CN117089977B - 一种坯布生产动态监测方法、系统及介质 - Google Patents

一种坯布生产动态监测方法、系统及介质 Download PDF

Info

Publication number
CN117089977B
CN117089977B CN202311350670.1A CN202311350670A CN117089977B CN 117089977 B CN117089977 B CN 117089977B CN 202311350670 A CN202311350670 A CN 202311350670A CN 117089977 B CN117089977 B CN 117089977B
Authority
CN
China
Prior art keywords
grey cloth
information
image
gray
acquiring
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
Application number
CN202311350670.1A
Other languages
English (en)
Other versions
CN117089977A (zh
Inventor
曾伟祥
王学腾
许育锋
刘冬亮
安磊
林永桐
徐凌子
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.)
Shenzhen Mingxin Digital Intelligence Technology Co ltd
Original Assignee
Shenzhen Mingxin Digital Intelligence Technology 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 Shenzhen Mingxin Digital Intelligence Technology Co ltd filed Critical Shenzhen Mingxin Digital Intelligence Technology Co ltd
Priority to CN202311350670.1A priority Critical patent/CN117089977B/zh
Publication of CN117089977A publication Critical patent/CN117089977A/zh
Application granted granted Critical
Publication of CN117089977B publication Critical patent/CN117089977B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • D—TEXTILES; PAPER
    • D03—WEAVING
    • D03J—AUXILIARY WEAVING APPARATUS; WEAVERS' TOOLS; SHUTTLES
    • D03J1/00—Auxiliary apparatus combined with or associated with looms
    • D03J1/007—Fabric inspection on the loom and associated loom control
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
    • G01N21/8983—Irregularities in textured or patterned surfaces, e.g. textiles, wood for testing textile webs, i.e. woven material
    • 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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Textile Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Wood Science & Technology (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请实施例提供了一种坯布生产动态监测方法、系统及介质，该方法包括：获取订单信息，根据订单信息计算生产设备运行参数；根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；将纹理特征与预设的特征进行比较，得到特征偏差率；判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；若大于或等于，则生成坯布瑕疵信息；若小于，则将坯布表面监测数据传输至终端；通过获取坯布表面图像特征进行分析坯布纹理特征，并进行实时判断坯布表面的瑕疵，提高坯布生产的良品率。

