基于计算机视觉的纺织纱管纱线检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于计算机视觉的纺织纱管纱线检测方法，本方法可以集成为生产领域的人工智能系统，可以作为一种人工智能优化操作系统、人工智能中间件等，可以用于计算机视觉软件的开发。该方法包括：捕获并识别纱管表面图像，并对图像进行预处理，获得纱管灰度图像；根据纱管灰度图像中疑似纱线像素点的灰度波动程度和梯度方向一致性获得疑似纱线像素点为纱线像素点的概率，并利用此概率获得纱线像素点的数量。本发明专利技术可以精确的区分纱管上存在少量纱线的情况，同时可以适应复杂的工况环境，避免由于光照或其他复杂工况所导致的纱管残余纱线的误检测，提高纱管上残余纱线检测的准确度，避免影响后续的分类、回流。回流。回流。

【技术实现步骤摘要】
基于计算机视觉的纺织纱管纱线检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于计算机视觉的纺织纱管纱线检测方法。

技术介绍

[0002]在工业纺织领域，一般需要对绕纱的纱管进行检测，检测纱管上是否还有残余的纱线，并将存在纱线的纱管挑选出来，在分拣过程中会有一些纱管的含纱量非常少的情况，然后将存在纱线的纱管从理管机中挑选出来，送入回流装置。传统的人工检测方法已经无法满足目前的生产要求，很大程度上限制了纺织制造业的发展和进步，这是由于传统人工检测的方法效率低下，出错率高，成本大；另一方面人类眼睛的生理极限也导致了人工检测无法达到计算机检测的精度以及持久度；而计算机的快速性、可靠性和准确性使得计算机检测技术更加适合对于纱管的含纱量进行检测。
[0003]现有技术中利用机器视觉对于纱管是否含有纱线以及含纱的多少的检测已经有很多种方法了，有根据纱线的灰度值以及颜色对比法等对纱管上的纱线进行识别的，还有利用模板对比的方法将无纱线的纱管的图像与有纱线的纱管的图像进行对比来检测纱管是否有残余纱线；这些方法虽然能够识别出残余纱线较多的情况，但对于残余纱线较少的纱管的检测并不理想，并且不能排除获取图像时光照的影响以及纱管反光区域噪声的问题，会使检测的精度降低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于计算机视觉的纺织纱管纱线检测方法，所采用的技术方案具体如下：本专利技术实施例提供了一种基于计算机视觉的纺织纱管纱线检测方法：获取只包含纱管的图像，将图像灰度化获得纱管灰度图像；利用纱管灰度图像中像素点的最大灰度级和最小灰度级确定第一灰度级，所述第一灰度级小于最大灰度级，大于最小灰度级和最大灰度级的中间量；根据纱管灰度图像中的最大、最小灰度级和第一灰度级获得各灰度级的关注度；基于各灰度级的关注度确定疑似纱线像素点；利用疑似纱线像素点以及邻域内像素点灰度值的变化趋势获得疑似纱线像素点的灰度波动程度；获得疑似纱线像素点和其邻域内像素点的梯度方向向量；疑似纱线像素点的梯度方向向量与邻域内其他像素点的梯度方向向量的余弦相似度的方差为疑似纱线像素点的梯度方向一致性；基于疑似纱线像素点的灰度波动程度和梯度方向一致性获得疑似纱线像素点为纱线像素点的概率；利用疑似纱线像素点为纱线像素点的概率确定纱管灰度图像中为纱线像素点的数量，且纱线像素点的数量与像素点的总数量的比值为纱管的含纱量。
[0005]优选地，第一灰度级为：
其中，m表示第一灰度级；表示最大灰度级，表示最小灰度级。
[0006]优选地，获取只包含纱管的图像，将图像灰度化获得纱管灰度图像包括：采集纱管表面图像；使用交叉熵损失函数训练DNN语义分割网络，输入采集的纱管表面图像，输出纱管掩膜图像；将纱管掩膜图像与纱管表面图像相乘获得只包含纱管的图像，并将该图像灰度化。
[0007]优选地，各灰度级的关注度为：其中，为第个灰度级的关注度；表示最大灰度级，表示最大灰度级，表示最小灰度级和最大灰度级之间的任一灰度级，m表示第一灰度级；e为自然常数。
[0008]优选地，基于各灰度级的关注度确定疑似纱线像素点包括：设置关注度阈值，其中，属于关注度大于等于关注度阈值的灰度级的像素点为疑似纱线像素点。
[0009]优选地，获得疑似纱线像素点和其邻域内像素点的梯度方向向量包括：获得疑似纱线像素点和其邻域内像素点在水平方向和竖直方向的梯度幅值；根据所述水平方向和竖直方向的梯度幅值获得疑似纱线像素点和其邻域内像素点的梯度方向；同时获得疑似纱线像素点和其邻域内像素点的梯度方向上的单位向量，所述单位向量为疑似纱线像素点和其邻域内像素点的梯度方向向量。
[0010]优选地，在基于疑似纱线像素点的灰度波动程度和梯度方向一致性获得疑似纱线像素点为纱线像素点的概率之前还包括：将疑似纱线像素点的灰度波动程度进行归一化。
