CN116949732A - 一种用于服装生产的高效熨烫方法 - Google Patents

一种用于服装生产的高效熨烫方法 Download PDF

Info

Publication number
CN116949732A
CN116949732A CN202311211256.2A CN202311211256A CN116949732A CN 116949732 A CN116949732 A CN 116949732A CN 202311211256 A CN202311211256 A CN 202311211256A CN 116949732 A CN116949732 A CN 116949732A
Authority
CN
China
Prior art keywords
ironing
gradient
sliding window
current position
cloth
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
Application number
CN202311211256.2A
Other languages
English (en)
Other versions
CN116949732B (zh
Inventor
胡涛
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.)
Jining Huasheng Garment Co ltd
Original Assignee
Jining Huasheng Garment 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 Jining Huasheng Garment Co ltd filed Critical Jining Huasheng Garment Co ltd
Priority to CN202311211256.2A priority Critical patent/CN116949732B/zh
Publication of CN116949732A publication Critical patent/CN116949732A/zh
Application granted granted Critical
Publication of CN116949732B publication Critical patent/CN116949732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • DTEXTILES; PAPER
    • D06TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06CFINISHING, DRESSING, TENTERING OR STRETCHING TEXTILE FABRICS
    • D06C15/00Calendering, pressing, ironing, glossing or glazing textile fabrics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0014Image feed-back for automatic industrial control, e.g. robot with camera
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30124Fabrics; Textile; Paper
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Textile Engineering (AREA)
  • Quality & Reliability (AREA)
  • Robotics (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及路径智能控制领域,具体涉及一种用于服装生产的高效熨烫方法,包括:获取待熨烫布料表面梯度图;根据梯度图中各像素点的梯度幅值得到梯度图中所有的褶皱点;利用与熨烫头在梯度图中所占熨烫区域大小相同的滑窗对梯度图进行遍历,根据各滑窗窗口内所有褶皱点的梯度方向和梯度幅值得到所有熨烫区域内的褶皱方向矩阵;根据各熨烫区域内的褶皱方向矩阵计算得到各熨烫区域内的熨烫方向;根据各熨烫区域内的熨烫方向和褶皱点位置计算得到待熨烫布料的所有最佳熨烫路径;根据待熨烫布料的所有最佳熨烫路径对熨烫头进行调控。上述方法用于服装熨烫,通过上述方法可实现对服装熨烫过程的智能调控。