Description

一种坯布生产动态监测方法、系统及介质
技术领域
本申请涉及坯布生产监测领域，具体而言，涉及一种坯布生产动态监测方法、系统及介质。
背景技术
坯布是指由有关的纤维通过纺织加工制成，未经染整加工的。坯布可分为毛坯和光坯，毛坯就是指从织机上下来未经漂染处理的坯布，而光坯就是指经过漂染处理后的坯布，现有的坯布在生产制造的时候一般包括以下工序：络筒、整经、浆纱、穿筘、织布和检验工序，现有的坯布生产过程中无法对坯布进行实时图像采集，并对图像进行纹理分析，从而难以对生产中的坯布瑕疵点进行实时检测，造成坯布良品率较差，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种坯布生产动态监测方法、系统及介质，可以通过获取坯布表面图像特征进行分析坯布纹理特征，并进行实时判断坯布表面的瑕疵，提高坯布生产的良品率。
本申请实施例还提供了一种坯布生产动态监测方法，包括：
获取订单信息，根据订单信息计算生产设备运行参数；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；
将纹理特征与预设的特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成坯布瑕疵信息；
若小于，则将坯布表面监测数据传输至终端。
可选地，在本申请实施例所述的坯布生产动态监测方法中，获取订单信息，根据订单信息计算生产设备运行参数，具体为：
获取订单信息，根据订单信息生成交易额、交易订单数；
根据交易额、交易订单数计算开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数；
将不同时间节点的开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数进行比较，生成生产设备运行参数偏差率；
判断生产设备运行参数偏差率；
若生产设备运行参数偏差率大于或等于预设的运行参数偏差率阈值，则生成调整信息，根据调整信息对生产设备运行参数进行调整；
若小于，则将生产设备运行参数进行实时存储。
可选地，在本申请实施例所述的坯布生产动态监测方法中，根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像，具体为：
获取织机车速信息，获取相邻时间节点的坯布表面图像；
将相邻时间节点的坯布表面图像进行标记区域分析，计算相邻时间节点的坯布表面重合区域面积；
根据坯布表面重合区域面积生成时间调整系数；
根据时间调整系数修正拍照时间节点。
可选地，在本申请实施例所述的坯布生产动态监测方法中，若大于或等于，则生成坯布瑕疵信息，具体为：
获取相邻时间节点的坯布表面图像；
对坯布表面图像进行区域分割，得到若干个子区域图像；
获取若干个子区域图像灰度值，将相邻子区域灰度值进行比较，得到灰度差；
若灰度差大于预设的灰度阈值，则生成调节信息，根据调节信息对拍照角度或/和拍照亮度进行调整；
若小于，则根据灰度差值获取坯布瑕疵点灰度信息。
可选地，在本申请实施例所述的坯布生产动态监测方法中，获取订单信息，根据订单信息生成交易额、交易订单数之后，还包括：
根据订单信息生成坯布需求产量信息；
获取开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数，计算当前坯布产量信息；
将当前坯布产量信息与坯布需求产量信息进行比较，判断当前坯布产量信息是否满足要求；
若不满足要求，则调整投入生产开机设备数量；同时获取不同时间段内坯布生产用电量，得到用电量波动信息，根据用电量波动信息计算坯布产量波动信息；
若满足要求，则根据运行时间分别计算不同时间段内的坯布产量。
可选地，在本申请实施例所述的坯布生产动态监测方法中，提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征，具体为：
获取坯布表面图像，提取图像特征，并计算图像特征值；
将图像特征值与预设的图像特征值进行比较，生成特征值分布曲线图；
根据特征值分布曲线图计算图像线条分布信息；
根据图像线条分布信息生成图像纹理分布信息；
提取图像纹理特征，将图像纹理特征与预设的纹理特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成修正信息，根据修正信息对图像纹理特征进行修正；
若小于，则得到优化后的纹理特征。
第二方面，本申请实施例提供了一种坯布生产动态监测系统，该系统包括：存储器及处理器，所述存储器中包括坯布生产动态监测方法的程序，所述坯布生产动态监测方法的程序被所述处理器执行时实现以下步骤：
获取订单信息，根据订单信息计算生产设备运行参数；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；
将纹理特征与预设的特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成坯布瑕疵信息；
若小于，则将坯布表面监测数据传输至终端。
