CN117670993A - 一种基于机器视觉的纺织生产加工监控系统 - Google Patents
一种基于机器视觉的纺织生产加工监控系统 Download PDFInfo
- Publication number
- CN117670993A CN117670993A CN202311668542.1A CN202311668542A CN117670993A CN 117670993 A CN117670993 A CN 117670993A CN 202311668542 A CN202311668542 A CN 202311668542A CN 117670993 A CN117670993 A CN 117670993A
- Authority
- CN
- China
- Prior art keywords
- textile
- fzp
- processing
- wls
- fys
- 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
- 239000004753 textile Substances 0.000 title claims abstract description 208
- 238000012545 processing Methods 0.000 title claims abstract description 88
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 95
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000011269 treatment regimen Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000009940 knitting Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000011282 treatment Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 16
- 239000003086 colorant Substances 0.000 description 13
- 239000004744 fabric Substances 0.000 description 11
- 230000007547 defect Effects 0.000 description 10
- 238000000034 method Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 108010068977 Golgi membrane glycoproteins Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T7/40—Analysis of texture
-
- 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
- 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
- G06T2207/30—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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的纺织生产加工监控系统，涉及纺织生产加工监控技术领域，包括生产图像采集模块，采集每个纺织设备纺织生产过程中的图像；图像预处理模块，对所有图像进行预处理；特征提取模块，提取每个设备纺织图像中纺织品的颜色特征和纹理特征；颜色分析模块，计算获得每个纺织设备纺织品的颜色评价系数；纹理分析模块，获取纹理特征数据集，计算获得每个纺织设备纺织品的纹理评价系数；加工评判模块，计算获得每个设备纺织加工评价指数；设备预警模块，判断每个设备纺织加工评价指数与预设的加工质量阈值的关系，并选择不同的加工预警处理策略。可以判断设备的加工质量是否符合要求，避免纺织生产中断导致损失。
Description
技术领域
本发明涉及纺织生产加工监控技术领域，具体为一种基于机器视觉的纺织生产加工监控系统。
背景技术
在传统的纺织生产加工过程中，人工检测是常用的质量检测方式。然而，人工检测存在很多问题，如检测精度不高、检测效率低下、对检测人员的技能和经验依赖性强等。同时，随着纺织行业的发展和市场竞争的加剧，对纺织品的质量要求越来越高，传统的人工检测方式已经无法满足现代纺织生产加工的需求。为了解决传统人工检测的问题，基于机器视觉的纺织生产加工监控系统逐渐得到了研究和应用。机器视觉技术可以通过图像处理和分析，实现对纺织品的自动检测和识别，具有检测精度高、效率快、可靠性高等优点。
在申请公布号为CN115524337A的中国发明申请中，公开了基于机器视觉的验布方法，沿织物运行路径设置至少两个织物疵点检测机构，所述至少两个织物疵点检测机构分别采集织物同一区域在不同成像条件下的图像，所述不同成像条件下的图像分别对应不同疵点特征，中央处理单元采用与所述不同疵点特征相对应的图像处理算法对所述不同成像条件下的图像对应分析处理，得到所述织物同一区域的疵点数据，中央处理单元连续得到织物其余区域的疵点数据，并得到织物所有疵点数据，所述至少两个织物疵点检测机构与中央处理单元连接。
在以上发明申请中，使用了多个检测机构对织物的瑕疵点进行检测分析，但在实际使用时，检测过于复杂，费时费力，并且只能检测出纺织纹理错误，对于颜色并不能做出检测，当织物颜色出现差别时，无法做出有效识别。
