一种用于识别纺织原料中异物的方法及系统技术方案

本发明专利技术公开了一种用于识别纺织原料中异物的方法及系统，该方法包括：采用一定数量人工标注出异物位置坐标和类型的纺织原料样本图片作为训练样本对深度神经网络模型进行训练产生异物识别模型；利用该异物识别模型对拍摄的待识别纺织原料的图像进行异物识别、确定存在于该图像中异物的位置坐标和类型，后续触发异物清理设备对识别出的异物进行自动清理。本发明专利技术提供的方案结合了图像分析技术和人工智能技术对纺织原料的异物进行自动识别、清理，相对于现有的技术方案能够识别异物类型大大增加，并且提高了异物检出率和准确度。

【技术实现步骤摘要】
一种用于识别纺织原料中异物的方法及系统
本专利技术提供的技术方案涉及自动检测/检验领域，结合机器学习实现纺织原料纤维中含有的非生产所需的异物及其所在位置坐标进行自动识别、清除。具体涉及一种用于识别纺织原料中异物的方法及系统
技术介绍
天然纺织原料中常常含有非生产所需异物，需要及时进行清除以保证纺织原料满足生产的质量要求。纺织原料主要包括天然纤维和人造纤维两类。其中，天然纤维(即天然纺织原料)主要包括：棉、麻、毛(羊毛、羊绒、骆驼毛、兔毛、牦牛毛等)、丝(柞蚕丝、桑蚕丝等)。纺织原料中的异物主要包括几种大类：1.与生产所需要的纤维在材料上不同的异性纤维、又叫异纤，包括：化学纤维、毛发、羽毛、塑料膜、塑料绳、染色的线(绳、布)等；2.杂物，比如：树叶、纸张、木块、金属、砖块、石子、塑料片等；3.污染的纺织原料，比如：脏棉、脏毛等。现有的从纺织原料中主要采用人工挑拣和采用特定清除机构进行异物清除。例如，在使用棉花为原料生产纱线过程中，除了现场人工挑拣外，还通过开清棉机组中的开棉机来去除纤维中密度较大的杂物以及用异纤分拣机来清除原棉中的异纤。开棉机械去除杂物的原理为:由于砂石、木块、塑料片等杂物通常密度大体积小，受空气阻力影响小，而纤维密度小体积大，受空气阻力影响大，因此，含有杂质的棉花纤维在开棉机械中遇到旋转的打手时，杂质会因惯性而飞出，而纤维则会跟随打手和气流运动，从而实现纤维和杂质的分离。异纤分拣机，又叫异纤机。目前纺织行业内使用的异纤机分为光电检测式和超声波检测式两种：1)光电检测式异纤机，采用CCD高速彩色摄像机对纺织原料进行扫描，扫描图像数据送入计算系统处理利用图像识别技术进行异纤检测，当发现异纤时发出指令、驱动如机械手之类的异纤清除机构进行异纤清除。2)超声波式异纤机，其根据超声波穿透原理，对原棉发射超声波、当原棉中含有质地紧密的塑料、丙纶等合成材料时发射的超声波会被反射回来,计算机系统检测到反射的超声波进行定位，根据确定的异纤位置坐标驱动如机械手之类的异纤清除机构进行异纤清除。目前纺织行业内普遍使用的异纤机为光电检测式异纤机。由于CCD高速摄像机对白色透明的异性杂物，既不能检测也无法清除，所以除了CCD摄像机外，光电型异纤机通常还会安装有紫外光源的检测头,利用紫外线照射时不同纤维的荧光反应色态和强度的差别,分辨出部分无色异纤并拣出。目前纺织行业使用的异纤机的主要不足之处有：1.对细小的异纤识别率较低：例如对头发的识别检出率，使用2K像素的CCD相机时识别检出率在40％～50％；采用4K高分辨率的CCD相机时头发识别检出率在70％～80％区间。2.对白色或透明异纤的检测效果较差：CCD摄像对白色、透明的异纤难以识别，即便额外安装紫外光源的检测头来分辨无色异纤，因其只能发现有荧光效应的异纤，总体来讲对白色或透明异纤的识别检出率最高仍只在70％左右，部分品牌异纤机的识别检出率不到50％。3.受限于工序设置、异纤识别清除难度增加，识别检出率进一步下降：为了能更多地检测和清理出棉花中的异纤需要棉花充分地开松，所以异纤机通常安装在开清棉工序的最后。这就导致很多异纤在开棉阶段被开棉机打碎成细小的异纤，既难以检测、又难以清除。
技术实现思路
为了解决采用传统纺织原料中异物识别方案存在的上述不足。本专利技术提供的技术方案结合人工智能领域的深度神经网络模型来识别纺织原料中的异物。本专利技术具体提供一种用于识别纺织原料中异物的方法，通过该方法不仅可以识别出各种有色或无色的异纤、也能识别杂质或者脏棉等，即便是微小的异纤(比如头发)也能准确识别。本专利技术提供的用于识别纺织原料中异物的方法，具体实现为：采用一定数量人工标注出异物位置坐标和类型的纺织原料样本图片作为训练样本对深度神经网络模型进行训练产生异物识别模型；拍摄待识别纺织原料的图像作为待识别图像，利用该异物识别模型对所述待识别图像进行异物识别，将识别出的该图像中异物所处的位置坐标和类型输出到所述异物清除设备的控制器，以触发所述异物清除设备对所述识别出的异物进行清除。进一步地，所述的所述深度神经网络模型为YOLO图像目标检测模型。所述异物识别处理模块在将识别出的该图像中异物所处的图像位置坐标和类型输出到所述异物清除设备的控制器具体为：将所述异物的图像位置坐标转换成所述异物清除设备所处的世界坐标系下的位置坐标后输出给所述控制器。优选地、所述纺织原料样本图片以及所述待识别图像均采用相机拍摄得到；所述异物包括：杂物、与纺织原料在材料上的异性纤维、受到污染的纺织原料中的一种或多种。与上述方法相对应，本专利技术还提供一种用于识别纺织原料中异物的系统，该系统包括：相机、异物识别处理模块、以及异物清除设备；所述相机，用于拍摄待识别纺织原料的图像作为待识别图像输入到异物识别处理模块；所述异物识别处理模块，采用一定量人工标注出异物位置坐标和类型的纺织原料样本图片作为训练样本对深度神经网络模型进行训练产生的异物识别模型，对所述待识别图像进行异物识别、将识别出的该图像中异物所处的位置坐标和类型输出到所述异物清除设备的控制器，以触发所述异物清除设备对所述识别出的异物进行清除。附图说明图1为本专利技术提供的用于识别纺织原料中异物的方法的示意图。具体实施方式为了使本专利技术所解决的技术问题、技术方案以及有益效果更加清楚明白，以下结合附图对本专利技术进行进一步详细说明。应该理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示、本专利技术提供用于识别纺织原料中异物的方法包括异物识别模型产生阶段和异物识别阶段。异物识别模型产生阶段：a.准备训练样本。采集一定数量的含异物的纺织原料样本图片，对所述纺织原料样本图片中异物位置坐标及类别进行人工标注，将标注好的所述纺织原料样本图片作为训练样本。在进行人工标注时，主要采用方形框来限定图片中异物的位置坐标范围。异物的类型可以包括：非生产所需的化学纤维、毛发、羽毛、塑料膜、塑料绳、染色的线(绳、布)等异纤，树叶、纸张、木块、金属、砖块、石子、塑料片等杂物以及受污染的纺织原料(比如：脏棉、脏毛)。b.采用所述准备的训练样本训练深度神经网络模型以产生异物识别模型。将上述步骤a标注好的所述纺织原料样本图片作为训练样本对深度神经网络模型进行训练产生异物识别模型。所述深度神经网络模型优选为YOLO图像目标检测模型。YOLO是JosephRedmon和AliFarhadi等人于2015年提出的基于单个神经网络的目标检测系统。作者在2017和2018年又发表了YOLOV2和YOLOV3，进一步提高了检测的精度和速度。YOLO是一个可以一次性预测多个Box位置坐标和类别的卷积神经网络，能够实现端到端的目标检测和识别，其最大的优势就是速度快。此外、它有自己的开源深度学习框架—darknet，使用起来比较简单。异物识别阶段包括：c.利用所述异物识别模型对所述待识别图像进行异物识别。采用相机拍摄待检测的纺织原本文档来自技高网...