可选地，在本申请实施例所述的坯布生产动态监测系统中，获取订单信息，根据订单信息计算生产设备运行参数，具体为：
获取订单信息，根据订单信息生成交易额、交易订单数；
根据交易额、交易订单数计算开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数；
将不同时间节点的开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数进行比较，生成生产设备运行参数偏差率；
判断生产设备运行参数偏差率；
若生产设备运行参数偏差率大于或等于预设的运行参数偏差率阈值，则生成调整信息，根据调整信息对生产设备运行参数进行调整；
若小于，则将生产设备运行参数进行实时存储。
可选地，在本申请实施例所述的坯布生产动态监测系统中，根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像，具体为：
获取织机车速信息，获取相邻时间节点的坯布表面图像；
将相邻时间节点的坯布表面图像进行标记区域分析，计算相邻时间节点的坯布表面重合区域面积；
根据坯布表面重合区域面积生成时间调整系数；
根据时间调整系数修正拍照时间节点。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括坯布生产动态监测方法程序，所述坯布生产动态监测方法程序被处理器执行时，实现如上述任一项所述的坯布生产动态监测方法的步骤。
由上可知，本申请实施例提供的一种坯布生产动态监测方法、系统及介质，通过获取订单信息，根据订单信息计算生产设备运行参数；根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；将纹理特征与预设的特征进行比较，得到特征偏差率；判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；若大于或等于，则生成坯布瑕疵信息；若小于，则将坯布表面监测数据传输至终端；通过获取坯布表面图像特征进行分析坯布纹理特征，并进行实时判断坯布表面的瑕疵，提高坯布生产的良品率。
本申请的其他特征和优点将在随后的说明书阐述，本申请的目的和优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的坯布生产动态监测方法的流程图；
图2为本申请实施例提供的坯布生产动态监测方法的生产设备运行参数调整流程图；
图3为本申请实施例提供的坯布生产动态监测方法的拍照时间节点修正流程图；
图4为本申请实施例提供的坯布生产动态监测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种坯布生产动态监测方法的流程图。该坯布生产动态监测方法用于终端设备中，该坯布生产动态监测方法，包括以下步骤：
S101，获取订单信息，根据订单信息计算生产设备运行参数；
S102，根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；
S103，提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；将纹理特征与预设的特征进行比较，得到特征偏差率；
S104，判断特征偏差率是否大于或等于预设的特征偏差率阈值；
S105，若大于或等于，则生成坯布瑕疵信息；若小于，则将坯布表面监测数据传输至终端。
需要说明的是，通过分析订单信息，进行判断满足订单要求情况下，生产设备运行功率、运行时间以及运行负荷，进而使生产设备可以最大程度的投入生产，提高生产效率，尽快完成订单任务，根据不同的生产设备运行参数进行设定不同拍照时间节点，如根据坯布移动速度设定时间间隔，保证相邻时间间隔下的坯布表面图像的重合面积较小，也不会使中间具有间隔区域，在对坯布进行拍照时，尽可能的减少拍照次数，同时也可以将坯布整个表面全部呈现在图像中，提高坯布表面图像的分析精度，对坯布瑕疵分析更加精准。
请参照图2，图2是本申请一些实施例中的一种坯布生产动态监测方法的生产设备运行参数调整流程图。根据本发明实施例，获取订单信息，根据订单信息计算生产设备运行参数，具体为：
S201，获取订单信息，根据订单信息生成交易额、交易订单数；
S202，根据交易额、交易订单数计算开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数；
S203，将不同时间节点的开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数进行比较，生成生产设备运行参数偏差率；
S204，判断生产设备运行参数偏差率；
S205，若生产设备运行参数偏差率大于或等于预设的运行参数偏差率阈值，则生成调整信息，根据调整信息对生产设备运行参数进行调整；若小于，则将生产设备运行参数进行实时存储。
需要说明的是，通过分析不同时间节点的生产设备运行参数，并判断运行参数偏差率，进行实时动态调整，保证运行参数可以满足订单要求，实现坯布生产的智能化监控。
