TWI417437B

TWI417437B - 紗線檢測方法

Info

Publication number: TWI417437B
Application number: TW99129978A
Authority: TW
Inventors: Chuan Pin Lu; Jiun Jian Liaw; Shu Chiang Chung; Yan Zun Hung
Original assignee: Meiho University Of Science And Technology
Priority date: 2010-09-03
Filing date: 2010-09-03
Publication date: 2013-12-01
Also published as: TW201211348A

Description

紗線檢測方法

本發明係關於一種紗線檢測方法，特別是關於一種可提升檢測精確度，準確辨識紗線瑕疵之紗線檢測方法。

一般於化學纖維押出過程中，往往由於加工條件或原料品質不佳而發生纖維斷損與纏繞打結的情況，導致化學纖維形成紗線後，造成許多後段製程加工上的問題，例如：假撚加工斷紗、紗線染色不均及編織斷經(緯)線等，進而使成品在外觀上形成無法彌補的瑕疵，嚴重影響成品良率，同時亦相對增加生產成本。

有鑑於此，為了克服上述的問題，請參照第1及2圖所示，係中華民國公告第427366號「紗動態外觀檢測裝置」新型專利，揭示一種習知紗線檢測裝置，其包含一紗輸送裝置8、一影像檢測裝置9及一數位影像處理裝置。請先參照第1圖所示，該紗輸送裝置8包含一管紗81一導紗桿82、一上牽引羅拉83、一下牽引羅拉84及一廢紗導管85；該管紗81係設置於一管紗座811上，其具有一紗線812，該紗線812係延伸繞過該導紗桿82，並依序經由該上、下牽引羅拉83、84後連結該廢紗導管85；藉由該廢紗導管85帶動該管紗81作動時，該上、下牽引羅拉83、84係可提供該紗線812固定之張力。

請再參照第1及2圖所示，該影像檢測裝置9係設置於該上、下牽引羅拉83、84之間，其包含有一光學鏡組91、一攝影機92及一光源93；該光學鏡組91及攝影機92係設置於該紗線812之相對二側，該光源93係用以照射該紗線812，使該紗線812之正面影像得以直接反射於該攝影機92，而該紗線812之背面影像係透過該光學鏡組91反射成像於該攝影機92。該數位影像處理裝置係由電腦及影像處理卡所共同組成，用以擷取該攝影機92所接收之影像以供使用者觀看。藉此，使用者即可透過檢視該紗線812的影像，來進行紗線外觀瑕疵的判斷。

然而，由於長時間作業下，使用者係容易產生疲勞或誤判，進而嚴重影響檢測精確度，且藉由人工視覺檢測方式效率不佳，並無法有效提升檢測效率，故仍有加以改善之必要。

本發明目的乃改良上述缺點，以提供一種可提升檢測精確度之紗線檢測方法。

本發明另一目的係提供一種可提升檢測效率之紗線檢測方法。

為達到前述發明目的，本發明所運用之技術手段及藉由該技術手段所能達到之功效包含有：一種紗線檢測方法，係包含：(1)藉由一影像擷取單元擷取一紗線的外觀影像，以獲得一紗線影像，並將該紗線影像傳送給一分析處理單元；(2)藉由該分析處理單元去除該紗線影像的背景，以獲得一前景影像；(3)對該前景影像進行測邊處理，以於該前景影像中獲得一紗線主體及一紗線邊界；(4)將該紗線主體與一紗線模型進行比對作業，以估算該紗線主體之數個特徵參數，該數個特徵參數係包含該紗線主體之面積變化、平順度及對稱度；及(5)依據該數個特徵參數及紗線邊界定義一影像特徵值，並依據該影像特徵值進行檢測作業，以判別該紗線是否具有瑕疵及瑕疵種類。

本發明係藉由該分析處理單元預先將該紗線主體與該紗線模型進行比對作業，以便獲得該紗線主體之數個特徵參數，進而再依據該數個特徵參數與該紗線邊界來估算該紗線主體之影像特徵值，藉此即可研判該紗線所存在之瑕疵及瑕疵類型，有效達到提升檢測精確度及檢測效率的目的。