Description

一种用于服装生产的高效熨烫方法
技术领域
本发明涉及路径智能控制领域,具体涉及一种用于服装生产的高效熨烫方法。
背景技术
服装熨烫是贯穿于成衣制作加工全过程中的工艺加工手段,通过熨烫才能更加充分地体现出人体凸凹不平的曲面特点,来满足整体造型的要求,因此对生产后的服装进行熨烫必不可少。
现有自动化的熨烫工艺主要是将熨烫头在待熨烫布料表面以完全覆盖一遍的方式进行熨烫,达到熨烫效果。
然而,现有的自动化熨烫工艺虽然可以保证将布料完全熨烫,但布料上褶皱的方向与褶皱的严重程度是不同的,当熨烫方向与褶皱方向垂直时,极易发生褶皱重叠,形成重叠布料的熨烫缺陷,且褶皱越严重,越易发生此种现象;另一方面布料表面的褶皱分布位置也不尽相同,因此可能有些布料位置根本无需熨烫。这就导致现有的熨烫方式极易产生熨烫缺陷且熨烫的效率不高。
发明内容
本发明提供一种用于服装生产的高效熨烫方法,包括:获取待熨烫布料表面梯度图;根据梯度图中各像素点的梯度幅值得到梯度图中所有的褶皱点;利用与熨烫头在梯度图中所占熨烫区域大小相同的滑窗对梯度图进行遍历,根据各滑窗窗口内所有褶皱点的梯度方向和梯度幅值得到所有熨烫区域内的褶皱方向矩阵;根据各熨烫区域内的褶皱方向矩阵计算得到各熨烫区域内的熨烫方向;根据各熨烫区域内的熨烫方向和褶皱点位置计算得到待熨烫布料的所有最佳熨烫路径;根据待熨烫布料的所有最佳熨烫路径对熨烫头进行调控,相比于现有技术,本发明基于计算机视觉和图像处理,根据布料的褶皱方向控制熨烫路径,可以有效避免熨烫后的布料出现重叠缺陷,并且在保证熨烫效果的同时,还根据待熨烫布料的褶皱分布位置,合理规划熨烫路径,使熨烫的效率提升,实现了对服装熨烫的智能调控。
为达到上述目的,本发明采用以下技术方案,一种用于服装生产的高效熨烫方法,包括:
获取待熨烫布料表面梯度图。
根据梯度图中各像素点的梯度幅值得到梯度图中所有的褶皱点。
利用熨烫头所占熨烫区域大小构建滑窗对梯度图进行遍历,利用每一个滑窗内所有褶皱点的梯度方向和梯度幅值构建该滑窗的褶皱方向矩阵。
根据各滑窗的褶皱方向矩阵计算得到各滑窗在不同熨烫角度的重要性。
利用各滑窗在不同熨烫角度的重要性获得各滑窗在不同熨烫角度的比重。
根据各滑窗在不同熨烫角度的比重计算得到各滑窗的熨烫方向。
根据各滑窗的熨烫方向和褶皱点位置获取熨烫位置图。
根据熨烫位置图中当前位置和下一个位置的熨烫方向分别与滑窗方向之间的角度的差值,得到当前位置的所有待选择位置的熨烫偏差。
根据熨烫位置图中下一个位置的褶皱点数量得到当前位置的所有待选择位置的新褶皱点数量。
根据当前位置的所有待选择位置的熨烫偏差和新褶皱点数量计算得到当前位置的所有待选择位置的熨烫路径移动合理度。
根据当前位置的所有待选择位置的熨烫路径移动合理度确定待熨烫布料的所有最佳熨烫路径。
根据待熨烫布料的所有最佳熨烫路径对熨烫头进行调控。
进一步的,所述一种用于服装生产的高效熨烫方法,所述待熨烫布料表面梯度图是按照如下方式获取:
采集待熨烫布料表面图像。
对表面图进行灰度化处理,得到待熨烫布料表面灰度图。
利用sobel算子对灰度图进行处理,得到灰度图中各像素点的梯度方向和梯度幅值。
根据各像素点的梯度方向和梯度幅值获取待熨烫布料表面梯度图。
进一步的,所述一种用于服装生产的高效熨烫方法,所述梯度图中所有的褶皱点是按照如下方式得到:
设置阈值,对梯度图中各像素点的梯度幅值进行判断。
当像素点的梯度幅值大于等于阈值时,将该像素点记作褶皱点,得到梯度图中所有的褶皱点。
进一步的,所述一种用于服装生产的高效熨烫方法,所述滑窗的褶皱方向矩阵是按照如下方式构建:
获取熨烫头在梯度图中所占熨烫区域大小。
利用与熨烫头在梯度图中所占熨烫区域大小相同的滑窗对梯度图进行遍历,根据褶皱点的梯度方向和梯度幅值对各滑窗窗口内的所有褶皱点进行分级。
统计各滑窗窗口内相同梯度方向级别的同梯度幅值级别的褶皱点的连续出现个数,根据连续出现个数构建所有滑窗的褶皱方向矩阵。
