一种纺织物纬斜异常检测方法与流程

1.本发明涉及纺织物检测技术领域，具体涉及一种纺织物纬斜异常检测方法。


背景技术：

2.在我国纺织工业历史悠久，纺织物与人们的生活息息相关。纺织工业经过长久的发展，其制造已经形成一套基本的流程。一般分为纺部和织部。纺部主要生产所需要的纱线，纱线又分为经纱和纬纱，经纱主要经纱捻度较大，而且弹性好且经纱上有图案；纬纱是白色的或素色的。织部主要是整理纱线和纺织成品。
3.纺织经纱和纬纱对纺织物的质量影响最大，最常见的纺织物缺陷是由于纬纱倾斜引起的纬斜。所以，对于纬斜的检测是纺织物质量检测中必不可少的一步。常见的纬斜检测大多基于纺织物纹理，对于不同纹理的纺织物的检测效果会有差异。
4.现有技术对纬纱异常测试过程中，未考虑经纱纬纱的位置关系，测试时对纬纱判断不准确，基于此，本发明提出一种纺织物纬斜异常检测方法。


技术实现要素：

5.本发明提供一种纺织物纬斜异常检测方法，该方法在工业数字化的基础上，根据图像处理技术，识别纺织物中纬纱的位置，并由纬纱和纺织物的位置关系，确定纬斜大小。
6.本发明的个目的是提供一种纺织物纬斜异常检测方法，包括以下步骤：
7.获取纺织物图像；
8.通过对图像亮度进行自适应均衡化调节，获取图像中在所有纬纱上的高亮点集合；
9.根据图像中每个高亮点的位置关系，获取位于同一条纬纱上的高亮点集合；
10.根据同一条纬纱上的高亮点集合的位置关系确定纬纱的位置，并通过计算纬斜值判断纬斜异常情况。
11.优选的，位于同一条纬纱上的高亮点集合获取方法包括：
12.在高亮点集合中任选一高亮点为中心点；
13.根据与该中心点相邻的8个高亮点中任选4个高亮点，将任选4个高亮点的几何中心连线构建四边形；
14.根据任一四边形的边长和边的斜率获取同类型的四边形，其中，同类型的四边形包括与中心点处于同一经纬向的4个高亮点连线的第一类型四边形和与中心点处于经纬对角向的4个高亮点连线的第二类型四边形；
15.通过计算同类型的四边形边长均值分析获取与中心点处于同一经纬向的4个高亮点；
16.根据相邻4个高亮点与中心点之间的位置关系获取与中心点处于同一纬向的相邻2个高亮点；
17.再依次根据相邻2个高亮点中的任一高亮点为中心点获取处于同一纬向的其他高
亮点；
18.依次类比获取位于同一条纬纱上的高亮点集合。
19.更优选的，同类型的四边形获取方法包括：
20.对四边形根据边长计算四边形为同类型的第一概率；
21.同时，根据边的斜率计算四边形为同类型的第二概率；
22.根据第一概率和第二概率计算出四边形为同类型的综合概率；
23.再根据综合概率≥第二预设阀值获取四边形为同类型。
24.更优选的，获取与中心点处于同一经纬向的4个高亮点的方法包括：
25.对获取同类型的第一四边形和第二四边形分别计算边长均值为l
u_1
和l
u_2
；
26.当l
u_1
》l
u_2
，则l
u_1
对应的第一四边形中的4个高亮点是与中心点处于同一经纬向的4个高亮点。
27.更优选的，建立直角坐标系，将获取的高亮点集合处于坐标系的第一象限中，通过各高亮点在坐标系中的坐标确定中心点及与该中心点相邻的8个高亮点的坐标，并通过构建四边形的各高亮点的坐标计算出四边形的边长和边的斜率。
28.优选的，纬纱的位置是通过将位于同一条纬纱上的高亮点的连线而确定。
29.优选的，纬斜值是通过同一纬纱上高亮点偏离的最大距离与纺织物的纬向宽度计算而得；
30.依次类比计算获得多条纬纱的纬斜值，以此判断纺织物的纬斜情况。
