【技术实现步骤摘要】
本专利技术涉及浆纱机浆槽区断纱故障检测领域，确切地说是一种基于机器视觉的浆纱机浆槽区断纱检测算法及系统。
技术介绍
1、纱线上浆是织布之前的一道关键工序，上浆质量将直接影响纱线质量。在上浆过程中，纱线时常会发生断纱，目前通常采用人工巡检的方式来检查断纱故障。而浆纱生产线长、设备多，发生断纱的时间、位置不固定，人工巡检成本高、效率低，费时费力。目前产业中尚无采用机器视觉检测浆纱机浆槽区断纱故障的成熟技术，并且且人工巡检的方式难以及时发现断纱故障而导致巨大的损失。因此，研究高准确率、高效率且能识别浆纱机浆槽区断纱故障的智能检测算法和系统具有重要意义。
2、浆纱机浆槽区位于浆纱生产线中部，是上浆工艺中发生断纱较为频繁的区域。浆槽区分为后浆槽和前浆槽两个流程，这两个区域中分别存在黑辊和浆液辊。在实际的生产过程中，黑辊和浆液辊都容易出现断纱故障而导致纱线的拥积，并且浆槽区位于整个浆纱生产线的中部位置相对封闭，浆液的温度较高。工人在巡检时不容易发现拥纱的故障，巡检环境相对恶劣，需要耗费相当长的时间。本专利技术基于机器视觉提出一种能够智能检测浆纱机浆槽区断纱故障检测算法及系统。该方法对于浆槽区的断纱故障检测不需要工人参与，减轻了工人的劳动强度，减少了企业的用人成本，且还具有检测精度高及稳定的优点。
技术实现思路
1、本专利技术的目的正是针对上述现有技术中所存在的不足之处而提供一种能够有效解决了目前采用人工巡检的方式来检查浆纱机浆槽区断纱故障效率低、耗时长的基于机器视觉的浆纱机浆槽区断
2、本专利技术的目的可通过下述技术措施来实现：
3、本专利技术的基于机器视觉的浆纱机浆槽区断纱检测算法包括以下步骤：
4、a、图像采集：通过继电器控制模块检测浆纱机的开机信号，分别利用安装在浆槽区黑辊和浆液滚正面的四台工业相机分别采集浆纱机浆槽区黑辊和浆液辊图像，通过显示屏分屏显示实时画面；
5、b、图像预处理：使用遗传算法对采集到的图像进行自动畸变校正，分别截取浆纱机浆槽区黑辊部分图像和浆液辊部分图像为感兴趣区域，将感兴趣区域图像处理为灰度图像，并对浆液辊灰度图像进行中值滤波处理以加强故障特征；
6、c、背景图和原始图构造：选取处理后的浆槽区黑辊图像分别构造两张背景图像和九张原始图像；选取处理后的浆槽区浆液辊图像并采用图像融合的方法分别构造两背景图像和九张原始图像，图像融合可以均化浆液干扰加强断纱故障的特征；
7、d、图像差分：用构造得到的九张原始图片与两张背景图像分别做图像差分，得到两组浆槽区黑辊差分后图像和两组浆槽区浆液辊差分后图像；
8、e、故障检测：将得到的差分图像进行边缘提取；根据轮廓的高度、宽度等特征进行轮廓初步筛选，再根据轮廓在不同图像中重复出现的次数来判断是否出现故障；
9、f、故障报警：若检测出故障，通过pc给继电器控制模块电信号，再由继电器控制模块控制报警铃报警，显示屏显示切换为故障画面，并将此时工业相机采集到的图片保存到pc中。
10、本专利技术中所述步骤a中所述继电器控制模块型号为dam0808，所述的工业相机型号为hikvision，所述的显示屏型号为sg150-bgcm；步骤a中浆纱机浆槽区黑辊图像累计拍摄11张后进行步骤b，浆纱机浆槽区浆液辊图像拍摄20张后进行步骤b；下一次拍摄将分别以队列的形式对浆纱机浆槽区黑辊图像和浆液辊图像进行更新。
11、在本专利技术所述步骤c中，选取处理后的浆槽区黑辊的第1张，第2张图像为背景图0、背景图1，其余9张图像为原始图像；选取处理后的浆槽区浆液滚的第1张到第4张图像进行图像融合，得到背景图0，第5到第8张图像进行图像融合得到背景图1，第9到第12张图像进行图像融合得到原始图1，第10到第13图像进行图像融合得到原始图2，依次类推第17到第20图像进行图像融合得到原始图9，这样每四张图片进行图像融合共得到9张原始图；因此，通过对浆纱机浆槽区黑辊图像进行构造得到了2张背景图和9张原始图，对浆纱机浆槽区浆液辊图像进行构造得到了2张背景图和9张原始图。
12、在本专利技术所述步骤d所述，将浆纱机浆槽区黑辊图像的9张原始图像和背景图0，背景图1分别做差分得到两组差分后黑辊的相减图01～相减图09，相减图11～相减图19；将浆纱机浆槽区浆液辊图像的9张原始图像和背景图0，背景图1分别做差分得到两组差分后浆液辊的相减图01～相减图09，相减图11～相减图19。
