CN1708682A - 在平面纺织物中评估瑕疵的方法和装置 - Google Patents

Abstract

本发明涉及一种识别平面纺织物(2)中瑕疵的方法，其中从平面纺织物中得到信号，并且至少利用预定参数加以处理。该发明还涉及在平面纺织物中识别瑕疵的装置(3)，所述装置包含一传感器，一处理单元以及一输入/输出单元。处理单元与传感器连接，并与输入/输出单元连接，并且以这样一种方式实现和设置，使得至少利用预定参数处理由在平面纺织物上的传感器检测的信号，并且产生指示平面纺织物中缺陷的输出信号。为了以一种简单迅速的方式，将对于识别平面纺织物中缺陷的方法和装置的参数适应于平面物品瑕疵识别处理，预定参数的固定数据载体(26)服从于传感器的动作，并且传感器以这样一种方式实现和设置，使得读取固定数据载体的预定参数。

Description

在平面纺织物中评估瑕疵的方法和装置

本发明涉及一种评估平面纺织物中的瑕疵的方法和装置。

WO00/06823公开了一种方法和装置，其允许对平面纺织物中的瑕疵进行可重复并且明确的评估。由此产生一种平面物品图，其中在图中显示了至少两个平面物品中的瑕疵图示，图示上瑕疵的长度和对比度或强度是不同的。根据这些图示，可以通过可视印象确定平面物品中允许的瑕疵和不允许的瑕疵。为此，产生不同压印(Ausprgung)的瑕疵图示的表或矩阵形式。在此，使用无暇疵平面物品的图作为背景。为了区分允许的瑕疵和不允许的瑕疵，嵌入图中的灵敏度曲线能够作为附加的辅助手段。

当人们考虑所有能够被分类的可能的瑕疵时，这种方法或者装置从技术上看能导致对所得到的数据的不必要的流(Flut)。这阻碍了瑕疵的快速判断，并且使组成该装置的元件不必要地设计得很大。

因此，本发明的一个目的是，提供一种评估平面物品中瑕疵的方法和装置，其允许快速并一致地评估在各种平面物品中的瑕疵，从而允许各种平面物品互相之间进行品质的比较。

这通过以下来实现，根据两个被选择的参数，形成用于瑕疵的分级矩阵，其中级边界将该级矩阵分成块，并且两个参数的值确定分级边界，参数例如为瑕疵的扩展和强度。此外，分级矩阵被分成至少两个区域，例如用于允许的和不允许的瑕疵的区域。在平面物品中的瑕疵应该根据公知的方法获得，从而，应当确定两个前述参数的值。该获得的瑕疵相应于测得的参数值被分配给在分级矩阵中的块或级。

因此，特别建议的是，选择分级图或分级矩阵，其中像素或者通过像素显示的平面物品的瑕疵根据它们的强度和扩展能够被排列或者分类。由此，强度值沿着在与本平面纺织物无关的区域中的轴(auftragen)，并且该区域能够适用于尽可能的所有可能的平面物品。能够可选择的设定该轴的零点或者该区域的下限，使在平面物品很均匀时成像时的不均匀性不能作为瑕疵。在零点和取决于所关心的待检查的平面纺织物的上限之间应该考虑，例如在一织物情况下属于通常的织物平面物品的像素。在该边界上具有强度值的事件或者被计数，或者从可以预先确定的强度开始被作为不能接收的瑕疵。没有达到边界的像素不再被处理，从而不给系统产生负担。进行这种边界的计算，使在一学习步骤中亮的像素和暗的像素分开，并且确切地说从对于暗的平面物品中由最亮像素的组和对于亮的平面物品中由最暗像素的组计算，或者从在相同区域中最亮和最暗像素中计算，由于，例如织物总具有50％灰像素。

通过本发明实现的优点在于，能够与特征无关地评估平面纺织物中的瑕疵，其能够随平面物品的变化而变化，并且因此通常使评估复杂化或者歪曲。因此，根据预定参数统计所有瑕疵。统计非干扰瑕疵被自动的与当前的平面纺织物相适应。此外，它提供了根据发明的方法，能够自动评估被检查的平面物品，并且不需要人的干预。