请参照图3，图3是本申请一些实施例中的一种坯布生产动态监测方法的拍照时间节点修正流程图。根据本发明实施例，根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像，具体为：
S301，获取织机车速信息，获取相邻时间节点的坯布表面图像；
S302，将相邻时间节点的坯布表面图像进行标记区域分析，计算相邻时间节点的坯布表面重合区域面积；
S303，根据坯布表面重合区域面积生成时间调整系数；
S304，根据时间调整系数修正拍照时间节点。
需要说明的是，对坯布表面图像进行标记，通过判断标记区域，进行分析计算相邻时间节点的坯布表面重合区域面积，保证重合区域面积不会过大也不会过小，过大会造成拍照图像的浪费以及数据分析的重复率，过小会造成坯布图像出现断层，造成无法完成的呈现整个坯布表面图像，分析精度下降。
根据本发明实施例，若大于或等于，则生成坯布瑕疵信息，具体为：
获取相邻时间节点的坯布表面图像；
对坯布表面图像进行区域分割，得到若干个子区域图像；
获取若干个子区域图像灰度值，将相邻子区域灰度值进行比较，得到灰度差；
若灰度差大于预设的灰度阈值，则生成调节信息，根据调节信息对拍照角度或/和拍照亮度进行调整；
若小于，则根据灰度差值获取坯布瑕疵点灰度信息。
根据本发明实施例，获取相邻时间节点的坯布表面图像之后，还包括：
获取坯布表面图像，通过均方误差对坯布表面图像进行去噪处理，并计算图像离散程度；
若图像离散程度满足要求，则计算瑕疵点边缘信息，根据瑕疵点边缘信息生成瑕疵点区域信息；
若图像离散程度不满足要求，则调整去噪参数对坯布表面图像进行二次降噪。
需要说明的是，通过对坯布表面图像进行去噪处理，进行去除图像噪声信号，提高坯布表面图像清晰度，在进行瑕疵点获取时，判断结果更加精准。
根据本发明实施例，提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征，具体为：
获取坯布表面图像，提取图像特征，并计算图像特征值；
将图像特征值与预设的图像特征值进行比较，生成特征值分布曲线图；
根据特征值分布曲线图计算图像线条分布信息；
根据图像线条分布信息生成图像纹理分布信息；
提取图像纹理特征，将图像纹理特征与预设的纹理特征进行比较，得到特征偏差率；
判断特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成修正信息，根据修正信息对图像纹理特征进行修正；
若小于，则得到优化后的纹理特征。
需要说明的是，通过分析坯布表面图像进行纹理提取分析，不同的坯布，不同的工艺下的坯布纹理特征存在差异，通过分析纹理特征进行判断坯布表面纹理缺陷，进而对瑕疵点进行精准的分析识别。
根据本发明实施例，还包括：
获取生产设备运行参数信息，根据生产设备运行参数信息计算生产设备实时用电量；
将生产设备实时用电量与预设的电量进行比较，得到电量偏移度；
判断电量偏移度是否大于或等于预设的偏移度阈值；
若大于或等于，则判定生产设备故障，并对生产设备进行预警；
若小于，则生成生产设备日耗电曲线、周耗电曲线与月耗电曲线。
需要说明的是，根据生产设备运行参数信息对生产设备的用电量进行实时分析对比，判断用电量的偏移量与偏移度，进行实时分析判断生产设备的运行安全，提高生产设备运行安全性。
根据本发明实施例，获取订单信息，根据订单信息生成交易额、交易订单数之后，还包括：
根据订单信息生成坯布需求产量信息；
获取开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数，计算当前坯布产量信息；
将当前坯布产量信息与坯布需求产量信息进行比较，判断当前坯布产量信息是否满足要求；
若不满足要求，则调整投入生产开机设备数量；同时获取不同时间段内坯布生产用电量，得到用电量波动信息，根据用电量波动信息计算坯布产量波动信息；
若满足要求，则根据运行时间分别计算不同时间段内的坯布产量。
需要说明的是，通过分析不同时间段内的坯布产量，得到坯布产量波动信息，同时结合设备用电量波动，进行交叉验证当前运行工况是否满足订单要求，并实时调整投入运行的织机数量，提高设备运行效率。
请参照图4，图4是本申请一些实施例中的一种坯布生产动态监测系统的结构示意图。第二方面，本申请实施例提供了一种坯布生产动态监测系统4，该系统包括：存储器41及处理器42，存储器41中包括坯布生产动态监测方法的程序，坯布生产动态监测方法的程序被处理器执行时实现以下步骤：
获取订单信息，根据订单信息计算生产设备运行参数；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；
将纹理特征与预设的特征进行比较，得到特征偏差率；
判断特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成坯布瑕疵信息；
若小于，则将坯布表面监测数据传输至终端。
需要说明的是，通过分析订单信息，进行判断满足订单要求情况下，生产设备运行功率、运行时间以及运行负荷，进而使生产设备可以最大程度的投入生产，提高生产效率，尽快完成订单任务，根据不同的生产设备运行参数进行设定不同拍照时间节点，如根据坯布移动速度设定时间间隔，保证相邻时间间隔下的坯布表面图像的重合面积较小，也不会使中间具有间隔区域，在对坯布进行拍照时，尽可能的减少拍照次数，同时也可以将坯布整个表面全部呈现在图像中，提高坯布表面图像的分析精度，对坯布瑕疵分析更加精准。