13、在本专利技术所述步骤e中，对得到浆纱机浆槽区黑辊和浆液辊图像差分后的各两组图像分别选取合适的阈值采用canny算子进行边缘提取；根据提取轮廓的高度、宽度等特征对轮廓进行筛选；对于浆槽区黑辊，如果筛选后存在轮廓在相减图±5个像素内重复出现三次且两组相减后的图像都如此，则判断为故障；对于浆槽区浆液辊，如果筛选后存在轮廓在相减图±3个像素内重复出现六次且两组相减后的图像都如此，则判断为断纱故障。
14、本专利技术的有益效果如下：
15、本专利技术相比现有技术，其显著优点为：实现对断纱故障的智能检测。
16、本专利技术解决了目前只能通过工人巡检的方式来检查浆纱机浆槽区是否发生断纱故障，通过浆纱机浆槽区断纱故障检测算法及系统的应用，可以实现对断纱故障的智能检测和报警，在发现故障的效率上较于人工大大提高，能够有效减少企业的用人成本，减少纱线浪费。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的浆纱机浆槽区断纱检测算法，其特征在于：所述算法包括以下步骤：
2.根据权利要求1所述的基于机器视觉的浆纱机浆槽区断纱检测算法，其特征在于：在步骤a中所述继电器控制模块型号为DAM0808，所述的工业相机型号为HIKVISION，所述的显示屏型号为SG150-BGCM；步骤a中浆纱机浆槽区黑辊图像累计拍摄11张后进行步骤b，浆纱机浆槽区浆液辊图像拍摄20张后进行步骤b；下一次拍摄将分别以队列的形式对浆纱机浆槽区黑辊图像和浆液辊图像进行更新。
3.根据权利要求1所述的基于机器视觉的浆纱机浆槽区断纱检测算法，其特征在于：在所述步骤c中，选取处理后的浆槽区黑辊的第1张，第2张图像为背景图0、背景图1，其余9张图像为原始图像；选取处理后的浆槽区浆液滚的第1张到第4张图像进行图像融合，得到背景图0，第5到第8张图像进行图像融合得到背景图1，第9到第12张图像进行图像融合得到原始图1，第10到第13图像进行图像融合得到原始图2，依次类推第17到第20图像进行图像融合得到原始图9，这样每四张图片进行图像融合共得到9张原始图；因此，通过对浆纱机浆槽区黑
4.根据权利要求1所述的基于机器视觉的浆纱机浆槽区断纱检测算法及系统，其特征在于：在所述步骤d中，将浆纱机浆槽区黑辊图像的9张原始图像和背景图0，背景图1分别做差分得到两组差分后黑辊的相减图01～相减图09，相减图11～相减图19；将浆纱机浆槽区浆液辊图像的9张原始图像和背景图0，背景图1分别做差分得到两组差分后浆液辊的相减图01～相减图09，相减图11～相减图19。
5.根据权利要求1所述的基于机器视觉的浆纱机浆槽区断纱检测算法及系统，其特征在于：在所述步骤e中，对得到浆纱机浆槽区黑辊和浆液辊图像差分后的各两组图像分别选取合适的阈值采用canny算子进行边缘提取；根据提取轮廓的高度、宽度等特征对轮廓进行筛选；对于浆槽区黑辊，如果筛选后存在轮廓在相减图±5个像素内重复出现三次且两组相减后的图像都如此，则判断为故障；对于浆槽区浆液辊，如果筛选后存在轮廓在相减图±3个像素内重复出现六次且两组相减后的图像都如此，则判断为断纱故障。
...【技术特征摘要】
1.一种基于机器视觉的浆纱机浆槽区断纱检测算法，其特征在于：所述算法包括以下步骤：
2.根据权利要求1所述的基于机器视觉的浆纱机浆槽区断纱检测算法，其特征在于：在步骤a中所述继电器控制模块型号为dam0808，所述的工业相机型号为hikvision，所述的显示屏型号为sg150-bgcm；步骤a中浆纱机浆槽区黑辊图像累计拍摄11张后进行步骤b，浆纱机浆槽区浆液辊图像拍摄20张后进行步骤b；下一次拍摄将分别以队列的形式对浆纱机浆槽区黑辊图像和浆液辊图像进行更新。
3.根据权利要求1所述的基于机器视觉的浆纱机浆槽区断纱检测算法，其特征在于：在所述步骤c中，选取处理后的浆槽区黑辊的第1张，第2张图像为背景图0、背景图1，其余9张图像为原始图像；选取处理后的浆槽区浆液滚的第1张到第4张图像进行图像融合，得到背景图0，第5到第8张图像进行图像融合得到背景图1，第9到第12张图像进行图像融合得到原始图1，第10到第13图像进行图像融合得到原始图2，依次类推第17到第20图像进行图像融合得到原始图9，这样每四张图片进行图像融合共得到9张原始图；因此，通过对浆...
【专利技术属性】
技术研发人员：韩爱国，代爱丽，邹鲲，许纶有，路明德，王英辉，王轩轩，
申请(专利权)人：恒天重工股份有限公司，
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。