进一步的,所述一种用于服装生产的高效熨烫方法,所述各滑窗在不同熨烫角度的重要性的表达式如下:
式中,表示各滑窗在熨烫角度为/>的重要性,N表示各滑窗内褶皱点的个数,/>为褶皱长度,/>为滑窗大小,/>表示褶皱方向矩阵中熨烫角度为/>,褶皱长度为d对应的统计值。
进一步的,所述一种用于服装生产的高效熨烫方法,所述各滑窗的熨烫方向的表达式如下:
式中,表示中心位置在原布料图像上的坐标为/>的滑窗的熨烫方向,分别表示各滑窗在熨烫角度为0°、45°、90°、135°的比重。
进一步的,所述一种用于服装生产的高效熨烫方法,所述待熨烫布料的所有最佳熨烫路径是按照如下方式确定:
将位置图中当前位置的熨烫方向和滑窗方向的角度与各待选择位置的熨烫方向和滑窗方向的角度作差,根据角度差均值得到当前位置的所有待选择位置的熨烫偏差。
根据位置图中当前位置和各待选择位置包含的褶皱点计算得到当前位置的所有待选择位置的新褶皱点数量。
根据当前位置的所有待选择位置的熨烫偏差和新褶皱点数量计算得到当前位置的所有待选择位置的熨烫路径移动合理度。
将当前位置的所有待选择位置的熨烫路径移动合理度最大值对应的待选择位置作为当前位置的下一个移动位置。
按照得到当前位置的下一个移动位置的方法进行迭代选择,直到当前位置的所有待选择位置的新褶皱点数量为0,停止移动,确定第一条最佳熨烫路径。
重新选择起始点,按照确定第一条最佳熨烫路径的方法进行迭代选择,直到位置图中所有位置都被熨烫,停止选择,确定待熨烫布料的所有最佳熨烫路径。
进一步的,所述当前位置的下一个位置为所述当前位置预设邻域范围内的每个位置。
进一步的,所述预设邻域范围为八邻域范围。
进一步的,所述利用熨烫头所占熨烫区域大小构建滑窗包括:
获得熨烫头所占熨烫区域的最小外接正方形,以所述最小外接正方形的大小作为所述滑窗的尺寸。本发明的有益效果在于:
本发明基于计算机视觉和图像处理,根据布料的褶皱方向控制熨烫路径,可以有效避免熨烫后的布料出现重叠缺陷,并且在保证熨烫效果的同时,还根据待熨烫布料的褶皱分布位置,合理规划熨烫路径,使熨烫的效率提升,实现了对服装熨烫的智能调控。
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性的前提下,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1提供的一种用于服装生产的高效熨烫方法流程示意图;
图2为本发明实施例2提供的一种用于服装生产的高效熨烫方法流程示意图;
图3为本发明实施例2提供的一种梯度方向示意图;
图4为本发明实施例2提供的一种滑窗窗口内统计方式示意图;
图5为本发明实施例2提供的一种褶皱方向矩阵示意图;
图6为本发明实施例2提供的一种熨烫位置示意图;
图7为本发明实施例2提供的一种熨烫头路径移动方向示意图。
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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明实施例提供一种用于服装生产的高效熨烫方法,如图1所示,包括:
S101、获取待熨烫布料表面梯度图。
其中,根据像素点的梯度方向和梯度幅值得到梯度图。
S102、根据梯度图中各像素点的梯度幅值得到梯度图中所有的褶皱点。
其中,将梯度幅值大于等于阈值的像素点作为褶皱点。
S103、利用熨烫头所占熨烫区域大小构建滑窗对梯度图进行遍历,利用每一个滑窗内所有褶皱点的梯度方向和梯度幅值构建该滑窗的褶皱方向矩阵。
其中,通过统计相同梯度方向级别的同梯度幅值级别的褶皱点的连续出现个数构建褶皱方向矩阵。
S104、根据各滑窗的褶皱方向矩阵计算得到各滑窗在不同熨烫角度的重要性。
其中,不同熨烫角度为0°、45°、90°和135°。
S105、利用各滑窗在不同熨烫角度的重要性获得各滑窗在不同熨烫角度的比重。