根据本发明实施例，获取订单信息，根据订单信息计算生产设备运行参数，具体为：
获取订单信息，根据订单信息生成交易额、交易订单数；
根据交易额、交易订单数计算开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数；
将不同时间节点的开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数进行比较，生成生产设备运行参数偏差率；
判断生产设备运行参数偏差率；
若生产设备运行参数偏差率大于或等于预设的运行参数偏差率阈值，则生成调整信息，根据调整信息对生产设备运行参数进行调整；
若小于，则将生产设备运行参数进行实时存储。
需要说明的是，通过分析不同时间节点的生产设备运行参数，并判断运行参数偏差率，进行实时动态调整，保证运行参数可以满足订单要求，实现坯布生产的智能化监控。
根据本发明实施例，根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像，具体为：
获取织机车速信息，获取相邻时间节点的坯布表面图像；
将相邻时间节点的坯布表面图像进行标记区域分析，计算相邻时间节点的坯布表面重合区域面积；
根据坯布表面重合区域面积生成时间调整系数；
根据时间调整系数修正拍照时间节点。
需要说明的是，对坯布表面图像进行标记，通过判断标记区域，进行分析计算相邻时间节点的坯布表面重合区域面积，保证重合区域面积不会过大也不会过小，过大会造成拍照图像的浪费以及数据分析的重复率，过小会造成坯布图像出现断层，造成无法完成的呈现整个坯布表面图像，分析精度下降。
根据本发明实施例，若大于或等于，则生成坯布瑕疵信息，具体为：
获取相邻时间节点的坯布表面图像；
对坯布表面图像进行区域分割，得到若干个子区域图像；
获取若干个子区域图像灰度值，将相邻子区域灰度值进行比较，得到灰度差；
若灰度差大于预设的灰度阈值，则生成调节信息，根据调节信息对拍照角度或/和拍照亮度进行调整；
若小于，则根据灰度差值获取坯布瑕疵点灰度信息。
根据本发明实施例，获取相邻时间节点的坯布表面图像之后，还包括：
获取坯布表面图像，通过均方误差对坯布表面图像进行去噪处理，并计算图像离散程度；
若图像离散程度满足要求，则计算瑕疵点边缘信息，根据瑕疵点边缘信息生成瑕疵点区域信息；
若图像离散程度不满足要求，则调整去噪参数对坯布表面图像进行二次降噪。
需要说明的是，通过对坯布表面图像进行去噪处理，进行去除图像噪声信号，提高坯布表面图像清晰度，在进行瑕疵点获取时，判断结果更加精准。
根据本发明实施例，提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征，具体为：
获取坯布表面图像，提取图像特征，并计算图像特征值；
将图像特征值与预设的图像特征值进行比较，生成特征值分布曲线图；
根据特征值分布曲线图计算图像线条分布信息；
根据图像线条分布信息生成图像纹理分布信息；
提取图像纹理特征，将图像纹理特征与预设的纹理特征进行比较，得到特征偏差率；
判断特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成修正信息，根据修正信息对图像纹理特征进行修正；
若小于，则得到优化后的纹理特征。
需要说明的是，通过分析坯布表面图像进行纹理提取分析，不同的坯布，不同的工艺下的坯布纹理特征存在差异，通过分析纹理特征进行判断坯布表面纹理缺陷，进而对瑕疵点进行精准的分析识别。
根据本发明实施例，还包括：
获取生产设备运行参数信息，根据生产设备运行参数信息计算生产设备实时用电量；
将生产设备实时用电量与预设的电量进行比较，得到电量偏移度；
判断电量偏移度是否大于或等于预设的偏移度阈值；
若大于或等于，则判定生产设备故障，并对生产设备进行预警；
若小于，则生成生产设备日耗电曲线、周耗电曲线与月耗电曲线。
需要说明的是，根据生产设备运行参数信息对生产设备的用电量进行实时分析对比，判断用电量的偏移量与偏移度，进行实时分析判断生产设备的运行安全，提高生产设备运行安全性。
根据本发明实施例，获取订单信息，根据订单信息生成交易额、交易订单数之后，还包括：
根据订单信息生成坯布需求产量信息；
获取开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数，计算当前坯布产量信息；
将当前坯布产量信息与坯布需求产量信息进行比较，判断当前坯布产量信息是否满足要求；
若不满足要求，则调整投入生产开机设备数量；同时获取不同时间段内坯布生产用电量，得到用电量波动信息，根据用电量波动信息计算坯布产量波动信息；
若满足要求，则根据运行时间分别计算不同时间段内的坯布产量。
需要说明的是，通过分析不同时间段内的坯布产量，得到坯布产量波动信息，同时结合设备用电量波动，进行交叉验证当前运行工况是否满足订单要求，并实时调整投入运行的织机数量，提高设备运行效率。