下面通过例子并参考附图对本发明进行详细说明。其中：

图1示出了一分级矩阵；

图2示意的示出了具有瑕疵的一平面纺织物；

图3示出了另一个分级矩阵；

图4是一精细织物的例子；

图5是一粗糙织物的例子；

图6是平面物品的简化片断；

图7示意的示出了灰度或/和彩色值；

图8是辅助函数的三维表示。

图1显示了对于平面物品两个参数的分级矩阵1的第一个实施例，其中数值沿着轴2和3标出。这些参数例如是平面纺织物中瑕疵的长度和强度。长度的数值例如位于10^-1和10⁴mm之间。瑕疵强度的数值位于例如0或者X％和100％之间。通过形成分级边界的垂直线4到8以及水平线9到15分级矩阵1被划分为块或级。示出的相对较粗的台阶线16将分级矩阵1继续地划分为一个下区域17和一个上区域18。在分级矩阵中还记录并示意的显示了单个的瑕疵19到23，因此其在其所属的有关级中显示了瑕疵。阶梯线16示出了例如对于存在允许的瑕疵的区域17的上边界。

图2显示了平面纺织物的一个例子，例如具有瑕疵的织物24。这里示意的标出的瑕疵同样地被记录在分级矩阵1的级中，并且在那里示出且有附图标记19-23。由于这里涉及到织物，因此考虑在经线方向或者在纬线方向的大多数瑕疵是明显的。因此，它们这里是彼此大致成直角的。另一个瑕疵25在这是例如相同的多个并排放置的经线或者是不希望出现的织物中的夹杂物。因此它是相对较宽的。但是在一种织物的情况下要考虑，最常见的瑕疵具有这里未示出的彼此不同的方向。这根据于所选择的织物结合方式或者构造。在所谓的“非织造”情况下，瑕疵主要任意定向。

图3显示了分级矩阵26的另一个例子，其块或者级27能够具有不相等的大小或者扩展。台阶形线28将分级矩阵同样的分割成下区域29和上区域30。这里下区域29明显大于图1中的下区域，这归因于较高位置的台阶形线28。这意味着，为平面物品提供一分级矩阵26，该平面物品例如由更粗的线构成，并且可能有附加的线之间的窄于适合于该平面物品的结合，为此给出分级矩阵1。因此与图1相比在台阶形线28下方排列有具有更高强度值的事件，因为这些在粗糙构造的平面物品中的事件不被视为瑕疵。

图4显示了精细平面物品的例子，而图5显示了比较粗糙的平面物品的一个例子。在两个图中都引入了大体相同的瑕疵。两个图的比较显示，在图4中的瑕疵比图5中的更明显，并且人们在图5中完全不能识别出人们在图4中能够直接发现的一些瑕疵。这特别适用于位于左侧半图的瑕疵。

图6显示了具有所谓的照相机行32的平面物品局部图31。照相机行(Kamerazeile)32相当于扫过该平面物品的照相机所记录的那一部分平面物品。照相机行32包括许多行33-36，其每一行由一列排列成行的如像素37，38的像素，像素在这里被放大并示意的示出。照相机行32是平面物品局部图的一个电子图像，其中该局部图被刚好容易的分成具有属于灰或彩色值的像素。

图7显示了在处理中一个步骤的示意图，其能够从所捕获的照相机行32开始进行。对于每个照相机行32，根据强度或亮度应该有序的标出获得的像素37，38等的灰或彩色值。这提供了具有水平轴39的图，沿该轴提供每个获得的像素的位置，以及垂直轴40用于像素强度或亮度值。这些像素是根据它们的强度或亮度或者对于强度或亮度值的大小有序记录的。因此最亮或者最弱色彩的像素在左侧，而最暗或者最强色彩的像素在右侧。中间值48由虚线表示。

图8显示了一种方法的图示，利用该方法由可测量的量，如瑕疵的宽度和对比度，可确定用于瑕疵视觉上可观察的强度的尺度。因此图8在三维空间中显示了一圆锥表面42，该三维空间通过水平轴43，44和垂直轴45示出。沿轴43对比度的值以百分比表示，沿轴44瑕疵的宽度值以毫米为表示，并且沿轴45瑕疵强度的值同样以百分比表示。根据瑕疵的测量的宽度和瑕疵的确定的对比度，人们能够通过该图，如后面也会解释的，确定瑕疵的强度。强度是一种度量，该度量是瑕疵在观察的平面织物方面引起观察者的注意的一种度量。具有较高强度的瑕疵比具有较小强度的瑕疵对于观察者造成干扰。人们较快地识别高强度瑕疵，并且更强的减弱平面物品的值。在这里提到强度，因为强度可以概括对比度的效果和瑕疵的宽度。因此可更好的比较宽度不同且具有不同对比度级的瑕疵。由此，还能产生大量数据压缩。