【技术保护点】
1.一种用于识别纺织原料中异物的方法，其特征在于，该方法包括：采集一定数量的含异物的纺织原料样本图片，对所述纺织原料样本图片中异物位置坐标及类别进行人工标注，将标注好的所述纺织原料样本图片作为训练样本；采用所述训练样本对深度神经网络模型进行训练产生异物识别模型，拍摄待识别纺织原料的图像作为待识别图像，利用该异物识别模型对所述待识别图像进行异物识别、识别该图像中异物所处的位置坐标和类型。/n

【技术特征摘要】
1.一种用于识别纺织原料中异物的方法，其特征在于，该方法包括：采集一定数量的含异物的纺织原料样本图片，对所述纺织原料样本图片中异物位置坐标及类别进行人工标注，将标注好的所述纺织原料样本图片作为训练样本；采用所述训练样本对深度神经网络模型进行训练产生异物识别模型，拍摄待识别纺织原料的图像作为待识别图像，利用该异物识别模型对所述待识别图像进行异物识别、识别该图像中异物所处的位置坐标和类型。


2.如权利要求1所述方法，其特征在于，所述深度神经网络模型为YOLO图像目标检测模型。


3.如权利要求2所述的方法，其特征在于，所述异物识别模型采用3种不同尺度的输出张量进行异物识别，每个所述输出张量的元素对应一个网格、每个网格对应3种先验框，每个输出张量对应的网格数与其对应的先验框数量相乘，再相加汇总得到总的预测数据组数；每个所述预测数据组包括所在图像中异物所在boundingbox的边框坐标(4个数值)、该边框存在异物的置信度以及检测出异物的类别标识数据；对于同一个异物对应的各边框按照所述置信度进行排序，以置信度最高的边框作为该异物在所述图像中的位置坐标。


4.如权利要求1-3中任一项所述的方法，其特征在于，在识别出该图像中异物所处的位置坐标和类型之后还包括：将所述异物的图像位置坐标转换成所述异物清除设备所处的世界坐标系下的位置坐标后输出给异物清除设备的控制器，由所述控制器驱动所述清除设备进行异物清除。


5.如权利要求4所述的方法，其特征在于，所述纺织原料样本图片以及所述待识别图像均采用相机拍摄得到；所述异物包括：杂物、与纺织原料在材料上不同的异性纤维、受到污染的纺织原料中的一种或多种。


6.一种用于识别纺织原料中异物的系统，其特征在于，该系统包括：相机、异物识别处理模块、以及...

【专利技术属性】
技术研发人员：杨凯健，
申请(专利权)人：上海艾豚科技有限公司，
类型：发明
国别省市：上海;31