其中,比重越大,熨烫方向为该熨烫角度的可能性越大。
S106、根据各滑窗在不同熨烫角度的比重计算得到各滑窗的熨烫方向。
其中,根据各滑窗内褶皱比较大的方向确定熨烫方向。
S107、根据各滑窗的熨烫方向和褶皱点位置获取熨烫位置图。
其中,位置图用于方便确定熨烫路径。
S108、根据熨烫位置图中当前位置和下一个位置的熨烫方向分别与滑窗方向之间的角度的差值,得到当前位置的所有待选择位置的熨烫偏差。
其中,待选择位置的熨烫偏差越大,下一个位置确定为该待选择位置的可能性越小。
S109、根据熨烫位置图中下一个位置的褶皱点数量得到当前位置的所有待选择位置的新褶皱点数量。
其中,待选择位置的新褶皱点数量越多,下一个位置确定为该待选择位置的可能性越大。
S110、根据当前位置的所有待选择位置的熨烫偏差和新褶皱点数量计算得到当前位置的所有待选择位置的熨烫路径移动合理度。
其中,待选择位置的熨烫路径移动合理度越大,下一个位置确定为该待选择位置的可能性越大。
S111、根据当前位置的所有待选择位置的熨烫路径移动合理度确定待熨烫布料的所有最佳熨烫路径。
其中,将合理度中最大的一个位置作为当前位置的下一个移动位置。
S112、根据待熨烫布料的所有最佳熨烫路径对熨烫头进行调控。
其中,在计算最佳熨烫路径的同时对熨烫头进行调控。
本实施例的有益效果在于:
本实施例基于计算机视觉和图像处理,根据布料的褶皱方向控制熨烫路径,可以有效避免熨烫后的布料出现重叠缺陷,并且在保证熨烫效果的同时,还根据待熨烫布料的褶皱分布位置,合理规划熨烫路径,使熨烫的效率提升,实现了对服装熨烫的智能调控。
实施例2:
在服装熨烫工序中,现有自动化控制一般仅保证布料熨烫头能够将布料完整熨烫,即熨烫头要经过布料的每一处。但此种方式存在无法保证熨烫的质量的问题。由于褶皱的方向为随机出现,当褶皱长且褶皱程度严重时,熨烫方向不是顺着褶皱方向去熨烫,如垂直褶皱方向熨烫时,极易使熨烫后的布料出现布料重叠的缺陷(即两层布料在褶皱区域被熨烫头压成一层),影响熨烫效率。
基于上述原因,需要综合考虑布料褶皱的位置以及褶皱方向、褶皱程度等信息,计算出能保证熨烫质量,不出现布料重叠缺陷且高效率的熨烫方法。
本发明基于计算机视觉提供了一种人工智能控制系统,具体为利用相机获得待熨烫布料表面的图像,对图像进行处理获得熨烫头熨烫路径,进而对熨烫机进行控制。
本发明实施例提供一种用于服装生产的高效熨烫方法,如图2所示,包括:
步骤一:获得待熨烫布料图像并将其灰度化,利用sobel算子计算灰度图像上各点的梯度进而获得梯度图。
利用工业相机获得待熨烫布料表面图像并将其灰度化,获得灰度图。利用sobel算子对其进行处理获得梯度图像。获得各点的梯度方向,以及梯度幅值。所述梯度幅值如下:
其中,分别为sobel算子计算出的图像上第/>个点/>,/>方向的梯度幅值,则/>为图像上第/>个点的梯度幅值。
图像上第个点的梯度方向为:/>。所述梯度方向如图3所示,此梯度方向为径向,即/>
至此,获得灰度图像上各个点的梯度方向以及梯度幅值,构成梯度图。所述梯度图与原灰度图大小相等,即对于图像上的第个点其均对应两个量分别为:梯度幅值/>、梯度方向/>
根据梯度幅值大小设置阈值,梯度幅值小于此阈值的不记作褶皱点。
步骤二:确定熨烫区域大小,同时构建熨烫区域内的褶皱方向矩阵,进一步根据该矩阵计算该熨烫区域内的熨烫方向。
1.确定熨烫头在布料图像上所占熨烫区域内像素个数,并根据梯度图上的熨烫区域内各褶皱点的特征构建熨烫区域内的褶皱方向矩阵。
对于熨烫头,确定其熨烫范围在布料图像上所占区域的最小外接正方形的大小,以字母形式表示,即熨烫头所占区域的的最小外接正方形的大小为。其内包含的像素个数为/>
熨烫过程本质上即是熨烫区域(类似于滑窗)对整个布料进行处理的过程,则基于此逻辑,衡量与熨烫区域大小相同的布料图像滑窗内的像素点的梯度特征,即可评价熨烫至该布料位置时该向哪个方向熨烫。