為讓本發明之上述及其他目的、特徵及優點能更明顯易懂，下文特舉本發明之較佳實施例，並配合所附圖式，作詳細說明如下：請參照第3圖所示，本發明較佳實施例之紗線檢測裝置較佳係應用於抽絲製程後檢測原絲的瑕疵，以便在後續生產製程上直接予以改善或去除，進而可獲得具有較佳品質的紗線，以便提升成品良率及降低生產成本。該紗線檢測裝置係包含一紗線導引單元1、一影像擷取單元2及一分析處理單元3，且該影像擷取單元2係電性連接該分析處理單元3；該紗線導引單元1主要係用以驅動一紗線7通過該影像擷取單元2之一〝掃描範圍〞時能夠具有一預定張力，以供該影像擷取單元2準確擷取通過該〝掃描範圍〞之紗線7不同部位的外觀影像，進而可供該分析處理單元3進行高精確度及高效率的檢測作業。

更詳言之，該紗線導引單元1係包含一放線筒11、一收線筒12、一架體13、一第一導引組件14及一第二導引組件15，本實施例之架體13係選擇置放於該放線筒11及收線筒12之間，但不因此受限，該放線筒11及收線筒12係可選擇設置於該架體13上；該第一導引組件14及第二導引組件15係對位設置於該架體13之相對二側，並位於該放線筒11及收線筒12之間。藉由將該放線筒11所纏繞之紗線7依序穿伸通過該第一導引組件14及第二導引組件15後固定於該收線筒12，以便透過一驅動單元驅動該收線筒12旋轉作動，進而可將通過該第一導引組件14及第二導引組件15之紗線7捲收於該收線筒12之外周緣。

其中，該第一導引組件14係具有一第一滾輪141及一第一限位件142，該第一滾輪141係可轉動的設置於該架體13之左側，該第一限位件142則選擇對位設置於該第一滾輪141的頂緣位置，以便藉由該第一限位件142適當壓制通過該第一滾輪141上周緣之紗線7；該第二導引組件15係具有一第二滾輪151及一第二限位件152，該第二滾輪151係可轉動的設置於該架體13之右側，而該第二限位件152則選擇對位設置於該第二滾輪151的頂緣位置，以便藉由該第二限位件152適當壓制通過該第二滾輪151上周緣之紗線7。

該影像擷取單元2係用以即時擷取經由該第一導引組件14行經該第二導引組件15之紗線7的外觀影像。更詳言之，本實施例之影像擷取單元2較佳係選擇利用灰階型態之線掃描式攝影機〔Line scan camera〕來擷取該紗線7的外觀影像，且該影像擷取單元2之〝掃描範圍〞係具有固定大小，其掃描方向較佳與該紗線7的行進方向互相垂直；藉由該影像擷取單元2依據適當之掃描頻率〔影像取樣率〕，來連續擷取該紗線7之線影像，以組成該紗線7的面影像供該分析處理單元3進行檢測作業。其中，該適當之掃描頻率必須配合該驅動單元驅動該收線筒12旋轉的速度，以便該影像擷取單元2能夠準確擷取不同部位之紗線7的外觀影像，避免重覆擷取相同部位之影像而出現交疊現象〔Aliasing〕。

此外，該影像擷取單元2較佳另配合使用一光源21來增加所擷取之影像的清晰度，該光源21較佳可選擇為光纖光源或燈泡等，且該光源21的照射位置係對位於該影像擷取單元2之〝掃描範圍〞。

再者，本實施例之第一導引組件14較佳另設有一第一輔助限位件143，而該第二導引組件15較佳則另設有一第二輔助限位件153；該第一輔助限位件143係設置於該第一滾輪141及放線筒11之間，而該第二輔助限位件153則設置於該第二滾輪151及收線筒12之間。藉此，該第一、第二輔助限位件143、153係可供該紗線7穿伸通過，以防止該紗線7滑移偏離該影像擷取單元2之〝掃描範圍〞。

該分析處理單元3係用以驅動該影像擷取單元2作動擷取影像，並利用數位影像處理技術來檢測該紗線7的外觀是否具有細絲斷損及突出紗結等瑕疵，並可針對瑕疵的種類將該紗線7予以分類，提供高精確度及高效率的檢測作業。此外，該分析處理單元3係電性連接該收線筒12之驅動單元，用以控制該驅動單元驅動收線筒12的轉速，以便相對調整該紗線7通過該影像擷取單元2之〝掃描範圍〞的速度。

