纺纱机的纱线检测系统及其方法技术方案

本申请涉及智能检测技术领域，其具体地公开了一种纺纱机的纱线检测系统及其方法，其将纱线均匀缠绕在黑板上，通过摄像头采集待检测纱线的图像，对图像进行分块处理后通过卷积神经网络提取图像特征，并计算每两个图像块特征之间的余弦相似度，基于图像中的纱线质量特征信息和全局相似度拓扑特征来进行纱线质量是否合格的判断。这样，可以实现对纱线质量的自动化判断和评估，从而对不合格的纱线进行及时处理和调整，以保证纱线的质量符合要求。以保证纱线的质量符合要求。以保证纱线的质量符合要求。

【技术实现步骤摘要】
纺纱机的纱线检测系统及其方法


[0001]本申请涉及智能检测
，且更为具体地，涉及一种纺纱机的纱线检测系统及其方法。

技术介绍

[0002]在纺织工业中，纱线是指将许多短纤维或细丝以近似平行的状态排列并沿轴扭曲，以形成具有一定强度和线密度的细长物体。
[0003]纱线被用作编织的原料，具有不同的编织紧密度，不同的织物表面表示以及不同的印染要求的织物对纱线结构有不同的要求。纱线的色泽、均匀性、是否含有杂质、短纤维、结头等，这些都会影响纱线的质量和纺纱效果。所以，在分析纺织品的质量时，有必要对纺织品所用纱线的质量进行全面的检测。
[0004]因此，期待一种纺纱机的纱线检测系统及其方法。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种纺纱机的纱线检测系统及其方法，其将纱线均匀缠绕在黑板上，通过摄像头采集待检测纱线的图像，对图像进行分块处理后通过卷积神经网络提取图像特征，并计算每两个图像块特征之间的余弦相似度，基于图像中的纱线质量特征信息和全局相似度拓扑特征来进行纱线质量是否合格的判断。这样，可以实现对纱线质量的自动化判断和评估，从而对不合格的纱线进行及时处理和调整，以保证纱线的质量符合要求。
[0006]相应地，根据本申请的一个方面，提供了一种一种纺纱机的纱线检测系统，其包括：
[0007]图像采集模块，用于获取由摄像头采集的纱线的检测图像；
[0008]图像分块模块，用于对所述检测图像进行分块处理以得到多个图像块；/>[0009]图像特征提取模块，用于将所述多个图像块分别通过作为过滤器的第一卷积神经网络模型以得到多个图像块特征向量；
[0010]矩阵化模块，用于将所述多个图像块特征向量进行二维排列以得到图像全局特征矩阵；
[0011]度量模块，用于计算所述多个图像块特征向量中每两个图像块特征向量之间的余弦相似度以得到相似度拓扑矩阵；
[0012]相似度拓扑特征提取模块，用于将所述相似度拓扑矩阵通过作为过滤器的第二卷积神经网络模型以得到相似度拓扑特征矩阵；
[0013]图神经网络模块，用于将所述相似度拓扑特征矩阵和所述图像全局特征矩阵通过图神经网络模型以得到分类特征矩阵；
[0014]优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；
[0015]检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示纱线的的外观质量是否合格。
[0016]在上述纺纱机的纱线检测系统中，所述图像特征提取模块，包括：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的各个特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络模型的最后一层的输出为所述图像块特征向量，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述多个图像块。
[0017]在上述纺纱机的纱线检测系统中，所述度量模块，包括：相似度计算单元，用于以如下余弦公式来计算所述多个图像块特征向量中每两个图像块特征向量之间的余弦相似度；其中，所述余弦公式为：
[0018][0019]其中，F
i
、F
j
表示所述多个图像块特征向量中每两个图像块特征向量，F
ik,l,m
、F
jk,l,m
分别表示所述多个图像块特征向量中每两个图像块特征向量的各个位置的特征值，cos(F
i
,F
j
)表示所述多个图像块特征向量中每两个图像块特征向量之间的所述余弦相似度；二维排列单元，用于将所述多个余弦相似度进行二维排列以得到所述相似度拓扑矩阵。
[0020]在上述纺纱机的纱线检测系统中，所述相似度拓扑特征提取模块，包括：使用所述作为过滤器的第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行通道维度的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第二卷积神经网络模型的最后一层的输出为所述相似度拓扑特征矩阵，所述作为过滤器的第二卷积神经网络模型的第一层的输入为所述相似度拓扑矩阵。
[0021]在上述纺纱机的纱线检测系统中，所述图神经网络通过可学习的权重参数对所述相似度拓扑特征矩阵和所述图像全局特征矩阵进行图结构数据编码以得到包含图像块的相似度拓扑特征和各个图像块的高维图像特征信息的所述分类特征矩阵。