则对于一个滑窗,其大小为,即获得熨烫头所占熨烫区域的最小外接正方形,以所述最小外接正方形的大小作为所述滑窗的尺寸。根据滑窗内的褶皱点的特征构建熨烫区域内的褶皱方向矩阵,方式如下:
对窗口内的褶皱点进行统计,先将其梯度方向进行分级,由于梯度方向为径向,则将梯度方向分为四个级别,如下:
代表梯度方向为0度方向。
代表梯度方向为45度方向。
代表梯度方向为90度方向。
代表梯度方向为135度方向。
此时,将窗口内的褶皱点梯度方向分为了四个级别,分别为0,45,90,135度四个方向。
对窗口内的褶皱点的梯度幅值进行分级,将梯度幅值按照0-256的取值范围进行均分为10个级别,分别为级别1,2...10,此时对于窗口内的褶皱点,其对应的梯度幅值均可化为其对应的级别数。
统计相同梯度方向级别的同梯度幅值级别的褶皱点的连续出现个数,如图4所示:中间标记颜色的点为窗口内一点,统计窗口内相同梯度方向级别、相同梯度幅值级别的点的连续延伸个数作为同方向褶皱长度,构建褶皱方向矩阵如图5所示:其中褶皱长度。/>为窗口大小,即窗口内最大的褶皱长度。
在对整张布料图像利用大小为的熨烫区域窗口进行步长为1的采集样本后,获得每个熨烫区域窗口内的褶皱方向矩阵。
2.根据各个熨烫区域内的褶皱方向矩阵计算该处熨烫区域对应的熨烫方向。
对于一个褶皱方向矩阵,计算其对应的熨烫方向,由之前所述的熨烫逻辑,即最佳的、可避免布料重叠缺陷的熨烫方向应该是尽量顺着大褶皱的方向去熨烫,基于此逻辑,进行下列计算:
上述式子中、/>、/>、/>分别表示不同角度的褶皱在该熨烫窗口内的重要性。N表示窗口内的褶皱点的个数,/>为褶皱长度,/>为窗口大小,即窗口内最大的褶皱长度,表示方向矩阵中梯度方向为0度,褶皱长度为d对应的统计值,则计算其最终的比重如下:
如上式,表示熨烫方向倾向于0度的程度。其他方向的同理,分别为
则最终的该熨烫区域的熨烫方向计算方式如下:
其中的下标/>表示该熨烫滑窗中心位置在原布料图像上的坐标。
至此,按上述方式计算原图像上所有熨烫区域窗口内的熨烫方向。
步骤三:根据各个熨烫区域内的熨烫方向结合褶皱点的位置计算整张布料图像的熨烫路径,根据计算出的熨烫路径对熨烫头进行控制。
根据图像上的褶皱位置,结合各熨烫区域的熨烫方向计算熨烫头的最佳熨烫路径。
对于一个熨烫窗口,其对应的熨烫方向,同时又已知此窗口内褶皱点的个数以及各个褶皱点的位置,则进行下述熨烫路径的计算:
对于原始布料图像,将其按照熨烫区域窗口进行滑动处理后,可获得一张熨烫区域位置图像:一个示意图如图6所示:熨烫位置图上每个像素位置均代表原图像上的一个区域,且熨烫位置图上各点均对应两组信息,即熨烫方向,以及其对应原图像熨烫区域内的褶皱点位置。
经上述说明后,进行路径的计算,在确定起始熨烫位置点后(起始点一般为熨烫位置图中的边缘点),对于熨烫位置图上的起始点,在其邻域内寻找下一个熨烫位置,即下一个位置为当前位置预设邻域范围内的每个位置。在本发明一个实施例中预设邻域范围设置为八邻域范围,具体获取方式如下:
由于熨烫控制需要按照像素级进行控制,即熨烫方向有8种,分别为一个像素点位移到其邻域像素点的八个方向。这八个方向对于褶皱来说也可化为四个方向即0,45,90,135度方向。这是由于熨烫一个褶皱时,其褶皱方向为一条径向。再根据每个熨烫位置均对应一个熨烫方向。以及各熨烫位置在原图像上对应的褶皱点位置及个数,规划熨烫路径,一个示意图如图7所示:
图中黑色部分表示熨烫头的上一个位置,灰色部分表示熨烫头当前位置,白色部分表示熨烫头下一次位置的可选择邻域位置,每个白色部分均对应了该位置处的熨烫方向(实际上为径向)。则熨烫头向哪个方向移动,需要在其邻域的剩下可选位置中选择一个。选择方式如下:
由熨烫后布料可知,熨烫头已经过位置对应的原图像上的褶皱点应为消除状态(即黑色位置对应的原图像中的褶皱点已熨平,即褶皱点已消失),因此,熨烫头向下一个位置移动时应综合考虑路径移动方向是否符合当前位置与下一个移动位置的熨烫方向,由于熨烫路径移动方向有八个,但熨烫头的熨烫方向为径向,即需要综合衡量当前位置与待选择的下一个位置的熨烫路径方向与对应位置的熨烫方向的差异,这就需要将熨烫头路径方向也按照径向来看待。即熨烫方向为四个,分别为0,45,90,135度方向。以上图中标记出的熨烫方式,即熨烫头向右上角待选白色部分移动时的熨烫偏差,这个熨烫偏差计算方式为灰色部分(当前位置)以及白色部分(所选择移动到的位置)与熨烫头路径移动方向的角度差均值。这个角度差为两个径向的夹角中的锐角。因此用其范围将这个锐角归一化。记为。计算当前位置(灰色部分)的所有待选择位置(图中为7个的白色部分)的熨烫偏差/>。即对于一个当前位置,相对于其所有待选择位置有/>,/>.../>
在当前熨烫位置(灰色部分)到下一个熨烫位置(白色部分)的过程中,所更新的熨烫点的个数也需要考虑,即需要计算灰色部分包含的原图像上的褶皱点在移动到新的位置时可以熨平多少新的褶皱点。即需要根据二者熨烫范围包含的褶皱点来计算此次移动可新熨平多少个褶皱点。计算方式为,用白色部分的褶皱点集合减去白色部分与灰色部分褶皱点集合的交集,获得白色部分褶皱点集合中不与灰色部分集合重合的褶皱点,即新的褶皱点。记为。同样的,计算当前位置(灰色)与所有待选择位置(白色)的新褶皱点数量/>。即对于一个当前位置,相对于其所有待选则位置有/>,/>...,/>
至此,计算当前位置(灰色)与其所有待选择移动位置(白色)的熨烫路径移动合理度,方式如下:
其中表示当前位置的其中一个待选择移动位置的熨烫路径移动合理度。
选择所有当前位置中所有合理度中最大的一个位置作为当前位置的下一个移动位置。并将当前位置标记为黑色即已熨平。当熨烫头当前位置的所有待选择的移动位置中的均为0时,停止移动,重新选择起始点。
重复上述过程,直到熨烫头位置图中所有点均标记为黑色,则熨烫过程结束。
本实施例的有益效果在于:
本实施例基于计算机视觉和图像处理,根据布料的褶皱方向控制熨烫路径,可以有效避免熨烫后的布料出现重叠缺陷,并且在保证熨烫效果的同时,还根据待熨烫布料的褶皱分布位置,合理规划熨烫路径,使熨烫的效率提升,实现了对服装熨烫的智能调控。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于服装生产的高效熨烫方法,其特征在于,包括:
获取待熨烫布料表面梯度图;
根据梯度图中各像素点的梯度幅值得到梯度图中所有的褶皱点;
利用熨烫头所占熨烫区域大小构建滑窗对梯度图进行遍历,利用每一个滑窗内所有褶皱点的梯度方向和梯度幅值构建该滑窗的褶皱方向矩阵;
根据各滑窗的褶皱方向矩阵计算得到各滑窗在不同熨烫角度的重要性;
利用各滑窗在不同熨烫角度的重要性获得各滑窗在不同熨烫角度的比重;
根据各滑窗在不同熨烫角度的比重计算得到各滑窗的熨烫方向;
根据各滑窗的熨烫方向和褶皱点位置获取熨烫位置图;
根据熨烫位置图中当前位置和下一个位置的熨烫方向分别与滑窗方向之间的角度的差值,得到当前位置的所有待选择位置的熨烫偏差;
根据熨烫位置图中下一个位置的褶皱点数量得到当前位置的所有待选择位置的新褶皱点数量;
根据当前位置的所有待选择位置的熨烫偏差和新褶皱点数量计算得到当前位置的所有待选择位置的熨烫路径移动合理度;
根据当前位置的所有待选择位置的熨烫路径移动合理度确定待熨烫布料的所有最佳熨烫路径;
根据待熨烫布料的所有最佳熨烫路径对熨烫头进行调控。
2.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述待熨烫布料表面梯度图是按照如下方式获取:
采集待熨烫布料表面图像;
对表面图进行灰度化处理,得到待熨烫布料表面灰度图;
利用sobel算子对灰度图进行处理,得到灰度图中各像素点的梯度方向和梯度幅值;
根据各像素点的梯度方向和梯度幅值获取待熨烫布料表面梯度图。