請參照第4圖所示，本發明較佳實施例之紗線檢測方法係包含一初始化步驟S1、一影像擷取步驟S2、一去雜訊步驟S3、一去背處理步驟S4、一測邊處理步驟S5、一幾何特徵分析步驟S6及一瑕疵識別步驟S7。藉由上述步驟流程，可有效提升紗線檢測作業之精確度及效率。

請參照第3及4圖所示，本發明較佳實施例之紗線檢測方法之初始化步驟S1，係依據該影像擷取單元2的掃描頻率，藉由該分析處理單元3對應調整該紗線7行經該影像擷取單元2之〝掃描範圍〞的速度。更詳言之，本發明之初始化步驟S1較佳係分為二階段，第一階段係預先藉由該驅動單元驅動該收線筒12旋轉作動，以供該分析處理單元3估算該紗線7目前行經該〝掃描範圍〞的速度；第二階段係藉由該分析處理單元3依據該影像擷取單元2之掃描頻率，對應調整該驅動單元的轉速，以便該紗線7行經該〝掃描範圍〞的速度能夠配合該影像擷取單元2的掃描頻率。

本發明較佳實施例之紗線檢測方法之影像擷取步驟 S2，係藉由該影像擷取單元2依序擷取行經該〝掃描範圍〞之紗線7的外觀影像，以陸續獲得數個〝紗線影像〞。更詳言之，該分析處理單元3在估算該紗線7行經該〝掃描範圍〞的速度，係已對應於該影像擷取單元2之掃描頻率後，方可驅動該影像擷取單元2開始擷取影像；其中，依據該影像擷取單元2之掃描頻率，係可依序擷取該紗線7不同部位之外觀影像，且該影像擷取單元2係陸續將所擷取之〝紗線影像〞傳送給該分析處理單元3進行檢測作業。為方便後續說明，本實施例以下係以其中一個〝紗線影像〞進行說明。

本發明較佳實施例之紗線檢測方法之去雜訊步驟S3，係藉由該分析處理單元3去除該〝紗線影像〞中的雜訊。更詳言之，該〝紗線影像〞中主要包含有屬於該紗線7的影像〔以下簡稱前景〕及不屬於該紗線7的影像〔以下簡稱背景〕，而該前景及背景中係具有因光源干擾或訊號衰減所產生的突波雜訊，且突波雜訊的像素值與其周圍影像的像素值具有較大的差異；故本實施例選擇利用適應性模糊多層中值濾波器〔Adaptive fuzzy multilevel median filter〕結合模糊關聯記憶法〔Fuzzy associative memory〕來濾除突波雜訊，將突波雜訊的像素值調整成接近其周圍影像的像素值，或者可選擇藉由周圍影像的像素值來取代覆蓋突波雜訊的像素值，藉此確保後續各相關步驟的精確度。其中，該去雜訊步驟S3詳細執行過程係可參照Xiahua Yang及Peng Seng Toh等學者於1995年所提出之〝Adaptive Fuzzy Multilevel Median Filter〞文獻，本發明在此不詳加贅述。

本發明較佳實施例之紗線檢測方法之去背處理步驟S4，係藉由該分析處理單元3去除該〝紗線影像〞之背景，以將該〝紗線影像〞轉換為一〝前景影像〞。更詳言之，由於該紗線7係為高分子材料經熔融押出，再依序透過降溫處理、導電劑塗覆及延伸處理後成形，故該前景所呈現的顏色較接近白色〔灰階值約介於180~255之間〕，而該背景所呈現的顏色則較接近黑色〔灰階值約介於0~50之間〕；因此，本發明之去背處理步驟S4較佳可分為三個階段，其中：

第一階段係依據該〝紗線影像〞中前景及背景會呈現二種不同灰階值分佈的特性，預先藉由灰階統計圖〔Histogram〕加以呈現。

第二階段係估算該〝紗線影像〞全部像素點之灰階值平均數，以獲得一〝像素平均值〞後，以該〝像素平均值〞為基準，再估算大於該〝像素平均值〞之像素點的灰階值平均數，以獲得一〝前景像素平均值〞，以及估算小於或等於該〝像素平均值〞之像素點的灰階值平均數，以獲得一〝背景像素平均值〞。