本发明的原理能够分两个部分进行解释，也就是，第一，形成适当的分级矩阵，以及第二，借助分级矩阵对在平面物品中获得的瑕疵进行分级。

首先，应该根据图1和3说明分级矩阵或者分级图的形成。第一步，人们提供水平轴2，沿该轴人们标记可能的瑕疵的长度值，如该长度对于当前的平面物品或者水平平面纺织物通常所希望的那样。该值可能位于十分之一毫米和几米之间。然后，人们对于从0或者X％到100％的强度值规定了垂直轴3。接下来，人们必须决定需要多少级。由此，产生线4到15的数量。但是对于所有要评估的平面物品推荐的是采用的唯一并且总是相同的分级矩阵。因此比较在不同平面物品中瑕疵的效果将更容易。在进一步的步骤中，是要定义下区域和上区域17，18或29，30，这应该通过台阶形线16，28的形状或位置以及相应于对于下限的0或者X％的基准值或轴2的位置进行。在分级矩阵1的每个块或每个级表示对于可能瑕疵的每个组之后，要确定，哪一瑕疵或事件以其长度和其强度在给定平面物品中产生干扰作用，以及哪一瑕疵是可忍受的，并且此仅作为事件而无作用。所知道的是，例如根据图5的平面物品中的给定瑕疵，是完全不可识别的，但是它在根据图4的平面物品中肯定会发生干扰。还存在一事件，该事件由在平面物品中特别清楚的不规则性构成，但是不能认为是瑕疵。这种情况一定考虑台阶形线16，28或者区域17，29的上边界。

为了区分可容忍瑕疵和不可容忍瑕疵，人们能够选择不同的工作步骤。最简单的方法可以是，构成较多的参考瑕疵，观察、比较并可能分类给定给定及待评价的实际平面物的背景前面的每个这种瑕疵，以及由此主观的判断，哪一瑕疵完全不干扰或者哪一瑕疵一定干扰。由于人们具有足够多的参考瑕疵，如在分级矩阵中的矩形或级，因此人们能够通过上述主观比较直接确定级，该级的瑕疵干扰或不干扰。由此，给出干扰瑕疵级和非干扰瑕疵级之间的边界线，并且这些就是台阶形线16，28。因为在精细的平面物品中较小的、较低对比度的瑕疵也引人注目，根据图1的台阶形线16比根据图3的台阶形线28更矮，这体现在如根据图5的较深平面物品化的平面物品。

另一个更费事并且更准确的技术能够自动确定上边界或者台阶形线16，28，如下所述。首先，确定最小强度，其对应最低的强度级(例如，0或X％)。边界设置得很低，使能够在非常均匀的平面物品中获得甚至很弱的瑕疵。因为像素灰度与强度在小的点状瑕疵的方面是大致是一致的，强度等级在现有像素的灰度值区域中能够被调整(ausrichten)。该强度等级例如能够位于例如+/-64，128，256等之间，视在计算中使用的位数而定。例如对应64，128或256的最大灰度值被分配为强度100％。5％的值作为最小强度值是有意义的。由此，例如能够防止在非常均匀的织物的情况下，下边界值减小，使图的正常不规则性带来的伪瑕疵。

在对于瑕疵强度值的标度(skalierung)和瑕疵长度的标度被确定之后，应该确定台阶形线16，28，使仅能够被明显的识别在无瑕疵织物织物中的一些较少的事件，该事件超过台阶形线并被计数。必须确定用于当前平面物品的台阶形线16，28。由此如下进行：

1)例如照相机拍摄平面物品，并且通过在照相机行32中的像素成像。根据预给定刻度使通过照相机捕获的像素配属强度值和亮度值。从平面物品的无暇疵部分的像素的有代表性的数量中，依据大小分类标记该值，或者被保存在存储器中，如在图7中所示。也可在照相机行32的每列46，47等中确定在该列中的像素灰度值的平均值，其中仅排列并存储平均值。每个照相机行32仅存在像素的像素图案，其值如上面详细说明地排列。

2)接着，形成具有像素的组51(图7)，其中该组包含具有最高和最低强度或亮度的像素，或者该像素具有对于平均值48(图7)的最大正或负偏差。该组能够包含例如10，15，20或者其他数量像素，其中具有最低强度的像素视为暗平面物以及具有最高强度的像素视为亮平面物。在组51中一值能够被选出作为对于区域17，29的上边界。

3)从组51中对于上边界能够确定亮度、强度或者偏差的中值。该中值能够给出关于瑕疵长度的它们中间区域对于台阶形线16，28的强度值。这适用于相当长的瑕疵。如果人们根据偏差，那么人们为了获得对于台阶形线16，28的值必须把偏差与平均值48联系起来。这些中值但是必须换算成百分比，其与轴3上的标度相配。