3.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述梯度图中所有的褶皱点是按照如下方式得到:
设置阈值,对梯度图中各像素点的梯度幅值进行判断;
当像素点的梯度幅值大于等于阈值时,将该像素点记作褶皱点,得到梯度图中所有的褶皱点。
4.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述滑窗的褶皱方向矩阵是按照如下方式构建:
获取熨烫头在梯度图中所占熨烫区域大小;
利用与熨烫头在梯度图中所占熨烫区域大小相同的滑窗对梯度图进行遍历,根据褶皱点的梯度方向和梯度幅值对各滑窗窗口内的所有褶皱点进行分级;
统计各滑窗窗口内相同梯度方向级别的同梯度幅值级别的褶皱点的连续出现个数,根据连续出现个数构建所有滑窗的褶皱方向矩阵。
5.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述各滑窗在不同熨烫角度的重要性的表达式如下:
式中,表示各滑窗在熨烫角度为/>的重要性,N表示各滑窗内褶皱点的个数,/>为褶皱长度,/>为滑窗大小,/>表示褶皱方向矩阵中熨烫角度为/>,褶皱长度为d对应的统计值。
6.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述各滑窗的熨烫方向的表达式如下:
式中,表示中心位置在原布料图像上的坐标为/>的滑窗的熨烫方向,分别表示各滑窗在熨烫角度为0°、45°、90°、135°的比重。
7.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述待熨烫布料的所有最佳熨烫路径是按照如下方式确定:
将位置图中当前位置的熨烫方向和滑窗方向的角度与各待选择位置的熨烫方向和滑窗方向的角度作差,根据角度差均值得到当前位置的所有待选择位置的熨烫偏差;
根据位置图中当前位置和各待选择位置包含的褶皱点计算得到当前位置的所有待选择位置的新褶皱点数量;
根据当前位置的所有待选择位置的熨烫偏差和新褶皱点数量计算得到当前位置的所有待选择位置的熨烫路径移动合理度;
将当前位置的所有待选择位置的熨烫路径移动合理度最大值对应的待选择位置作为当前位置的下一个移动位置;
按照得到当前位置的下一个移动位置的方法进行迭代选择,直到当前位置的所有待选择位置的新褶皱点数量为0,停止移动,确定第一条最佳熨烫路径;
重新选择起始点,按照确定第一条最佳熨烫路径的方法进行迭代选择,直到位置图中所有位置都被熨烫,停止选择,确定待熨烫布料的所有最佳熨烫路径。
8.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述当前位置的下一个位置为所述当前位置预设邻域范围内的每个位置。
9.根据权利要求8所述的一种用于服装生产的高效熨烫方法,其特征在于,所述预设邻域范围为八邻域范围。
10.根据权利要求1所述的一种用于服装生产的高效熨烫方法,其特征在于,所述利用熨烫头所占熨烫区域大小构建滑窗包括:
获得熨烫头所占熨烫区域的最小外接正方形,以所述最小外接正方形的大小作为所述滑窗的尺寸。
CN202311211256.2A 2023-09-20 2023-09-20 一种用于服装生产的高效熨烫方法 Active CN116949732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311211256.2A CN116949732B (zh) 2023-09-20 2023-09-20 一种用于服装生产的高效熨烫方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311211256.2A CN116949732B (zh) 2023-09-20 2023-09-20 一种用于服装生产的高效熨烫方法