第三階段係分別以該〝前景像素平均值〞及〝背景像素平均值〞為上、下界定出一〝搜尋範圍〞，並配合統計式門檻值決定法於該〝搜尋範圍〞內快速搜尋獲得一〝影像門檻值〞後，依據該〝影像門檻值〞將前景及背景進行切割〔Segmentation〕，以便將該〝紗線影像〞轉換為二值化影像〔1與0，亦即白與黑〕，將灰階值大於該〝影像門檻值〞之像素值皆設定為〝1〞，而將灰階值小於或等於該〝影像門檻值〞之像素值皆設定為〝0〞。

藉由上述三個階段，即可獲得明顯呈現該紗線7影像之〝前景影像〞，有效加速後續檢測作業的分析速度，並可避免瑕疵誤判的情形發生。其中，藉由統計式門檻值決定法來搜尋該〝影像門檻值〞之詳細流程，係可參照N.Otsu等學者於1978年所提出之〝A threshold selection method from gray-level histogram〞文獻，本發明在此不詳加贅述。

請參照第4及5圖所示，本發明較佳實施例之紗線檢測方法之測邊處理步驟S5，係藉由該分析處理單元3於該〝前景影像〞中定義出該紗線7的外形輪廓，以於該〝前景影像〞中獲得一〝紗線主體〞及一〝紗線邊界〞。更詳言之，本實施例係選擇利用線性濾波器梯度運算子〔Gradient operators〕，並透過旋積〔Convolution〕運算來進行該測邊處理步驟S5，藉由搜尋該〝前景影像〞中任意二相鄰像素點之像素值發生改變的地方，即定義為該紗線7的邊界；在本實施例中，當搜尋獲得任意二相鄰像素點之像素值分別為〝0〞及〝1〞時，即可選擇將像素值為〝0〞的像素點視為邊界，或者選擇將像素值為〝1〞的像素點視為邊界。藉此，使該〝前景影像〞呈現出屬於該紗線7之〝紗線主體〞及屬於該紗線7邊界之〝紗線邊界〞〔如第5圖所示之虛線〕。其中，本實施例之測邊處理步驟S5係選擇利用Prewitt運算子，但本發明並不以此為限，亦可選擇利用Sobel運算子或Canny運算子等，其詳細之測邊處理流程係為熟悉影像處理技術領域者所可以理解，本發明在此不詳加贅述。

請參照第4及6至8圖所示，本發明較佳實施例之紗線檢測方法之幾何特徵分析步驟S6，係藉由該分析處理單元3將該〝前景影像〞中之〝紗線主體〞與一〝紗線模型〞進行比對作業，以估算該〝紗線主體〞之數個〝特徵參數〞；其中，該〝紗線模型〞即代表該紗線7在無瑕疵狀態下，於該〝前景影像〞中所呈現之外觀影像；該數個〝特徵參數〞係包含該〝紗線主體〞的面積變化δ、平順度S及對稱度D。更詳言之，本發明之幾何特徵分析步驟S6較佳係依據該〝特徵參數〞的數量分為三個部分，其中：請先參照第6圖所示，第一部分係進行面積變化δ的估算，藉由預先定義出該〝紗線模型〞之平均寬度後，利用如以下所述公式(1)計算：