为此，本发明提供了一种基于机器视觉的纺织生产加工监控系统。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于机器视觉的纺织生产加工监控系统，本发明可以及时检测出每个纺织设备纺织品的颜色和纹理质量问题，有助于企业优化生产工艺和参数，提高生产效率和产品质量。并通过比较每个设备的纺织加工评价指数与预设的加工质量阈值，可以判断设备的加工质量是否符合要求，如果评价指数低于阈值，说明设备的加工质量存在问题，从而及时采取措施进行维护和检修，避免纺织生产中断导致损失，从而解决了背景技术中记载的技术问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于机器视觉的纺织生产加工监控系统，包括：
生产图像采集模块，在生产线上纺织设备的关键位置安装图像采集设备，周期性采集每个纺织设备纺织生产过程中的图像，构建纺织图像数据集；
图像预处理模块，对所有图像进行预处理，优化图像质量和增强相关特征，包括图像去噪、图像增强及图像校正操作；
特征提取模块，获取纺织图像数据集，使用计算机视觉技术和图像处理软件，从预处理后的图像中提取每个设备纺织图像中纺织品的颜色特征和纹理特征，构建颜色特征数据集和纹理特征数据集；
颜色分析模块，获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值/>及蓝原色特征均值/>并进一步计算获得每个纺织设备纺织品的颜色评价系数Fys1，Fys2，…，Fysi)；
纹理分析模块，获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值/>及面积均值/>并进一步计算获得每个纺织设备纺织品的纹理评价系数Wls1，Wls2，…，Wlsi)；
加工评判模块，获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)和纹理评价系数(Wls1，Wls2，…，Wlsi)，计算获得颜色评价系数均值和纹理评价系数均值并进一步计算获得每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)；
设备预警模块，判断每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)与预设的加工质量阈值的关系，并选择不同的加工预警处理策略。
进一步的，颜色特征为纺织品的红绿蓝特征，通过在图像处理软件如Photoshop中打开图像，选择“通道”选项，看到图像的RGB三个通道，分别对应红绿蓝三种颜色，点击对应的通道即可获取该通道的RGB数值。
进一步的，纹理特征指的是纺织品每个针织网格的长度、宽度及面积，通过图像处理软件(如Adobe Photoshop或GIMP)中的测量工具来测量每个针织网格的长和宽，并计算出它们的面积。
进一步的，获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值/>及蓝原色特征均值/>对应的每个纺织设备纺织品的红原色特征均值/>的计算公式如下：
对应的每个纺织设备纺织品的绿原色特征均值的计算公式如下：
对应的每个纺织设备纺织品的蓝原色特征均值的计算公式如下：
其中，i表示每个纺织设备的顺序编号，j表示每个纺织设备纺织图像的时间顺序编号，i＝1、2、3、4、…、m，j＝1、2、3、4、…、n，m、n为正整数。
进一步的，获取每个纺织设备纺织品的红原色特征均值绿原色特征均值/>及蓝原色特征均值/>无量纲化处理后，关联形成每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)：
对应的每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)的计算公式如上。
进一步的，获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>对应的每个纺织设备纺织品每个针织网格的长度均值/>的计算公式如下：
对应的每个纺织设备纺织品针织网格的宽度均值的计算公式如下：
对应的每个纺织设备纺织品针织网格的面积均值的计算公式如下：
其中，k表示每个纺织设备的顺序编号，k＝1、2、3、4、…、a，a为正整数。
进一步的，获取每个纺织设备纺织品针织网格的长度均值宽度均值/>及面积均值/>无量纲化处理后，关联形成每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)：
对应的每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)的计算公式如上。
进一步的，获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)和纹理评价系数(Wls1，Wls2，…，Wlsi)，计算获得颜色评价系数均值和纹理评价系数均值/>
对应的颜色评价系数均值和纹理评价系数均值/>的计算公式如上。
进一步的，获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)、纹理评价系数(Wls1，Wls2，…，Wlsi)、颜色评价系数均值和纹理评价系数均值/>进行无量纲化处理后，关联获得每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)：
对应的每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)的计算公式如上。
进一步的，判断每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)与预设的加工质量阈值的关系，并选择不同的加工预警处理策略，具体为：
当每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)均小于加工质量阈值时，反馈当前所有设备加工正常，无需采取任何措施，继续保持监测，以防发生异常情况。
