【技术实现步骤摘要】
丝锭外观成型不良缺陷检测与分级方法、存储介质及设备
[0001]本专利技术涉及纺织化纤工业检测
,具体涉及一种丝锭外观成型不良缺陷检测与分级方法、存储介质及设备。
技术介绍
[0002]随着工业技术和信息技术的进步,全球兴起了以智能制造为代表的新一轮产业变革,数字化、网络化、智能化日益成为未来制造业发展的主要趋势。在工业4.0发展战略趋势下,各大纺织企业也在紧锣密鼓推进产业升级。当前,在对化纤行业中DTY、FDY、POY等各种丝锭的外观缺陷检测上,主要采用人工方式进行检测,使得整个企业的自动化生产程度降低,极大阻碍了企业向智能化的转型,因此,急需采用有效的方式完成对丝锭表面外观缺陷的自动化检测。
[0003]随着图像处理与人工智能技术飞速发展,为通过机器视觉的方式完成丝锭表面外观缺陷的自动化检测提供了支撑。目前,在丝锭外观缺陷的种类中,尤其以成型不良缺陷最为常见,而且它不同于油污、网丝、毛丝缺陷有固定的颜色或者形态表征,成型不良的种类较多,缺陷外观形态表现不一,导致不同的质检人员对成型不良缺陷的评判差距较大。因此,迫切需要一种能够满足对丝锭成型缺陷自动检测与分级方法。
技术实现思路
[0004]本专利技术提出的一种丝锭外观成型不良缺陷检测与分级方法、存储介质及设备,可至少解决
技术介绍
中的技术问题之一。
[0005]为实现上述目的,本专利技术采用了以下技术方案:一种丝锭外观成型不良缺陷检测与分级方法,包括以下步骤,S1、对丝锭表面外观图像有效区域分割,获取丝锭圆环有效区域的矩形展开 ...
【技术保护点】
【技术特征摘要】
1.一种丝锭外观成型不良缺陷检测与分级方法,其特征在于,包括以下步骤,S1、对丝锭表面外观图像有效区域分割,获取丝锭圆环有效区域的矩形展开图;S2、将丝锭圆环有效区域的矩形展开图分割为多个分块图像,分别对每个所述分块图像进行通道转换,通过引入3
×
3的Haar
‑
like特征提取算子,作为固定参数卷积核,并融合边缘检测与膨胀卷积,构建2种能够突出边缘特征信息与扩大特征提取感受野的卷积核,同时利用构建的所述卷积核对通道转换后的图像进行多通道特征提取与融合,改进对多层CNN模型第1卷积层的特征提取,并将多层CNN模型最后的输出层改为4
‑
d的全连接层,增加Softmax的输出,构建丝锭成型的分类器,从而输出每个分块图像针对4种成型类别的概率;S3、采用概率加权计算方法,将丝锭成型缺陷分级的标准进行量化,对丝锭成型缺陷分级。2.根据权利要求1所述的丝锭外观成型不良缺陷检测与分级方法,其特征在于:所述步骤S1具体包括:S1.1、通过硬件触发或者外部触发,触发相机采集,获取丝锭外观图像;S1.2、图像预处理后利用霍夫变换求取丝锭边缘的圆心与半径R1,以及纸管边缘的半径R2;S1.3、将求取的丝锭边缘与纸管边缘的包围区域映射到原始图像,保留包围区域的内部像素点,其余像素点置0,得到中间保留图像;S1.4、对所述中间保留图像的圆环区域按照求取的所述丝锭边缘的圆心,以半径R1和R2展开,得到有效区域的矩形展开图。3.根据权利要求1所述的丝锭外观成型不良缺陷检测与分级方法,其特征在于:所述步骤S2具体包括:S2.1、将丝锭展开图按照设定的大小分成多个图像分块,并建立分块图像成型缺陷数据集;S2.2、对每个分块图像,由RGB图像转换为明度图Value、灰度图Gray和均值图Mean;S2.3、采用训练好的轻量型多层CNN模型,利用转换后的图像信息,完成对每个分块图像的分类;S2.4、对每个分块图像的分类结果信息进行汇总。4.根据权利要求3所述的丝锭外观成型不良缺陷检测与分级方法,其特征在于:所述步骤S2.1具体包括将丝锭展开图按照固定大小分成多个分块图像,并将分块图像按照纹理形态的变化程度,分为正常、轻微、中度、重度4种成型类别,建立分块图像成型缺陷数据集。5.根据权利要求3所述的丝锭外观成型不良缺陷检测与分级方法,其特征在于:所述步骤S2.2具体包括所述的明度图Value、灰度图Gray和均值图Mean的转换公式,具体包括:,,
;i表示图像的行坐标,j表示图像的列坐标。6.根据权利要求3所述的丝锭外观成型不良缺陷检测与分级方法,...
【专利技术属性】
技术研发人员:岳晨,黄鑫,裴孝怀,钟智敏,刘伟,王筱圃,
申请(专利权)人:科大智能物联技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。