本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括坯布生产动态监测方法程序，坯布生产动态监测方法程序被处理器执行时，实现如上述任一项的坯布生产动态监测方法的步骤。
本发明公开的一种坯布生产动态监测方法、系统及介质，通过获取订单信息，根据订单信息计算生产设备运行参数；根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；将纹理特征与预设的特征进行比较，得到特征偏差率；判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；若大于或等于，则生成坯布瑕疵信息；若小于，则将坯布表面监测数据传输至终端；通过获取坯布表面图像特征进行分析坯布纹理特征，并进行实时判断坯布表面的瑕疵，提高坯布生产的良品率。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元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，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (6)

1.一种坯布生产动态监测方法，其特征在于，包括：
获取订单信息，根据订单信息计算生产设备运行参数；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；
将纹理特征与预设的特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成坯布瑕疵信息；
若小于，则将坯布表面监测数据传输至终端；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像，具体为：
获取织机车速信息，获取相邻时间节点的坯布表面图像；
将相邻时间节点的坯布表面图像进行标记区域分析，计算相邻时间节点的坯布表面重合区域面积；
根据坯布表面重合区域面积生成时间调整系数；
根据时间调整系数修正拍照时间节点；
若大于或等于，则生成坯布瑕疵信息，具体为：
获取相邻时间节点的坯布表面图像；
对坯布表面图像进行区域分割，得到若干个子区域图像；
获取若干个子区域图像灰度值，将相邻子区域灰度值进行比较，得到灰度差；
若灰度差大于预设的灰度阈值，则生成调节信息，根据调节信息对拍照角度或/和拍照亮度进行调整；
若小于，则根据灰度差值获取坯布瑕疵点灰度信息；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征，具体为：
获取坯布表面图像，提取图像特征，并计算图像特征值；
将图像特征值与预设的图像特征值进行比较，生成特征值分布曲线图；
根据特征值分布曲线图计算图像线条分布信息；
根据图像线条分布信息生成图像纹理分布信息；
提取图像纹理特征，将图像纹理特征与预设的纹理特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成修正信息，根据修正信息对图像纹理特征进行修正；
若小于，则得到优化后的纹理特征。
2. 根据权利要求 1 所述的坯布生产动态监测方法，其特征在于，获取订单信息，根据订单信息计算生产设备运行参数，具体为：
获取订单信息，根据订单信息生成交易额、交易订单数；
根据交易额、交易订单数计算开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数；
将不同时间节点的开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数进行比较，生成生产设备运行参数偏差率；
判断生产设备运行参数偏差率；
若生产设备运行参数偏差率大于或等于预设的运行参数偏差率阈值，则生成调整信息，根据调整信息对生产设备运行参数进行调整；
若小于，则将生产设备运行参数进行实时存储。
3. 根据权利要求 1 所述的坯布生产动态监测方法，其特征在于，获取订单信息，根据订单信息生成交易额、交易订单数之后，还包括：
根据订单信息生成坯布需求产量信息；
获取开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数，计算当前坯布产量信息；
将当前坯布产量信息与坯布需求产量信息进行比较，判断当前坯布产量信息是否满足要求；
若不满足要求，则调整投入生产开机设备数量；同时获取不同时间段内坯布生产用电量，得到用电量波动信息，根据用电量波动信息计算坯布产量波动信息；
若满足要求，则根据运行时间分别计算不同时间段内的坯布产量。
4.一种坯布生产动态监测系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括坯布生产动态监测方法的程序，所述坯布生产动态监测方法的程序被所述处理器执行时实现以下步骤：
获取订单信息，根据订单信息计算生产设备运行参数；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征；