当每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)中至少有一个大于加工质量阈值时，向外发出加工预警命令，并输出对应的异常设备编号，对异常纺织设备进行干预，排除加工隐患。
其中，加工质量阈值为
(三)有益效果
本发明提供了一种基于机器视觉的纺织生产加工监控系统，具备以下有益效果：
1、通过获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值/>及蓝原色特征均值/>并进一步计算获得每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)，可以及时检测出每个纺织设备纺织品的颜色质量问题，如色差、污渍、纺织图案瑕疵和变形等，这有助于及时发现并解决颜色质量问题，提高产品质量和客户满意度。
2、获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>并进一步计算获得每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)，可以了解每个设备生产的纺织品的纹理质量情况，包括针织网格的尺寸和形状的稳定性，及时发现纺织品断经、断纬、稀密路以及破洞缺陷，有助于企业优化生产工艺和参数，提高生产效率和产品质量。
3、通过比较每个设备的纺织加工评价指数与预设的加工质量阈值，可以判断设备的加工质量是否符合要求，如果评价指数低于阈值，说明设备的加工质量存在问题，从而及时采取措施进行维护和检修，避免纺织生产中断导致损失。
附图说明
图1为本发明一种基于机器视觉的纺织生产加工监控系统结构示意图。
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。
请参阅图1，本发明提供一种基于机器视觉的纺织生产加工监控系统，包括：
生产图像采集模块，在生产线上纺织设备的关键位置安装图像采集设备，周期性采集每个纺织设备纺织生产过程中的图像，构建纺织图像数据集。
图像预处理模块，对所有图像进行预处理，优化图像质量和增强相关特征，包括图像去噪、图像增强及图像校正操作，提高后续处理的准确性和可靠性。
图像去噪是指减少数字图像中噪声的过程，这种噪声可能是由成像设备或外部环境产生的；图像增强是指改善图像的视觉效果，例如通过调整对比度、亮度、色彩等来改善图像的质量；图像校正是指从具有畸变的图像中消除畸变的处理过程，包括几何校正和辐射校正，几何校正主要消除图像的几何畸变，使其更接近真实值，辐射校正则主要消除辐射失真，使图像数据更接近真实情况。
特征提取模块，获取纺织图像数据集，使用计算机视觉技术和图像处理软件，从预处理后的图像中提取每个设备纺织图像中纺织品的颜色特征和纹理特征，构建颜色特征数据集和纹理特征数据集。
颜色特征为纺织品的红绿蓝特征，通过在图像处理软件如Photoshop中打开图像，选择“通道”选项，可以看到图像的RGB三个通道，分别对应红绿蓝三种颜色，点击对应的通道即可获取该通道的RGB数值。
红绿蓝特征指的是红绿蓝三色在色度学中的基本原理和特征。红绿蓝三色是相互独立的，任何一种基色都不能由其它两种颜色合成。红绿蓝三基色按照不同的比例相加混合，可以产生各种颜色，这一原理被广泛应用于计算机图形学、电视、显示器等领域。在人类视觉系统中，红绿蓝三色是最敏感的三种颜色，它们也是光的三原色，可以混合出可见光谱中的所有颜色。在RGB颜色空间中，红绿蓝三种颜色的数值范围通常为0-255，其中红色值的范围是0-255，绿色值的范围是0-255，蓝色值的范围也是0-255。
纹理特征指的是纺织品每个针织网格的长度、宽度及面积，通过图像处理软件(如Adobe Photoshop或GIMP)中的测量工具来测量每个针织网格的长和宽，并计算出它们的面积。
计算机视觉技术是人工智能的一个重要分支，它研究如何使计算机获取、处理、分析和理解数字图像的技术。简单来说，计算机视觉的研究者试图让计算机拥有像人类一样感知视觉世界并从图像中了解场景和环境的能力。计算机视觉的主要研究内容包括图像分类、物体检测、图像分割、目标跟踪、场景理解和其他。它涉及的核心技术包括机器学习和深度学习。计算机视觉已经在许多领域得到广泛应用，如驾驶辅助、医疗影像、安防监控、机器人视觉等。
颜色分析模块，获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值/>及蓝原色特征均值/>并进一步计算获得每个纺织设备纺织品的颜色评价系数/>
获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值及蓝原色特征均值/>对应的每个纺织设备纺织品的红原色特征均值/>的计算公式如下：
对应的每个纺织设备纺织品的绿原色特征均值的计算公式如下：
对应的每个纺织设备纺织品的蓝原色特征均值的计算公式如下：
其中，i表示每个纺织设备的顺序编号，j表示每个纺织设备纺织图像的时间顺序编号，i＝1、2、3、4、…、m，j＝1、2、3、4、…、n，m、n为正整数。
获取每个纺织设备纺织品的红原色特征均值绿原色特征均值及蓝原色特征均值/>无量纲化处理后，关联形成每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)：
对应的每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)的计算公式如上。
纹理分析模块，获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值/>及面积均值/>并进一步计算获得每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)。
获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>对应的每个纺织设备纺织品每个针织网格的长度均值/>的计算公式如下：
对应的每个纺织设备纺织品针织网格的宽度均值的计算公式如下：
