20220411858A1 (en) * | 2019-11-29 | 2022-12-29 | Mgi Tech Co., Ltd. | Random emulsification digital absolute quantitative analysis method and device |
WO2023108933A1 (zh) * | 2021-12-14 | 2023-06-22 | 江苏航天大为科技股份有限公司 | 一种基于聚类算法的车辆检测方法 |
CN114527063A (zh) * | 2022-02-14 | 2022-05-24 | 江苏欣鑫纺织科技有限公司 | 一种智能纺织用的面料退浆控制系统 |
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 |
CN115049585A (zh) * | 2022-04-28 | 2022-09-13 | 南通东德纺织科技有限公司 | 基于计算机视觉的棉织品退浆处理监测方法 |
CN115578676A (zh) * | 2022-10-27 | 2023-01-06 | 浙江宇鑫纺织印染有限公司 | 绿色节能智能化染整工艺及其系统 |
CN115683962A (zh) * | 2023-01-03 | 2023-02-03 | 天津德通电气有限公司 | 一种用于选煤厂矿浆跑粗监测的矿浆粒度分析方法 |
CN116660263A (zh) * | 2023-06-02 | 2023-08-29 | 中国矿业大学 | 一种基于数字图像处理的注浆效果评价方法 |
Non-Patent Citations (4)
Title |
---|
VI THUY TRAN, MD等: "Comparative Evaluation of Iodine-125 Radioactive Seed Localization and Wire Localization for Resection of Breast Lesions", 《CANADIAN ASSOCIATION OF RADIOLOGISTS JOURNAL 》, no. 68, pages 447 - 455 * |
刘美东;丁仕兵;周忠信;刘稚;: "碘量法测定铜精矿中铜含量的空白试验探讨", 冶金分析, no. 12, pages 73 - 76 * |
李艳梅;尹苏艳;雷顺洪;冯绍平;黄兆龙;: "碘量法测定巯基棉的方法研究", 红河学院学报, no. 04, pages 6 - 7 * |
赵坚等: "上浆率的快速测定", 《华东纺织工学院学报》, no. 3, pages 159 - 162 * |
Also Published As
Publication number | Publication date |
---|---|
CN116858991B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546581B (zh) | 试纸检测卡智能检测系统以及试纸检测卡智能分析方法 | |
CN106469302B (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN106651899B (zh) | 基于Adaboost的眼底图像微动脉瘤检测系统 | |
US11087462B2 (en) | System and method for determining a colonoscopy image | |
WO2016179981A1 (zh) | 一种新生儿黄疸的自动检测方法及系统 | |
CN109147005A (zh) | 一种用于红外图像的自适应染色方法、系统、存储介质、终端 | |
CN107911625A (zh) | 测光方法、装置、可读存储介质和计算机设备 | |
CN106468661A (zh) | 一种尿检试纸彩色成像相关性检测方法及系统 | |
CN109324039A (zh) | 试纸条反应浓度检测方法、装置、存储介质及计算机设备 | |
CN114626419B (zh) | 一种基于wifi中信道状态信息和改进卷积神经网络的动作识别方法 | |
CN112384946A (zh) | 一种图像坏点检测方法及装置 | |
CN108875625B (zh) | 一种识别方法和电子设备 | |
CN116858991B (zh) | 一种棉织品退浆处理监测方法 | |
US20240288414A1 (en) | Water quality testing method and water quality testing apparatus | |
CN111387932A (zh) | 一种视力检测方法、装置及设备 | |
CN116468724A (zh) | 一种基于光学传感技术的碳酸钙含量测试方法 | |
Bao et al. | A remote computing based point-of-care colorimetric detection system with a smartphone under complex ambient light conditions | |
CN108961209A (zh) | 行人图像质量评价方法、电子设备及计算机可读介质 | |
CN116805312A (zh) | 一种基于图像处理的针织式面料质量检测方法 | |
CN111062926B (zh) | 一种视频数据处理方法、装置及存储介质 | |
CN108965749A (zh) | 基于纹理识别的缺陷像素检测和校正装置及方法 | |
CN112749699A (zh) | 一种水表的5g网络通讯方法及系统 | |
Shi et al. | WiFi-based activity recognition using activity filter and enhanced correlation with deep learning | |
CN112331313B (zh) | 一种基于标签编码的糖网影像病变的自动分级方法 | |
CN115049585A (zh) | 基于计算机视觉的棉织品退浆处理监测方法 |
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 |