将纹理特征与预设的特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成坯布瑕疵信息；
若小于，则将坯布表面监测数据传输至终端；
根据生产设备运行参数设定拍照时间节点，根据拍照时间节点对坯布表面进行拍照，获取若干个时间节点的坯布表面图像，具体为：
获取织机车速信息，获取相邻时间节点的坯布表面图像；
将相邻时间节点的坯布表面图像进行标记区域分析，计算相邻时间节点的坯布表面重合区域面积；
根据坯布表面重合区域面积生成时间调整系数；
根据时间调整系数修正拍照时间节点；
若大于或等于，则生成坯布瑕疵信息，具体为：
获取相邻时间节点的坯布表面图像；
对坯布表面图像进行区域分割，得到若干个子区域图像；
获取若干个子区域图像灰度值，将相邻子区域灰度值进行比较，得到灰度差；
若灰度差大于预设的灰度阈值，则生成调节信息，根据调节信息对拍照角度或/和拍照亮度进行调整；
若小于，则根据灰度差值获取坯布瑕疵点灰度信息；
提取坯布表面图像特征，并对坯布表面图像特征进行分析，得到纹理特征，具体为：
获取坯布表面图像，提取图像特征，并计算图像特征值；
将图像特征值与预设的图像特征值进行比较，生成特征值分布曲线图；
根据特征值分布曲线图计算图像线条分布信息；
根据图像线条分布信息生成图像纹理分布信息；
提取图像纹理特征，将图像纹理特征与预设的纹理特征进行比较，得到特征偏差率；
判断所述特征偏差率是否大于或等于预设的特征偏差率阈值；
若大于或等于，则生成修正信息，根据修正信息对图像纹理特征进行修正；
若小于，则得到优化后的纹理特征。
5. 根据权利要求 4 所述的坯布生产动态监测系统，其特征在于，获取订单信息，根据订单信息计算生产设备运行参数，具体为：
获取订单信息，根据订单信息生成交易额、交易订单数；
根据交易额、交易订单数计算开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数；
将不同时间节点的开机设备数、运行时间、织机车速、织物纬密、运行频率、收缩率、织机数量、用电量、电流、电压、编码器周长或转动圈数进行比较，生成生产设备运行参数偏差率；
判断生产设备运行参数偏差率；
若生产设备运行参数偏差率大于或等于预设的运行参数偏差率阈值，则生成调整信息，根据调整信息对生产设备运行参数进行调整；
若小于，则将生产设备运行参数进行实时存储。
6. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括坯布生产动态监测方法程序，所述坯布生产动态监测方法程序被处理器执行时，实现如权利要求 1至 3 中任一项所述的坯布生产动态监测方法的步骤。
CN202311350670.1A 2023-10-18 2023-10-18 一种坯布生产动态监测方法、系统及介质 Active CN117089977B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311350670.1A CN117089977B (zh) 2023-10-18 2023-10-18 一种坯布生产动态监测方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311350670.1A CN117089977B (zh) 2023-10-18 2023-10-18 一种坯布生产动态监测方法、系统及介质

Publications (2)

Publication Number Publication Date
CN117089977A CN117089977A (zh) 2023-11-21
CN117089977B true CN117089977B (zh) 2024-01-05

Family

ID=88781531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311350670.1A Active CN117089977B (zh) 2023-10-18 2023-10-18 一种坯布生产动态监测方法、系统及介质

Country Status (1)

Country Link
CN (1) CN117089977B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117631630A (zh) * 2024-01-17 2024-03-01 东莞市鹏锦机械科技有限公司 一种涂布回收一体机的最佳工况控制方法、系统及介质
CN118122579A (zh) * 2024-02-01 2024-06-04 东莞市鹏锦机械科技有限公司 涂布回收一体机的涂布效果视觉检测方法、系统及介质
CN118533848A (zh) * 2024-07-25 2024-08-23 江西智成飞桨科技有限公司 Ffc排线ai瑕疵检测方法、系统及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201229308Y (zh) * 2008-07-07 2009-04-29 湖北工业大学 一种坯布表面疵点在线检测装置