对应的每个纺织设备纺织品针织网格的面积均值的计算公式如下：
其中，k表示每个纺织设备的顺序编号，k＝1、2、3、4、…、a，a为正整数。
获取每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>无量纲化处理后，关联形成每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)：
对应的每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)的计算公式如上。
加工评判模块，获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)和纹理评价系数(Wls1，Wls2，…，Wlsi)，计算获得颜色评价系数均值和纹理评价系数均值并进一步计算获得每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)。
获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)和纹理评价系数Wls1，Wls2，…，Wlsi)，计算获得颜色评价系数均值和纹理评价系数均值/>
对应的颜色评价系数均值和纹理评价系数均值/>的计算公式如上。
获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)、纹理评价系数Wls1，Wls2，…，Wlsi)、颜色评价系数均值和纹理评价系数均值/>进行无量纲化处理后，关联获得每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)：
对应的每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)的计算公式如上。
设备预警模块，判断每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)与预设的加工质量阈值的关系，并选择不同的加工预警处理策略。
判断每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)与预设的加工质量阈值的关系，并选择不同的加工预警处理策略，具体为：
当每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)均小于加工质量阈值时，反馈当前所有设备加工正常，无需采取任何措施，继续保持监测，以防发生异常情况。
当每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)中至少有一个大于加工质量阈值时，向外发出加工预警命令，并输出对应的异常设备编号，对异常纺织设备进行干预，排除加工隐患。
其中，加工质量阈值为
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种基于机器视觉的纺织生产加工监控系统，其特征在于：包括：
生产图像采集模块，在生产线上纺织设备的关键位置安装图像采集设备，周期性采集每个纺织设备纺织生产过程中的图像，构建纺织图像数据集；
图像预处理模块，对所有图像进行预处理，优化图像质量和增强相关特征，包括图像去噪、图像增强及图像校正操作；
特征提取模块，获取纺织图像数据集，使用计算机视觉技术和图像处理软件，从预处理后的图像中提取每个设备纺织图像中纺织品的颜色特征和纹理特征，构建颜色特征数据集和纹理特征数据集；
颜色分析模块，获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值/>及蓝原色特征均值/>并进一步计算获得每个纺织设备纺织品的颜色评价系数Fys1，Fys2，…，Fysi)；
纹理分析模块，获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>并进一步计算获得每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)；
加工评判模块，获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)和纹理评价系数(Wls1，Wls2，…，Wlsi)，计算获得颜色评价系数均值和纹理评价系数均值/>并进一步计算获得每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)；
设备预警模块，判断每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)与预设的加工质量阈值的关系，并选择不同的加工预警处理策略。
2.根据权利要求1所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：获取颜色特征数据集，包括红原色特征值Hyij、绿原色特征值Nvij及蓝原色特征值Lyij，计算获得每个纺织设备纺织品的红原色特征均值绿原色特征均值及蓝原色特征均值/>对应的每个纺织设备纺织品的红原色特征均值/>的计算公式如下：
对应的每个纺织设备纺织品的绿原色特征均值的计算公式如下：
对应的每个纺织设备纺织品的蓝原色特征均值的计算公式如下：
其中，i表示每个纺织设备的顺序编号，j表示每个纺织设备纺织图像的时间顺序编号，i＝1、2、3、4、…、m，j＝1、2、3、4、…、n，m、n为正整数。
3.根据权利要求2所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：
获取每个纺织设备纺织品的红原色特征均值绿原色特征均值及蓝原色特征均值/>无量纲化处理后，关联形成每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)：
对应的每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)的计算公式如上。