[0011]优选地，疑似纱线像素点为纱线像素点的概率包括：疑似纱线像素点的灰度波动程度和梯度方向一致性与疑似纱线像素点为纱线像素点的概率成正相关关系。
[0012]优选地，利用疑似纱线像素点为纱线像素点的概率确定纱管灰度图像中为纱线像素点的数量包括：设定概率阈值，疑似纱线像素点为纱线像素点的概率大于概率阈值的疑似纱线像素点为纱线像素点，统计纱线像素点的数量。
[0013]本专利技术实施例至少具有如下有益效果：本专利技术采用图像数据处理的技术，捕获并识别纱管表面图像，并对图像进行预处理获得纱管灰度图像，对纱管灰度图像中的数据进行处理，根据对纱管灰度图像的灰度值和灰度梯度变化等数据的分析获得纱管的含纱量。本专利技术可以实时监测并分类纱管，同时提高纱管分拣自动化程度，加快了工作效率，节约人工成本。通过对纱线灰度图像中疑似纱线像素点进行纱线概率计算，可以精确的区分纱管上存在少量纱线的情况，同时可以适应复杂的工况环境，避免由于光照或其他复杂工况所导致的纱管残余纱线的误检测，为后续分类、回流带来影响。同时，本专利技术提供的纺织纱管纱线检测方法可以集成为生产领域的人工智能系统，可以作为一种人工智能优化操作系统、人工智能中间件等，可以用于计算机视觉软件的开发以便于将检测方法进行移植，使其能够方便的进行应用。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0015]图1为一种基于计算机视觉的纺织纱管纱线检测方法流程图。
具体实施方式
[0016]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于计算机视觉的纺织纱管纱线检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0017]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0018]下面结合附图具体的说明本专利技术所提供的一种基于计算机视觉的纺织纱管纱线检测方法的具体方案。
实施例
[0019]本专利技术的主要应用场景为：待检测的纱管进入传输带，相机采集待检测纱管的表面图像，通过图像数据处理技术获得纱管中疑似纱线的像素点，再根据疑似纱线像素点的灰度信息和梯度信息判断像素点是否为纱线像素点，计算纱管上纱线的残余量，并进行纱管的分类。
[0020]所谓纱管，通常为表面光滑的塑料管，通过纺纱技术生产出纱线缠绕在纱管上，使用时纱线从纱管上退绕，生产过程中由于纺织品生产完成或纱管自身原因，会导致纱管上会有或多或少残余部分的纱线，纱线通常为白色纱线，由于纱管表面光滑，在光照下产生镜面反射导致反射光线与白色纱线混淆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机视觉的纺织纱管纱线检测方法，其特征在于，该方法包括：获取只包含纱管的图像，将图像灰度化获得纱管灰度图像；利用纱管灰度图像中像素点的最大灰度级和最小灰度级确定第一灰度级，所述第一灰度级小于最大灰度级，大于最小灰度级和最大灰度级的中间量；根据纱管灰度图像中的最大、最小灰度级和第一灰度级获得各灰度级的关注度；基于各灰度级的关注度确定疑似纱线像素点；利用疑似纱线像素点以及邻域内像素点灰度值的变化趋势获得疑似纱线像素点的灰度波动程度；获得疑似纱线像素点和其邻域内像素点的梯度方向向量；疑似纱线像素点的梯度方向向量与邻域内其他像素点的梯度方向向量的余弦相似度的方差为疑似纱线像素点的梯度方向一致性；基于疑似纱线像素点的灰度波动程度和梯度方向一致性获得疑似纱线像素点为纱线像素点的概率；利用疑似纱线像素点为纱线像素点的概率确定纱管灰度图像中为纱线像素点的数量，且纱线像素点的数量与像素点的总数量的比值为纱管的含纱量。2.根据权利要求1所述的基于计算机视觉的纺织纱管纱线检测方法，其特征在于，所述获取只包含纱管的图像，将图像灰度化获得纱管灰度图像包括：采集纱管表面图像；使用交叉熵损失函数训练DNN语义分割网络，输入采集的纱管表面图像，输出纱管掩膜图像；将纱管掩膜图像与纱管表面图像相乘获得只包含纱管的图像，并将该图像灰度化。3.根据权利要求1所述的基于计算机视觉的纺织纱管纱线检测方法，其特征在于，所述第一灰度级为：其中，m表示第一灰度级；表示最大灰度级，表示最小灰度级。4.根据权利要求1所述的基于计算机视觉的纺织纱管纱线检测方法，其特征在于，所述各灰度级的关注度为：其中，为第个灰度级的关注度；表示最大灰度级...

【专利技术属性】
技术研发人员：刘秋秋，
申请(专利权)人：南通永安纺织有限公司，
类型：发明
国别省市：