CN108364291A (zh) * 2018-03-13 2018-08-03 钟国韵 基于计算机视觉技术的原坯布快速检测方法
CN113642938A (zh) * 2021-10-13 2021-11-12 江苏宽程装备科技有限公司 一种智能化生产管理方法及系统
CN115937107A (zh) * 2022-11-16 2023-04-07 上海致景信息科技有限公司 一种两阶段坯布缺陷检测方法、系统、介质及计算机
CN116124783A (zh) * 2022-10-24 2023-05-16 王绍航 一种毛坯布织造的瑕疵检测方法及装置
CN116579672A (zh) * 2023-07-15 2023-08-11 图南益(杭州)智能科技有限公司 一种布匹质量管控方法、系统、电子设备和存储介质
CN116757371A (zh) * 2023-08-23 2023-09-15 深圳市明心数智科技有限公司 一种印染生产流程的监测预警方法、系统及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201229308Y (zh) * 2008-07-07 2009-04-29 湖北工业大学 一种坯布表面疵点在线检测装置
CN108364291A (zh) * 2018-03-13 2018-08-03 钟国韵 基于计算机视觉技术的原坯布快速检测方法
CN113642938A (zh) * 2021-10-13 2021-11-12 江苏宽程装备科技有限公司 一种智能化生产管理方法及系统
CN116124783A (zh) * 2022-10-24 2023-05-16 王绍航 一种毛坯布织造的瑕疵检测方法及装置
CN115937107A (zh) * 2022-11-16 2023-04-07 上海致景信息科技有限公司 一种两阶段坯布缺陷检测方法、系统、介质及计算机
CN116579672A (zh) * 2023-07-15 2023-08-11 图南益(杭州)智能科技有限公司 一种布匹质量管控方法、系统、电子设备和存储介质
CN116757371A (zh) * 2023-08-23 2023-09-15 深圳市明心数智科技有限公司 一种印染生产流程的监测预警方法、系统及介质

Also Published As

Publication number Publication date
CN117089977A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN117089977B (zh) 一种坯布生产动态监测方法、系统及介质
CN107197233A (zh) 基于边缘计算模型的监控视频数据质量评测方法及装置
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
CN103471973A (zh) 一种图像法测定织物孔隙特征的方法
CN108288272A (zh) 纱线识别方法及装置
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
CN116152261B (zh) 一种印刷制品质量的视觉检测系统
CN116523899A (zh) 一种基于机器视觉的纺织品瑕疵检测方法及系统
CN115082460B (zh) 一种织布生产线质量监控方法及系统
CN110097538A (zh) 一种织机在线验布装置及疵点识别方法
CN115526885A (zh) 一种产品图像缺陷检测方法、系统、装置及介质
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN110672209A (zh) 一种经编布匹色差在线检测方法
CN110570418A (zh) 一种织唛缺陷检测方法和装置
KR100234593B1 (ko) 직물의 고속 검사방법
CN116563223B (zh) 一种玻纤纱线绕罗拉检测方法、设备及存储介质
CN112488986A (zh) 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统
CN115619796A (zh) 获取光伏组件模板的方法及装置、非易失性存储介质
CN113935966B (zh) 金属物料的渣点检测方法、装置、设备和存储介质
CN111681229B (zh) 深度学习模型训练方法、可穿戴衣服瑕疵识别方法及装置
CN114913123A (zh) 过滤网的网格缺陷检测方法及装置
CN113593074A (zh) 监控视频生成方法及装置
CN113361444B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN118095971B (zh) 一种ad钙奶饮料加工工艺评估方法、系统及介质
CN115424062B (zh) 一种自动识别斜线网的方法及装置、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