Publications (2)

Publication Number Publication Date
CN116949732A true CN116949732A (zh) 2023-10-27
CN116949732B CN116949732B (zh) 2023-12-08

Family

ID=88453306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311211256.2A Active CN116949732B (zh) 2023-09-20 2023-09-20 一种用于服装生产的高效熨烫方法

Country Status (1)

Country Link
CN (1) CN116949732B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001047796A (ja) * 1999-05-28 2001-02-20 Fluency Kenkyusho:Kk アイロンプリント用シート作成装置
WO2018192112A1 (zh) * 2017-04-20 2018-10-25 广州视源电子科技股份有限公司 衣物识别方法、装置、衣物护理机及存储介质
CN115131348A (zh) * 2022-08-30 2022-09-30 海门喜满庭纺织品有限公司 一种纺织品表面缺陷的检测方法及系统
CN115294100A (zh) * 2022-09-26 2022-11-04 南通南伽纺织机械有限公司 一种基于数据处理的织布机停车控制方法及系统
CN116266351A (zh) * 2021-12-17 2023-06-20 张家港市丰茂纺织有限公司 一种混纺纱面料监控处理系统及处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001047796A (ja) * 1999-05-28 2001-02-20 Fluency Kenkyusho:Kk アイロンプリント用シート作成装置
WO2018192112A1 (zh) * 2017-04-20 2018-10-25 广州视源电子科技股份有限公司 衣物识别方法、装置、衣物护理机及存储介质
CN116266351A (zh) * 2021-12-17 2023-06-20 张家港市丰茂纺织有限公司 一种混纺纱面料监控处理系统及处理方法
CN115131348A (zh) * 2022-08-30 2022-09-30 海门喜满庭纺织品有限公司 一种纺织品表面缺陷的检测方法及系统
CN115294100A (zh) * 2022-09-26 2022-11-04 南通南伽纺织机械有限公司 一种基于数据处理的织布机停车控制方法及系统

Also Published As

Publication number Publication date
CN116949732B (zh) 2023-12-08

Similar Documents

Publication Publication Date Title
CN101799434B (zh) 一种印刷图像缺陷检测方法
CN105334219B (zh) 一种残差分析动态阈值分割的瓶口缺陷检测方法
CN116843688B (zh) 一种纺织品质量视觉检测方法
CN108335309B (zh) 基于图像的条纹布料检测定位裁剪方法及其系统和存储介质
CN113610852B (zh) 基于图像处理的纱线牵伸质量监测方法
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
JP6872670B2 (ja) 寸法計測装置、寸法計測プログラム及び半導体製造システム
CN109685788B (zh) 一种基于形态学特征的楼面缺陷图像自动检测方法
JPH04240261A (ja) 画像認識装置及び柄合せ裁断装置
CN110443791B (zh) 一种基于深度学习网络的工件检测方法及其检测装置
CN104636749A (zh) 目标对象检测方法及装置
CN113340909B (zh) 一种基于机器视觉的胶线缺陷检测方法
CN112950541B (zh) 一种基于机器视觉的合成革涂胶在线监测方法
CN104021561A (zh) 基于小波变换及形态学运算的织物起毛起球图像分割方法
CN115096206B (zh) 一种基于机器视觉的零件尺寸高精度测量方法
CN113298809B (zh) 基于深度学习和超像素分割的复材超声图像缺陷检测方法
US20200143099A1 (en) Wafer-to-design image analysis (wdia) system
CN105741281A (zh) 基于邻域离散度的图像边缘检测方法
CN116949732B (zh) 一种用于服装生产的高效熨烫方法
CN109544513A (zh) 一种钢管端面缺陷提取识别的方法
CN108492306A (zh) 一种基于图像轮廓的x型角点提取方法
CN113838114B (zh) 一种基于边缘散焦追踪的高炉料面深度估计方法及系统
CN111476712A (zh) 一种烧结机的台车箅条图像的摄取及检测方法、系统
CN114037657A (zh) 一种结合区域生长与环形校正的锂电池极耳缺陷检测方法
CN111882549A (zh) 一种灰绿色细小异纤自动检测识别方法及检测识别系统

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
GR01 Patent grant
GR01 Patent grant