4.根据权利要求1所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：
获取纹理特征数据集，包括纺织品每个针织网格的长度Cdijk、宽度Kdijk及面积Mjijk，计算获得每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>对应的每个纺织设备纺织品每个针织网格的长度均值/>的计算公式如下：
对应的每个纺织设备纺织品针织网格的宽度均值的计算公式如下：
对应的每个纺织设备纺织品针织网格的面积均值的计算公式如下：
其中，k表示每个纺织设备的顺序编号，k＝1、2、3、4、…、a，a为正整数。
5.根据权利要求4所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：
获取每个纺织设备纺织品针织网格的长度均值宽度均值及面积均值/>无量纲化处理后，关联形成每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)：
对应的每个纺织设备纺织品的纹理评价系数(Wls1，Wls2，…，Wlsi)的计算公式如上。
6.根据权利要求5所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：
获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)和纹理评价系数(Wls1，Wls2，…，Wlsi)，计算获得颜色评价系数均值和纹理评价系数均值/>
对应的颜色评价系数均值和纹理评价系数均值/>的计算公式如上。
7.根据权利要求6所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：
获取每个纺织设备纺织品的颜色评价系数(Fys1，Fys2，…，Fysi)、纹理评价系数(Wls1，Wls2，…，Wlsi)、颜色评价系数均值和纹理评价系数均值/>进行无量纲化处理后，关联获得每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)：
对应的每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)的计算公式如上。
8.根据权利要求7所述的一种基于机器视觉的纺织生产加工监控系统，其特征在于：
判断每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)与预设的加工质量阈值的关系，并选择不同的加工预警处理策略，具体为：
当每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)均小于加工质量阈值时，反馈当前所有设备加工正常，无需采取任何措施，继续保持监测，以防发生异常情况；
当每个设备纺织加工评价指数(Fzp1，Fzp2，…，Fzpi)中至少有一个大于加工质量阈值时，向外发出加工预警命令，并输出对应的异常设备编号，对异常纺织设备进行干预，排除加工隐患；
其中，加工质量阈值为0.9
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311668542.1A CN117670993B (zh) | 2023-12-06 | 2023-12-06 | 一种基于机器视觉的纺织生产加工监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311668542.1A CN117670993B (zh) | 2023-12-06 | 2023-12-06 | 一种基于机器视觉的纺织生产加工监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117670993A true CN117670993A (zh) | 2024-03-08 |
| CN117670993B CN117670993B (zh) | 2024-07-05 |
Family
ID=90078465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311668542.1A Active CN117670993B (zh) | 2023-12-06 | 2023-12-06 | 一种基于机器视觉的纺织生产加工监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117670993B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118196068A (zh) * | 2024-04-07 | 2024-06-14 | 浙江红绿蓝纺织印染有限公司 | 一种基于人工智能的纺织品印染质量监控系统 |
| CN118351091A (zh) * | 2024-04-26 | 2024-07-16 | 广州皓晴科技有限公司 | 基于人工智能的服饰面料检验分析处理系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103471973A (zh) * | 2013-09-05 | 2013-12-25 | 东华大学 | 一种图像法测定织物孔隙特征的方法 |
| KR20160004536A (ko) * | 2014-07-03 | 2016-01-13 | 장병규 | 직기의 제직 시 원단 불량 검출장치 |
| CN107504905A (zh) * | 2017-08-08 | 2017-12-22 | 江苏大学 | 一种基于机器视觉的网状织物网目长度偏差率检测系统 |
| CN109416327A (zh) * | 2016-05-06 | 2019-03-01 | 博西迈科思公司 | 用于监控制造过程的机器视觉方法和系统 |
