在线织物疵点检测方法与流程

本发明涉及在线织物疵点检测技术领域，特别是涉及一种采用接触式图像传感器的在线织物疵点检测方法。

背景技术：

织物表面疵点的检测直接决定了织物成品的等级，及时发现疵点并进行修整是纺织企业中必不可少的环节。在纺织企业中，织物疵点的检测可分为在线检测和离线检测两种方式。织物疵点的离线检测是指在织物生产完成后，由专门的验布工人对织物质量进行检测，通过人工视觉发现织物表面的疵点，并进行简单修整或标识，由修布工人对织物疵点进行修整处理。这种人工验布方法耗时费力，且对验布工人的视觉伤害较大，疵点检测的遗漏率较高。

为了解决织物疵点人工检测的缺陷，近年来，采用图像分析和机器视觉的方法进行织物疵点的检测成为科学研究中的一个热点问题，目前，已经有较多成熟的检测算法和一些商用的检测系统，如i-tex2000等。但现有的织物检测系统大都采用的是离线检测方法，也就是在织物生产完成后，对织物布面进行检测，对于织物生产中一些重复出现的疵点无法及时发现和避免。

织物疵点的在线检测是指在织物生产中对织物表面进行监测，当发现疵点时，及时停车并进行修整，以去除疵点并避免同样的疵点重复出现。目前在纺织企业中，一名挡车工一般要负责多台机器，很难及时发现织物生产中出现的疵点。目前报道中，有采用ccd工业相机在专用的光源照明下，采集织物表面图像，对织物疵点进行监测的方法。但这种方法存在以下缺陷：(1)采用的ccd工业相机价格昂贵，且需要有专门的高亮光源相配合，整套系统价格过高，不适宜与一般的普通织机相适配；(2)一台ccd相机无法采集整个门幅的织物图像，需要增加相机的移动装置，在织造过程中相机作往复运动，这也增加了系统的安装难度，不便于纺织企业的使用。

技术实现要素：

本发明针对现有技术存在的问题和不足，提供一种在线织物疵点检测方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种在线织物疵点检测方法，其特点在于，其包括一接触式图像传感器，该接触式图像传感器固定在距该织机的织口位置5～10cm处，该接触式图像传感器的方向与该织机的钢筘的方向平行，该接触式图像传感器的高度距在线织物表面为1～2cm；

该在线织物疵点检测方法包括以下步骤：

s1、该接触式图像传感器采集无疵点织物的样本图像，记为i，将样本图像i划分成n个w×w的图像块，每一图像块的第i行第j列的图点记为k(i,j)，则通过公式1对k(i,j)在水平方向和垂直方向进行投影，并记所得的一维向量分别为ph和pv；

s2、从ph和pv中提取水平差分与垂直差分，公式2如下：

其中，dh和dv分别为水平差分与垂直差分；

s3、从ph和pv中提取水平自相关特征向量与垂直自相关特征向量，公式3如下：

其中，ah和av分别为水平自相关特征向量与垂直自相关特征向量，μ1和μ2分别为ph和pv的平均值，σ1和σ2分别为ph和pv的标准差；

s4、计算图像i中n个图像块对应的dh的平均值、n个图像块对应的dv的平均值、n个图像块对应的ah的平均值、n个图像块对应的av的平均值，分别记为tdh、tdv、tah、tav；

s5、该接触式图像传感器采集在线织物的图像，记为j，将图像j划分成n个w×w的图像块，应用公式1计算一维向量ph和pv；

s6、应用公式2和公式3计算图像j的水平差分dh与垂直差分dv，水平自相关特征向量ah与垂直自相关特征向量av；

s7、计算图像j中每一个图像块对应的dh、dv、ah和av，分别记为sdh、sdv、sah和sav，若图像j中某个图像块满足：

10×|sdh-tdh|+10×|sdv-tdv|+||sah-tah||+||sav-tav||>δ，

则将该图像块判定为有疵点，其中，δ≤9.5。

较佳地，该接触式图像传感器的长度与织机上的在线织物的幅宽长度相同，该接触式图像传感器固定在距该织机的织口位置6cm处。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

1、检测成本低，体积小；

2、实时跟踪织物质量，及时发现织物疵点，减少次品率；

3、采集到的织物图像分辨率高，不需要附加的光源设备，且安装方便。

附图说明

图1为本发明较佳实施例的接触式图像采集设备的安装示意图。

图2为本发明较佳实施例的在线织物疵点检测方法的流程图。

图3为本发明较佳实施例的采集到无疵点织物图像。

图4为本发明较佳实施例的采集到有疵点织物图像。

图5为本发明较佳实施例的疵点检测效果图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例采用接触式图像传感器作为图像采集设备，该接触式图像传感器的长度与织机上的在线织物的幅宽长度相同，该接触式图像传感器固定在距该织机的织口位置5～10cm处，该接触式图像传感器的方向与该织机的钢筘的方向平行，该接触式图像传感器的高度距在线织物表面为1～2cm。