31.优选的，所述高亮点集合是按照以下步骤获取：
32.图像经自适应均衡化调节后，计算整个图像亮度的均值，
33.将图像中亮度大于均值的所有亮点为亮点集合；
34.再将亮点集合中将面积大于第一预设阈值的亮点集合作为在所有纬纱上的高亮点集合。
35.优选的，对图像亮度的调节是经自适应直方图进行均衡化处理，获得亮度对比明显的图像。
36.优选的，纺织物图像中是通过对采集的纺织物图像经语义分割方式而获取。
37.本发明的有益效果是：
38.本发明在工业数字化的基础上，根据图像处理技术，识别纺织物中纬纱的位置，并由纬纱和纺织物的位置关系，从而判断纺织物的纬斜，以及纬斜程度。
39.本发明提供一种纺织物纬斜异常检测方法，通过对纺织物图像图像亮度进行自适应均衡化调节，获取图像中在所有纬纱上的高亮点集合；根据图像中每个高亮点的位置关系，获取位于同一条纬纱上的高亮点集合；根据同一条纬纱上的高亮点集合的位置关系确定纬纱的位置，并通过计算纬斜值判断纬斜异常情况。实现了更加准确的检测出纬纱发生纬斜的异常情况。
附图说明
40.为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可
以根据这些附图获得其他的附图。
41.图1为本发明的一种纺织物纬斜异常检测方法的实施例总体步骤的流程示意图；
42.图2为纺织图像处于直角坐标系第一象限的图示。
具体实施方式
43.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，所描述的实施例仅仅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。
44.本发明通过纱线纺织物成品制造过程，都是由纬纱穿过固定的经纱编制而成。纺织物成品的质量主要受经纱和纬纱的影响。而纬纱的倾斜造成纺织图案的扭曲变形，影响纺织物观感，所以，需要对纺织成品进行纬纱倾斜检测。
45.本发明的主要目的是:利用计算机视觉技术对纺织物图像进行识别，获取纺织物纬纱信息，判断纺织物纬斜，并计算纬斜程度。
46.本发明提供的一种纺织物纬斜异常检测方法，参见图1所示，包括以下步骤：
47.s1、获取纺织物图像；
48.由纺织机生产的纺织物通过传送装置到达检测区域，首先将纺织物平整的铺放在检测平台，保证纺织物量边缘与检测平台平行；在检测平台的正上方安装相机，拍摄纺织物俯视图，设置相机参数，保证采集图像包括纺织物的两个边缘。
49.对拍摄的图像进行语义分割，从而获得纺织物图像，方便后续对纺织物区域的处理。
50.本发明采用dnn语义分割的方式来识别分割图像中的目标。
51.该dnn网络的相关内容如下：1)使用的数据集为相机采集的纺织物检测图像数据集。2)需要分割的像素，共分为2类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于纺织物区域的标注为1。3)网络的任务是分类，所以使用的loss函数为交叉熵损失函数。至此，通过dnn实现了纺织物成品图像的处理，获得图像中纺织物连通域信息。后续处理均基于纺织物图像。
52.s2、通过对图像亮度进行自适应均衡化调节，获取图像中在所有纬纱上的高亮点集合；
53.根据纱线纺织物的制作原理，经纱和纬纱错位紧密排列形成纺织物。在纺织物图像上，高亮度区域属于纬纱点，但是图像识别到高亮点随着位置的改变而变化，所以，需要对图像进行均衡化处理，拉伸图像亮度的对比，从而获得图像纬纱信息。