| CN110243475A (zh) * | 2019-05-05 | 2019-09-17 | 浙江乌镇街科技有限公司 | 一种基于机器视觉识别技术的织物色差检测方法 |
| JP2021196304A (ja) * | 2020-06-17 | 2021-12-27 | 株式会社桑原 | 繊維製品等の色変化評価方法 |
| CN114170208A (zh) * | 2021-12-14 | 2022-03-11 | 武汉福旺家包装有限公司 | 一种基于人工智能的纸制品缺陷检测方法 |
| CN114648594A (zh) * | 2022-05-19 | 2022-06-21 | 南通恒强家纺有限公司 | 一种基于图像识别的纺织品颜色检测方法及系统 |
| CN114839129A (zh) * | 2022-04-26 | 2022-08-02 | 东华大学 | 一种线上检测方法、装置和系统 |
| CN114862836A (zh) * | 2022-06-02 | 2022-08-05 | 南通宝居富家用纺织品有限公司 | 基于数据识别图形的纺织布料智能印染方法及系统 |
| CN115100186A (zh) * | 2022-07-25 | 2022-09-23 | 南通市爱诺家用纺织品有限公司 | 基于图像数据的纺织品色差检测方法 |
| CN115115615A (zh) * | 2022-07-26 | 2022-09-27 | 南通好心情家用纺织品有限公司 | 一种基于图像识别的纺织面料质量评估方法及系统 |
| CN115439437A (zh) * | 2022-09-01 | 2022-12-06 | 绍兴永通印花有限公司 | 一种基于物联网的印染设备生产数据监控分析系统 |
| US20230092247A1 (en) * | 2021-09-22 | 2023-03-23 | Rockwell Automation Technologies, Inc. | Automated monitoring using image analysis |
| US11668656B1 (en) * | 2021-12-30 | 2023-06-06 | CreateMe Technologies LLC | Automated inspection measurement in garment manufacturing |
| US20230186222A1 (en) * | 2021-12-15 | 2023-06-15 | Tuntex Incorporation | Production defect and abnormality report and track record retrieval system for the textile industry |
| CN116297528A (zh) * | 2023-05-05 | 2023-06-23 | 启东和安无纺材料有限公司 | 一种无纺布的表面质量检测系统及检测方法 |
| CN117115147A (zh) * | 2023-10-19 | 2023-11-24 | 山东华盛创新纺织科技有限公司 | 一种基于机器视觉的纺织品检测方法及系统 |
-
2023
- 2023-12-06 CN CN202311668542.1A patent/CN117670993B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103471973A (zh) * | 2013-09-05 | 2013-12-25 | 东华大学 | 一种图像法测定织物孔隙特征的方法 |
| KR20160004536A (ko) * | 2014-07-03 | 2016-01-13 | 장병규 | 직기의 제직 시 원단 불량 검출장치 |
| CN109416327A (zh) * | 2016-05-06 | 2019-03-01 | 博西迈科思公司 | 用于监控制造过程的机器视觉方法和系统 |
| CN107504905A (zh) * | 2017-08-08 | 2017-12-22 | 江苏大学 | 一种基于机器视觉的网状织物网目长度偏差率检测系统 |
| CN110243475A (zh) * | 2019-05-05 | 2019-09-17 | 浙江乌镇街科技有限公司 | 一种基于机器视觉识别技术的织物色差检测方法 |
| JP2021196304A (ja) * | 2020-06-17 | 2021-12-27 | 株式会社桑原 | 繊維製品等の色変化評価方法 |
| US20230092247A1 (en) * | 2021-09-22 | 2023-03-23 | Rockwell Automation Technologies, Inc. | Automated monitoring using image analysis |
| CN114170208A (zh) * | 2021-12-14 | 2022-03-11 | 武汉福旺家包装有限公司 | 一种基于人工智能的纸制品缺陷检测方法 |
| US20230186222A1 (en) * | 2021-12-15 | 2023-06-15 | Tuntex Incorporation | Production defect and abnormality report and track record retrieval system for the textile industry |
| US11668656B1 (en) * | 2021-12-30 | 2023-06-06 | CreateMe Technologies LLC | Automated inspection measurement in garment manufacturing |
| CN114839129A (zh) * | 2022-04-26 | 2022-08-02 | 东华大学 | 一种线上检测方法、装置和系统 |