[0022]在上述纺纱机的纱线检测系统中，所述优化模块，包括：余弦相似度计算单元，用于计算所述分类特征矩阵的各个行向量相对于所述分类特征矩阵的其他行向量之间的余弦相似度以得到多个余弦相似度，并计算所述多个余弦相似度的加和值作为所述分类特征矩阵的各个行向量的全局自聚类几何相似度特征值；一维排列单元，用于将所述分类特征矩阵的各个行向量的全局自聚类几何相似度特征值进行排列以得到类内
‑
类间自聚类相似度输入向量；概率化单元，用于将所述类内
‑
类间自聚类相似度输入向量通过Softmax函数以得到概率化类内
‑
类间自聚类相似度特征向量；加权单元，用于以所述概率化类内
‑
类间自聚类相似度特征向量中各个位置的特征值作为权重对所述分类特征矩阵的各个行向量进行加权以得到所述优化分类特征矩阵。
[0023]在上述纺纱机的纱线检测系统中，所述检测结果生成模块，包括：展开单元，用于将所述优化分类特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特
征向量；以及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0024]根据本申请的另一个方面，提供了一种纺纱机的纱线检测方法，其包括：
[0025]获取由摄像头采集的纱线的检测图像；
[0026]对所述检测图像进行分块处理以得到多个图像块；
[0027]将所述多个图像块分别通过作为过滤器的第一卷积神经网络模型以得到多个图像块特征向量；
[0028]将所述多个图像块特征向量进行二维排列以得到图像全局特征矩阵；
[0029]计算所述多个图像块特征向量中每两个图像块特征向量之间的余弦相似度以得到相似度拓扑矩阵；
[0030]将所述相似度拓扑矩阵通过作为过滤器的第二卷积神经网络模型以得到相似度拓扑特征矩阵；
[0031]将所述相似度拓扑特征矩阵和所述图像全局特征矩阵通过图神经网络模型以得到分类特征矩阵；
[0032]对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纺纱机的纱线检测系统，其特征在于，包括：图像采集模块，用于获取由摄像头采集的纱线的检测图像；图像分块模块，用于对所述检测图像进行分块处理以得到多个图像块；图像特征提取模块，用于将所述多个图像块分别通过作为过滤器的第一卷积神经网络模型以得到多个图像块特征向量；矩阵化模块，用于将所述多个图像块特征向量进行二维排列以得到图像全局特征矩阵；度量模块，用于计算所述多个图像块特征向量中每两个图像块特征向量之间的余弦相似度以得到相似度拓扑矩阵；相似度拓扑特征提取模块，用于将所述相似度拓扑矩阵通过作为过滤器的第二卷积神经网络模型以得到相似度拓扑特征矩阵；图神经网络模块，用于将所述相似度拓扑特征矩阵和所述图像全局特征矩阵通过图神经网络模型以得到分类特征矩阵；优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示纱线的的外观质量是否合格。2.根据权利要求1所述的纺纱机的纱线检测系统，其特征在于，所述图像特征提取模块，包括：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的各个特征矩阵的均值池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络模型的最后一层的输出为所述图像块特征向量，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述多个图像块。3.根据权利要求2所述的纺纱机的纱线检测系统，其特征在于，所述度量模块，包括：相似度计算单元，用于以如下余弦公式来计算所述多个图像块特征向量中每两个图像块特征向量之间的余弦相似度；其中，所述余弦公式为：其中，F
i
、F
j
表示所述多个图像块特征向量中每两个图像块特征向量，分别表示所述多个图像块特征向量中每两个图像块特征向量的各个位置的特征值，cos(F
i
,F
j
)表示所述多个图像块特征向量中每两个图像块特征向量之间的所述余弦相似度；二维排列单元，用于将所述多个余弦相似度进行二维排列以得到所述相似度拓扑矩阵。4.根据权利要求3所述的纺纱机的纱线检测系统，其特征在于，所述相似度拓扑特征提取模块，包括：使用所述作为过滤器的第二卷积神经网络模型的各层在层的正向传递中分
别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行通道维度的均值池化以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第二卷积神经网络模型的最后一层的输出为所述相似度拓扑特征矩阵，所述作为过滤器的第二卷积神经网络模型的第一层的输入为所述相似度拓扑矩阵。5.根据权利要求4所述的纺纱机的纱线检测系统，其特征在于，所述图神经网络通过可学习的权重参数对所述相似度拓扑特征矩阵和所述图像全局特征矩阵进行图结构数据编码以得到包含图像块的相似度拓扑特征和各个图像块的高维图像特征信息的所述分类特征矩阵。6.根据权利要求5所述的纺纱机的纱线检测系统，其特征在于，所述优化模块，包括：余弦相似度计算单元，用于计算所述分类特征矩阵的各个行向量相对于所述分类特征矩阵的其他行向量之间的余弦相似度以得到多个余弦相...

【专利技术属性】
技术研发人员：郭华峰，郭东奇，郁晓强，
申请(专利权)人：海宁市海隆鑫纺织有限公司，
类型：发明
国别省市：