54.根据现有的自适应直方图均衡化，对纺织物图像进行处理，获得亮度对比明显的图像。依次对获取的图像经自适应直方图进行均衡化处理，在图像上分布的高亮点集合显示明显。
55.高亮点集合是按照以下步骤获取：
56.对获取的图像经自适应均衡化调节后，计算整个图像亮度的均值fu；其中，对图像亮度的调节是经自适应直方图进行均衡化处理，获得亮度对比明显的图像；
57.将图像中亮度大于均值fu的所有亮点为亮点集合；观察图像，本发明所需要的高
亮点集合中的每个高亮点具有一定面积大小，需要对亮度识别的高亮点集合进行筛选，具体通过设置第一预设阈值σ对所有高亮点集合进行筛选；
58.再将亮点集合中将面积大于第一预设阈值σ的亮点集合作为在所有纬纱上的高亮点集合。高亮点集合筛选公式如下：
59.f＝{fz|sz》σ}
60.式中，f表示所需要的高亮点集合；fz表示所有亮点集合；sz表示每个亮点的面积；σ表示第一预设阈值。
61.s3、根据图像中每个高亮点的位置关系，获取位于同一条纬纱上的高亮点集合；
62.纺织物的纬斜主要体现在纬纱与纺织物边缘的位置关系。理想状态下，每一根纬纱都与纺织物边缘垂直，各纬纱之间相互平行。由于存在纬斜，破坏纬纱的位置关系，对纺织物的成品质量造成影响。所以，根据图像处理技术，对纬纱的位置进行识别，从而判断纺织物的纬斜，以及纬斜程度。
63.其中，在理想情况下，属于同一条纬纱的高亮点集合，在图像上的位置处于同一方向上，并且处于同一纬纱的高亮点集合之间的距离相等。在纺织物图像中，根据高亮点集合的位置关系，确定纬纱的位置，最后由一条纬纱与纺织物的位置确定纬斜。
64.参见图2所示，位于同一条纬纱上的高亮点集合获取方法包括：
65.首先，建立直角坐标系，将获取的高亮点集合处于坐标系的第一象限中，通过各高亮点在坐标系中的坐标确定中心点及与该中心点相邻的8个高亮点的坐标，并通过构建四边形的各高亮点的坐标计算出四边形的边长和边的斜率。其中，在建立的坐标系中将x轴表示经向，y轴表示纬向。对于纬纱图像，高亮点q0的8个最近相邻高亮点集合分别为经线和纬线方向与经线纬线对角向各4个，根据其特点，将其分为经纬向和经纬对角向两种类型，参见图2所示，将高亮点p、a、b、c为高亮点q0的处于同一经纬向的4个高亮点，将高亮点p1、a1、b1、c1为高亮点q0的处于经纬对角向的4个高亮点。
66.具体的，在高亮点集合中任选一高亮点q0为中心点，其，用中心点的几何中心来表示高亮点q0的坐标，即为q0(xq,yq)；
67.根据与该中心点相邻的8个高亮点qi中任选4个高亮点，8个高亮点的几何中心的坐标用qi(xi,yi)来表示，且与每个相邻高亮点qi(xi,yi)至中心点q0的距离为
68.其次，将任选4个高亮点的几何中心连线构建四边形；具体在8个最近相邻高亮点集合中，随机选择一个高亮点p，由p几何中心与其余高亮点集合中的3个高亮点的几何中心构成一个四边形，此时，第j次所选点构成的四边形的边分别由所选点的连线表示，边长分别为l
j_1
，l
j_2
，l
j_3
，l
j_4
，对应斜率分别为k
j_1
，k
j_2
，k
j_3
，k
j_4
。
69.根据任一四边形的边长和边的斜率获取同类型的四边形，其中，同类型的四边形包括与中心点处于同一经纬向的4个高亮点连线的第一四边形和与中心点处于经纬对角向的4个高亮点连线的第二四边形；
70.需要说明的是，对于同类型四边形为近似菱形，所以其边具有的特点为4条边相等且两两平行，所以对随机选点构成的图形进行检测，获得同类型点构成的图形，即获得同类型的点。