| CN114648594A (zh) * | 2022-05-19 | 2022-06-21 | 南通恒强家纺有限公司 | 一种基于图像识别的纺织品颜色检测方法及系统 |
| CN114862836A (zh) * | 2022-06-02 | 2022-08-05 | 南通宝居富家用纺织品有限公司 | 基于数据识别图形的纺织布料智能印染方法及系统 |
| CN115100186A (zh) * | 2022-07-25 | 2022-09-23 | 南通市爱诺家用纺织品有限公司 | 基于图像数据的纺织品色差检测方法 |
| CN115115615A (zh) * | 2022-07-26 | 2022-09-27 | 南通好心情家用纺织品有限公司 | 一种基于图像识别的纺织面料质量评估方法及系统 |
| CN115439437A (zh) * | 2022-09-01 | 2022-12-06 | 绍兴永通印花有限公司 | 一种基于物联网的印染设备生产数据监控分析系统 |
| CN116297528A (zh) * | 2023-05-05 | 2023-06-23 | 启东和安无纺材料有限公司 | 一种无纺布的表面质量检测系统及检测方法 |
| CN117115147A (zh) * | 2023-10-19 | 2023-11-24 | 山东华盛创新纺织科技有限公司 | 一种基于机器视觉的纺织品检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 孟秀萍 等: "《基于显著算法与ＣＩＥＬＡＢ空间的织物色差评价方法》", 《激光与光电子学进展》, 31 December 2018 (2018-12-31) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118196068A (zh) * | 2024-04-07 | 2024-06-14 | 浙江红绿蓝纺织印染有限公司 | 一种基于人工智能的纺织品印染质量监控系统 |
| CN118351091A (zh) * | 2024-04-26 | 2024-07-16 | 广州皓晴科技有限公司 | 基于人工智能的服饰面料检验分析处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117670993B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117670993B (zh) | 一种基于机器视觉的纺织生产加工监控系统 | |
| CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
| CN105444891B (zh) | 一种基于机器视觉的纱线印染色差检测系统 | |
| CN107437243B (zh) | 基于x光图像的轮胎杂质检测方法及装置 | |
| CN110458157B (zh) | 一种电力电缆生产过程智能监控系统 | |
| CN118196068B (zh) | 一种基于人工智能的纺织品印染质量监控系统 | |
| CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
| CN109239073A (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
| CN115345876B (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 | |
| CN115100206A (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
| CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
| CN115131353A (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
| CN117218114A (zh) | 一种基于图像数据处理的网状织物缺陷快速检测方法 | |
| CN118038443B (zh) | 一种轨道区段状态检测方法及系统 | |
| CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
| WO2022130814A1 (ja) | 指標選択装置、情報処理装置、情報処理システム、検査装置、検査システム、指標選択方法、および指標選択プログラム | |
| CN115018785A (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
| CN113269758A (zh) | 一种基于机器视觉的卷烟外观检测方法及测试装置 | |
| CN110827267B (zh) | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 | |
| CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
| JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
| CN113920112A (zh) | 一种基于独立分类型特征提取的织物瑕疵检测方法 | |
| CN110827272A (zh) | 一种基于图像处理的轮胎x光图像缺陷检测方法 | |
| CN117274250B (zh) | 一种手表底盖磨损缺陷视觉检测方法 | |
| CN111508397B (zh) | 显示面板的检测方法和显示面板的检测装置 |
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 |