其中，平均寬度係依據不同類型之〝紗線模型〞的平均寬度加以定義，亦即該〝紗線模型〞在每一橫列中所具有的像素個數，如第6圖所示直線L1及L2共同圍繞形成之區域即為該〝紗線模型〞的面積，而直線L1及L2之間的水平距離則為平均寬度；j係為該〝前景影像〞中直行的像素個數；而W_j係為該〝紗線主體〞在每一橫列中所具有的像素個數〔亦即本實施例中每一橫列之像素值設定為〝1〞的個數，例如第7圖所示之該〝紗線主體〞在其中一橫列之實際寬度W’，即是由一第一寬度W1’、一第二寬度W2’及一第三寬度W3’所共同構成〕。舉例而言，本實施例之〝前景影像〞的解析度係選擇為1024 x 768〔每一直行的像素個數x每一橫列的像素個數〕個像素點做為實施樣態進行說明，故本實施例之j係為1~1024，而該面積變化δ即是將W₁~W₁₀₂₄分別與該平均寬度相減後進行加總。藉此，透過估算該〝前景影像〞的面積變化δ來反映該紗線7的寬度變化，係可避免直接使用寬度變化所造成敏感度過高的問題，進而可有效提升檢測精確度；其中，當其中一橫列之實際寬度W_j大於平均寬度時，係可研判該紗線7可能存在有突出紗結之瑕疵，而當其中一橫列之實際寬度W_j小於平均寬度時，則可研判該紗線7可能存在有細絲斷損之瑕疵。

請參照第6及7圖所示，第二部分係進行平順度S的估算，依據該〝紗線模型〞之平均寬度的中心線L_m〔如第6圖所示直線L1及L2之中心線〕的長度，利用如以下所述公式(2)計算：S=Lr-Lm......(2)

其中，Lr係為該〝紗線主體〞之中心線的長度，其係藉由預先將該〝前景影像〞代入二維平面座標，使該〝前景影像〞中每一個像素點皆對應有一個平面座標值(i,j)，其中i為橫軸座標值〔以下簡稱i值〕，而j為縱軸座標值〔以下簡稱j值〕；接著，分別將該〝紗線主體〞每一橫列中的i值相加，並除以該橫列中所相加之i值的個數後，即可分別獲得該中心線Lr在該橫列的所在位置，而屬於該中心線Lr之像素點的總個數即為該中心線Lr的長度。藉此，由於該〝紗線模型〞的中心線Lm係為一直線〔亦即該中心線Lm係包含有1024個像素點，其長度即為1024〕，若該中心線Lr的長度接近該中心線Lm的長度時，即代表該中心線Lr亦接近直線，進而可研判該紗線7的平順度S極佳；故藉由估算該二中心線Lr、Lm之間的長度差，即可得知該〝前景影像〞中該紗線7外觀的平順狀況。

請再參照第6、7及8圖所示，第三部分係進行對稱度D的估算，藉由預先將最外圍之〝紗線邊界〞以內所有像素點的像素值設定為相同〔例如本實施例皆設定為〝1〞〕，以將該〝前景影像〞轉換成為一〝判別影像〞，使該紗線7轉換成為一紗線7’，以及使該〝紗線主體〞轉換成為一〝判別主體〞；其中，該〝判別主體〞在其中一橫列的實際寬度係如第8圖所示之W”。接著，以相同於該中心線Lr的成形方式，找出該〝判別主體〞之中心線Ld後，即可利用如以下公式(3)計算：

其中，j係為該〝判別影像〞中直行的像素個數，Cr係為該〝紗線主體〞之中心線Lr在其中一橫列中所具有之像素個數，而Cd則為該〝判別主體〞之中心線Ld在相同橫列中所具有之像素個數；故本實施例之對稱度D的估算即是分別計算1024個橫列中，分別於相同橫列中，估算該中心線Lr之像素個數與該中心線Ld之像素個數兩者之間的差值後進行加總；其中，當該對稱度D愈大時，則表示此張〝紗線影像〞存在有細絲斷損或突出紗結等瑕疵。

本發明較佳實施例之紗線檢測方法之瑕疵識別步驟S7，係藉由該分析處理單元3預先依據該數個〝特徵參數〞及〝紗線邊界〞估算獲得該紗線7之一〝影像特徵值〞後，依據該〝影像特徵值〞進行檢測作業，以便進一步依據該紗線7所具有之瑕疵進行分類作業。更詳言之，在完成該幾何特徵分析步驟S6之後，已可得知該〝前景影像〞中該紗線7是否存在有瑕疵，故該瑕疵識別步驟S7係再依據該測邊處理步驟S5中獲得之〝紗線邊界〞來進行熵值e〔Entropy〕的運算，以便藉由熵值e來研判該〝紗線邊界〞的複雜度，並進一步配合使用統計分類器依據該紗線7所存在的瑕疵加以分類。其中，本發明之瑕疵識別步驟S7較佳可分為二階段，第一階段係預先依據該〝紗線邊界〞進行熵值e的運算後，再將熵值e與該數個〝特徵參數〞整合成該紗線7之〝影像特徵值〞，該〝影像特徵值〞即包含有該紗線7的面積變化δ、平順度S、對稱度D及熵值e。舉例而言，本實施例係預先定義P(0)為該像素值屬於該〝紗線邊界〞的機率，而P(255)則為該像素值不屬於該〝紗線邊界〞的機率，故可得向量ν=(P(0),P(255))^T，而熵值e即可利用如以下所述公式(4)計算： e=H(ν)=-(P(0)log P(0)+P(255)log P(255))......(4)