71.同类型的四边形获取方法包括：
72.对四边形根据边长计算四边形为同类型的第一概率；
73.具体的，对于第j次所选点构成的四边形，计算一条边与其余三边的边长差值dl，则差值的最大值dl
max
＝max(dl)，此时根据边长判断四边形为同类型的概率为：
[0074][0075]
式中，pl表示四边形为同类型的第一概率；l
j_i
表示第j次所选点构成的四边形的第i条边的边长；dl
max
表示一条边与其余三边的边长差值的最大值；
[0076]
同时，根据边的斜率计算四边形为同类型的第二概率；
[0077]
具体的，对于同类型四边形近似菱形图形，边具有两两平行的特点。对于第j次所选点构成的四边形，表示为pabc，以p点为准，分别计算边pa与边bc的斜率绝对值的差dk1、边pc与边ab的斜率绝对值的差dk2，此时根据边的斜率判断四边形为同类型的概率为：
[0078][0079]
式中，pk表示四边形为同类型的第二概率；
[0080]
dk1、dk2分别表示四边形两相对边斜率的差值；
[0081]kmax
表示8个相邻高亮点中任两个高亮点几何中心连线的斜率最大值。
[0082]
另外，在直角坐标系中，当边处于在竖直方向时，边的斜率不存在，此时无法计算对应边的斜率差。
[0083]
当边的斜率不存在时，认为斜率为无穷大。基于斜率比较的目的，即判断两边的近似平行程度，当边不存在斜率时，赋予当前边一个极大值表示其斜率，方便上述计算。即，当斜率不存在时，赋予其斜率为：k＝k
max
+k
min
，其中k
max
，k
min
分别表示8个相邻高亮点中任两个高亮点几何中心连线的斜率最大值和最小值。
[0084]
根据第一概率和第二概率计算出四边形为同类型的综合概率；具体的，基于四边形的边长和斜率，判断当前所选的4点构成的四边形属于同类型的综合概率为：
[0085]
pc＝pl*α+pk*β
[0086]
式中，pc表示四个高亮点构成的四边形为同类型的综合概率；
[0087]
pl表示四边形为同类型的第一概率；
[0088]
pk表示四边形为同类型的第二概率；
[0089]
α，β分别表示边长与斜率对同类型的影响因子，其中，α+β＝1，α＝0.2～0.5；
[0090]
设置第二预设阀值agr，判断所选4个高亮点构成的四边形是否属于同类型的四边形，根据综合概率pc≥第二预设阀值agr获取四边形为同类型。具体的，当pc《agr，判断当前4个高亮点构成的四边形不属于同类型。当pc≥agr时，判断当前4个高亮点构成的四边形属于同类型，即将与中心点处于同一经纬向的4个高亮点连线的第一四边形和与中心点处于经纬对角向的4个高亮点连线的第二四边形为同类型四边形，且将同类型四边形所对应的高亮点集合确认为包括经纬向或者经纬对角向。
[0091]
再次，通过计算同类型的四边形边长均值分析获取与中心点处于同一经纬向的4个高亮点；
[0092]
对同类型的四边形的高亮点进行分析，获取经纬向的点。观察图像，经纬对角向的
点之间的距离比较近，经纬向的点距离比较远，所以根据边长判断经纬向的4个高亮点。其获取同一经纬向的相邻4个高亮点的方法包括：
[0093]
对获取同类型的第一四边形和第二四边形分别计算边长均值为l
u_1
和l
u_2
；
[0094]
当l
u_1
》l
u_2
，则l
u_1
对应的第一四边形中的4个高亮点是与中心点处于同一经纬向的4个高亮点。
[0095]