4)对于在最短瑕疵的区域中的台阶形线，希望另一步的步骤。通过例如从WO98/08080中公开的并必须相关使用的在平面纺织物中识别瑕疵的方法，经验上短的瑕疵与较长瑕疵不同。这是通过该装置或者方法给出，利用其能够捕获像素并且像素能够具有特别的特性，该特性使瑕疵区分(differenziert)处理。

因此，进行校正，该校正提高对于短瑕疵的台阶形线16，28的值被实施。该所述特征由一特性表示，如在图3中通过曲线49所表示的。如曲线49显示的这种特性已经是公知的，或者通过利用所述装置的试验确定。如果人们通过上述方法确定对于台阶形线28的值，值在轴2上认为是正好一半，那么如在图3的左侧一半的台阶形线提高的高度，标定曲线49。这样给出了块或级，其中曲线49下降，应该作为整体下降到台阶形线28的下面。因此，可考虑易于理解的情况，随后在平面物品中短瑕疵被由平面物品的平面物品遮挡，使这种短瑕疵为了可识别必须通过对于平面物品比较强的对比度引人注目。

为了得到像素或瑕疵强度的量度和标度，人们能够例如以此为前提，在该情况下的强度受瑕疵宽度和对比度的影响。图8显示了一种方案，如借助于模型的帮助，能够由宽度和对比度确定强度。该模型由锥形体的表面即锥形体表面42显示从而给定，强度的值位于该面上。通过在有关的轴43，44上记录的宽度和对比度的值，由通过值像素数据被给出的瑕疵宽度值和像素的亮度值确定的对比度，能够得到强度的值，并且垂直线对准在两轴43，44平面的交叉点。垂直线和锥平面42的交点(Durchstoβpunkt)52给出了要寻找的强度，该强度通过平面之上的锥面42的高度给出。

如果一旦确定具有台阶形线16，28的分级矩阵1，26，为此需要如下进行，在预给定平面物品中识别瑕疵，并且根据分级矩阵进行分类。为了该目的，人们利用例如一种方法，如在WO98/08080中描述的方法。由此每个照相机行通过它的像素显示，并且也可以根据强度或亮度在分级矩阵1，26中存储像素。因为，总是扫描新的照相机行，能够接续地占用块或者级，从而记数这些占用，其中可以将数值寄存在相应的级中。

台阶形线16，28显示了边界，边界根据于给定的织物或针织物。在没有达到边界的平面物品中的像素，被系统忽略处理。位于边界上方的像素，必须无条件表明为瑕疵。它们表明特别清楚的不均匀性。从纺织技术上看这同样是有趣的，并且因此把像素作为事件来记数是很有意义的。分级矩阵能够由此甚至于有三个区。最下面的区，如区域17和29从最下面的强度边界或者轴2一直到台阶形线16，28。其上有粗事件计数的区，并且瑕疵区位于更高。用户可任意划分区域18，30，而台阶线16，28自动确定。图3以另一台阶线50示出了三个区的划分。

Claims (8)

1、一种方法，其用于评估平面纺织物中的瑕疵，其特征在于：

选择两个参数用于评估；形成一个分级矩阵(1，26)，其中参数值确定级边界并且级边界(4-19)将分级矩阵分割成块；该分级矩阵进一步如下分割成至少两个区域(17，18；29，30)，对于无暇疵平面物品的像素确定所述一个参数的平均值并且根据相对于平均值的参数偏差最大的像素组确定两个区域之间的边界；沿着分级边界至少分割成两个区域；从所显示的像素(37，38)中得到平面物品中的值，并且将根据两个被选择的参数将值排列在分级矩阵中，并且排列在分级平面物品的所述一个区域中的像素表示在平面物品中可能的瑕疵。

2、根据权利要求1的方法，其特征在于，获取像素的强度及其扩展作为参数，其中扩展由多个相邻的像素引起。

3、根据权利要求2的方法，其特征在于，长度被作为扩展测量，扩展由多个近似但不同于一个参考值的强度的相邻像素形成。

4、根据权利要求1的方法，其特征在于，对于可能的瑕疵区域还分割成允许瑕疵的一个第一区域和不允许瑕疵的一个第二区域。

5、根据权利要求1的方法，其特征在于，自动确定两个区域之间的边界。

6、根据权利要求5的方法，其特征在于，上边界的自动确定借助亮度或者强度值实现，该值被记录并且根据大小分类，其中将一个位于由极限值的预给定个数形成的组(51)中的一个值确定为上边界。

7.根据权利要求6的方法，其特征在于，在该组中，亮度值或强度值的中值确定为上限值。

8、根据权利要求5的方法，其特征在于，所述一个参数的一个值范围的上边界是变化的。

Images