以机织物图像在线采集为例，图1给出了接触式图像传感器在织机上的安装位置，其中1表示引纬载体，2表示已织入的纬纱，3表示已经织好的织物，4为本实施例所用的接触式图像传感器安装位置，5表示织口，6为钢筘。本实施例提出的接触式图像采集设备安装于距离织口6cm处，此处属于织物形成区域，该位置的织物还未卷绕，呈平面状态，非常有利于织物图像采集，若此位置采集的织物图像经疵点分析软件发现有疵点，则会立即发出停车信号，通知挡车工对其进行处理，例如对疵点进行及时修整，以防止疵点的重复出现。

如图2所示，该在线织物疵点检测方法包括以下步骤：

步骤101、该接触式图像传感器采集无疵点织物的样本图像，记为i，将样本图像i划分成n个w×w的图像块，每一图像块的第i行第j列的图点记为k(i,j)，则通过公式1对k(i,j)在水平方向和垂直方向进行投影，并记所得的一维向量分别为ph和pv；

步骤102、从ph和pv中提取水平差分与垂直差分，公式2如下：

其中，dh和dv分别为水平差分与垂直差分；

步骤103、从ph和pv中提取水平自相关特征向量与垂直自相关特征向量，公式3如下：

其中，ah和av分别为水平自相关特征向量与垂直自相关特征向量，

μ1和μ2分别为ph和pv的平均值，σ1和σ2分别为ph和pv的标准差；

步骤104、计算图像i中n个图像块对应的dh的平均值、n个图像块对应的dv的平均值、n个图像块对应的ah的平均值、n个图像块对应的av的平均值，分别记为tdh、tdv、tah、tav；

步骤105、该接触式图像传感器采集在线织物的图像，记为j，将图像j划分成n个w×w的图像块，应用公式1计算一维向量ph和pv；

步骤106、应用公式2和公式3计算图像j的水平差分dh与垂直差分dv，水平自相关特征向量ah与垂直自相关特征向量av；

步骤107、计算图像j中每一个图像块对应的dh、dv、ah和av，分别记为sdh、sdv、sah和sav，若图像j中某个图像块满足：

10×|sdh-tdh|+10×|sdv-tdv|+||sah-tah||+||sav-tav||>δ，

则将该图像块判定为有疵点，其中，δ≤9.5。

下面举一具体的例子来说明本发明，以使得本领域的技术人员能够更好地理解本发明的技术方案：

图3为一幅通过本发明所用的接触式图像传感器所采集到的无疵点织物图像，从图3中可以看出，采集到织物图像清晰且分辨率高。图4为一幅通过本发明所用的接触式图像传感器所采集到的有疵点织物图像，从图4可以看出，图像中有疵点的区域明显，便于后续疵点检测方法进行准确疵点检测，其具体的疵点检测方法如下：

参数学习阶段：

(1)图3为采集的无疵点织物图像，大小256×512像素，记为i，将i划分成128个32×32的图像块，记为k(i,j)，则通过公式1对k(i,j)在其水平和垂直方向投影，并记所得的一维向量分别为ph和pv。

(2)应用公式2从ph和pv中提取水平与垂直差分dh和dv。

(3)应用公式3从ph和pv中提取水平与垂直自相关特征向量ah和av。

(4)计算图像i中128个图像块对应的dh的平均值，128个图像块对应的dv的平均值，128个图像块对应的ah的平均值，128个图像块对应的av的平均值，进而获得tdh＝0.43，tdv＝0.34，

tah＝[0.387-0.568-0.6930.0790.6690.372-0.367-0.570-0.0620.4590.334-0.194-0.437-0.1220.2820.278-0.081-0.295-0.1310.1590.197-0.011-0.174-0.1030.0590.1020.010-0.062-0.0400.0110.014]，

tav＝[0.285-0.511-0.1340.4990.191-0.381-0.1690.3300.140-0.344-0.2260.2290.166-0.253-0.2430.1370.180-0.138-0.2150.0400.126-0.074-0.1530.0100.095-0.017-0.084-0.0120.0360.002-0.013]。

检测阶段：

(5)采集在线织物的图像，大小256×512像素，记为j，将j划分成128个32×32的图像块，应用公式(1)计算向量ph和pv。

(6)应用公式(2)和公式(3)计算图像j的水平差分与垂直差分dh和dv，水平自相关特征向量与垂直自相关特征向量ah和av。

(7)计算图像j中每一个图像块对应的dh、dv、ah和av，分别记为sdh、sdv、sah和sav；

其中，第33个图像块sdh＝0.52，sdv＝0.41，sah＝[1.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.6351.635]，

sav＝[0.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.6830.683]。

(8)取δ＝9.5，则图像j中第33个图像块：

10×|sdh-tdh|+10×|sdv-tdv|+||sah-tah||+||sav-tav||＝15.032>9.5，

则将该图像块判定有疵点。图5给出了对图4的疵点区域的最终检测效果(黑色方框表示图像块判定有疵点)。

综上，本发明提出了一种采用接触式图像传感器的在线织物疵点检测方法，利用光电耦合传感器制作接触式图像采集设备，将其安装在织机上的织物形成区位置，可实现在线织物图像的采集，并对采集图像进行分析实现织物生产质量的在线监测，实时跟踪生产状况，提高产品质量。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。