其中，當熵值e愈大時則表示紗線纏繞的情況愈明顯。據此，本發明係依據上述公式(1)至(4)，將該紗線7之〝影像特徵值〞表示為x=(δ,S,D,e)^T。

該瑕疵識別步驟S7之第二階段係進一步利用線性統計式分類器〔Bayes分類器〕進行瑕疵分類作業，主要係以高斯機率密度函數為基礎分類器。舉例而言，假設有兩類高斯密度分佈的兩個圖樣類別〔細絲斷損及突出紗結〕，這兩個圖樣類別的平均值分別為m₁及m₂，標準差分別為σ₁及σ₂，故Bayes決策函數d可如以下所述公式(5)表示：

其中，p(x/ω _k)係為圖樣x來自ω _k類的機率密度函數，而P(ω _k)是ω _k發生的機率。又，為了方便決策函數d的計算，本實施例係選擇利用自然對數〔單調遞增函數〕來等效於指數形式的決策函數d，故上述公式(5)即可轉換為以下所述公式(6)：d _k(x)=ln p(x/ω _k)+ln P(ω _k)......(6)

藉此，利用上述公式(6)即可分別估算該圖樣x其兩類別的決策函數d分別為d₁(x)及d₂(x)，且當d ₁(x)<d ₂(x)時，該圖樣x係歸於第一類〔細絲斷損〕，而當d ₁(x)>d ₂(x)時，該圖樣x則歸於第二類〔突出紗結〕。此外，在進行完該瑕疵識別步驟S7後，即已順利完成此張〝紗線影像〞的檢測作業，故後續再依序重覆循環步驟S3至S7，以便陸續將該影像擷取單元2所擷取之數個〝紗線影像〞分別進行檢測作業，直到該紗線7整體長度皆已完成檢測作業，則終止。

本發明之紗線檢測裝置及其方法，可藉由估算該紗線的面積變化、平順度、對稱度及熵值，以獲得該紗線之影像特徵值，並可依據該影像特徵值進行瑕疵分類作業，使得本發明有效達到提升檢測精確度的功效。

本發明之紗線檢測裝置及其方法，可藉由該分析處理單元快速檢測該影像擷取單元所擷取之紗線影像，以達到提升檢測效率的功效。

雖然本發明已利用上述較佳實施例揭示，然其並非用以限定本發明，任何熟習此技藝者在不脫離本發明之精神和範圍之內，相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