对于纬斜的判断，是计算同一纬纱所处竖直方向位置的变化。所以，需要在经纬向最邻近的高亮点集合中判断与高亮点q0同属一条纬纱的程度。当纬纱未发生纬斜时，在同一纬纱的高亮区域处于同一竖直方向，即横坐标相同。所以用经纬向相邻高亮点中心与高亮点集合q的横坐标的大小表示处于同一纬纱的程度。为此，根据相邻4个高亮点与中心点之间的位置关系获取与中心点处于同一纬向的相邻2个高亮点；具体的，
[0096]
在图像上高亮点q0(xq,yq)与经纬向相邻高亮点qi(xi,yi)的横坐标的差值表示为:
[0097]
δxi＝|x
q-xi|
[0098]
所以，由横坐标的差值表示高亮点集合处于同一纬纱的程度为：
[0099][0100]
式中，li表示经纬向任一相邻高亮点与高亮点q0的几何中心距离；δxi表示高亮点q0与经纬向相邻高亮点集合的横坐标的差值；px表示高亮点集合处于同一纬纱的程度；
[0101]
设置第三预设阈值判断与高亮点集合q处于同一纬纱的高亮点集合；当表示δxi相对应的高亮点与中心点q0处于同一纬向高亮点，依次获取与中心点处于同一纬向的相邻2个高亮点，且相邻2个高亮点与q0处于同一纬纱。
[0102]
最后，再依次根据相邻2个高亮点中的任一高亮点为中心点获取处于同一纬向的其他高亮点；依次类比获取位于同一条纬纱上的高亮点集合。
[0103]
s4、根据同一条纬纱上的高亮点集合的位置关系确定纬纱的位置，并通过计算纬斜值判断纬斜异常情况。
[0104]
在图像上，将获得的所有位于同一纬纱的高亮点集合共m个，高亮点的几何中心点记为p
t
,t＝1,2,3,
…
m。因为当前所有的高亮点集合在同一条纬纱上，所以通过将位于同一条纬纱上的高亮点的连线表示当前纬纱的位置
[0105]
在纬纱未发生倾斜时，同一纬纱处于同一竖直方向，图像上表现为同一纬纱的高亮点集合中心p
t
处于同一竖直方向上，即p
t
的横坐标不变。所以，根据p
t
横坐标的变化量表示纬纱的倾斜值。
[0106]
在图像上，p
t
的横坐标反映纬纱的倾斜，计算位于同一纬纱上任意两个高亮点的横坐标的差值为dx
t
，以及横坐标差值的最大值dx
max
＝max(dx
t
)，dx
max
表示纬纱倾斜值得最大值。
[0107]
通过同一纬纱上高亮点偏离的最大距离与纺织物的纬向宽度计算纬斜值，具体的，在纺织物纬斜检测中，纬斜表示为同一条纬纱在横向的差值与纺织物纬向宽度的比值：纬斜计算公式如下：
[0108][0109]
式中，h表示纺织物的纬向宽度；kp表示纺织物的纬斜；dx
max
表示位于同一纬纱上
的任意两个高亮点的横坐标差值的最大值。
[0110]
通过图像上纬纱位置的确定，获得纺织物的纬斜。为保证计算得到的纬斜的准确性，根据上述方法获得多条纬纱，计算获得多个纬斜值，最终由多个纬斜值得均值表示当前纺织物的纬斜，以此判断纺织物的纬斜情况。
[0111]
综上，本发明在工业数字化的基础上，根据图像处理技术，识别纺织物中纬纱的位置，并由纬纱和纺织物的位置关系，从而判断纺织物的纬斜，以及纬斜程度。
[0112]
本发明提供一种纺织物纬斜异常检测方法，通过对纺织物图像图像亮度进行自适应均衡化调节，获取图像中在所有纬纱上的高亮点集合；根据图像中每个高亮点的位置关系，获取位于同一条纬纱上的高亮点集合；根据同一条纬纱上的高亮点集合的位置关系确定纬纱的位置，并通过计算纬斜值判断纬斜异常情况。实现了更加准确的检测出纬纱发生纬斜的异常情况。
[0113]
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。