〔本發明〕

1‧‧‧紗線導引單元

11‧‧‧放線筒

12‧‧‧收線筒

13‧‧‧架體

14‧‧‧第一導引組件

141‧‧‧第一滾輪

142‧‧‧第一限位件

143‧‧‧第一輔助限位件

15‧‧‧第二導引組件

151‧‧‧第二滾輪

152‧‧‧第二限位件

153‧‧‧第二輔助限位件

2‧‧‧影像擷取單元

21‧‧‧光源

3‧‧‧分析處理單元

7、7’‧‧‧紗線

L1、L2‧‧‧直線

Lm、Lr、Ld‧‧‧中心線

‧‧‧平均寬度

W’、W”‧‧‧寬度

W1’‧‧‧第一寬度

W2’‧‧‧第二寬度

W3’‧‧‧第三寬度

〔習用〕

8‧‧‧紗輸送裝置

81‧‧‧管紗

811‧‧‧管紗座

812‧‧‧紗線

82‧‧‧導紗桿

83‧‧‧上牽引羅拉

84‧‧‧下牽引羅拉

85‧‧‧廢紗導桿

9‧‧‧影像檢測裝置

91‧‧‧光學鏡組

92‧‧‧攝影機

93‧‧‧光源

第1圖：中華民國公告第427366號之紗輸送裝置圖。

第2圖：中華民國公告第427366號之影像檢測裝置圖。

第3圖：本發明紗線檢測裝置之系統架構圖。

第4圖：本發明之紗線檢測方法之步驟流程方塊圖。

第5圖：本發明之紗線檢測方法之測邊處理步驟示意圖。

第6圖：本發明之紗線檢測方法之幾何特徵分析步驟示意圖(一)。

第7圖：本發明之紗線檢測方法之幾何特徵分析步驟示意圖(二)。

第8圖：本發明之紗線檢測方法之幾何特徵分析步驟示意圖(三)。

Claims

一種紗線檢測方法，其包含：(1)藉由一影像擷取單元擷取一紗線的外觀影像，以獲得一紗線影像，並將該紗線影像傳送給一分析處理單元；(2)藉由該分析處理單元去除該紗線影像的背景，以獲得一前景影像；(3)對該前景影像進行測邊處理，以於該前景影像中獲得一紗線主體及一紗線邊界；(4)將該紗線主體與一紗線模型進行比對作業，以估算該紗線主體之數個特徵參數，該數個特徵參數係包含該紗線主體之面積變化、平順度及對稱度；及(5)依據該數個特徵參數及紗線邊界定義一影像特徵值，並依據該影像特徵值進行檢測作業，以判別該紗線是否具有瑕疵及瑕疵種類。
依申請專利範圍第1項所述之紗線檢測方法，其中步驟(4)估算該紗線主體之面積變化，係預先定義該紗線模型之平均寬度後，利用如以下所述公式計算：其中，δ為該紗線主體之面積變化，為該紗線模型之平均寬度，j為該前景影像中直行的像素個數，W_j為該紗線主體每一橫列所具有的像素個數。
依申請專利範圍第1項所述之紗線檢測方法，其中步驟(4)估算該紗線主體之平順度，係預先定義該紗線模型之中心線後，利用如以下所述公式計算：S=Lr-Lm其中，S為該紗線主體之平順度，Lr為該紗線主體之中心線的長度，Lm為該紗線模型之中心線的長度。
依申請專利範圍第1項所述之紗線檢測方法，其中步驟(4)估算該紗線主體之對稱度，係預先將最外圍之紗線邊界以內所有像素點的像素值設定為相同，以將該前景影像轉換成為一判別影像，使該紗線主體轉換為一判別主體，並利用如以下所述公式計算：其中，D為該紗線主體之對稱度，Cr為該紗線主體之中心線在其中一橫列所具有之像素個數，Cd為該判別主體之中心線在相同之橫列所具有之像素個數，j為該判別影像中直行的像素個數。
依申請專利範圍第1項所述之紗線檢測方法，其中該步驟(5)定義該影像特徵值，係預先依據該紗線邊界進行熵值運算後，將熵值與該紗線主體之面積變化、平順度及對稱度整合成如以下所述公式表示後，再利用線性統計式分類器，以高斯機率密度函數加以判別：x=(δ,S,D,e)^T其中，x為影像特徵值，δ為該紗線主體之面積變化，S為該紗線主體之平順度，D為該紗線主體之對稱度，e則為熵值。
依申請專利範圍第1、2、3、4或5項所述之紗線檢測方法，其中該步驟(1)在將該紗線影像傳送給該分析處理單元後，係藉由該分析處理單元預先去除該紗線影像中的雜訊。
依申請專利範圍第1、2、3、4或5項所述之紗線檢測方法，其中該步驟(2)去除該紗線影像的背景，係分為二階段，第一階段係預先估算該紗線影像之一像素平均值，並接著估算大於該像素平均值之像素點的一前景像素平均值，以及小於或等於該像素平均值之像素點的一背景像素平均值後，再分別以該前景像素平均值及背景像素平均值為上、下界定出一搜尋範圍；第二階段再利用統計式門檻值決定法於該搜尋範圍內估算一影像門檻值後，依據該影像門檻值去除該紗線影像的背景。