基于机器视觉的织物整纬方法与流程

本发明涉及一种织物整纬方法，特别是涉及一种基于机器视觉的织物整纬方法，属于纺织工艺。

背景技术：

1、织物在织造及后整理过程中，因受设备精度误差、各种机械运动以及人为操作的影响，经常会出现纬斜、纬弯即弓纬等变形，影响后序加工，从而影响成品面料的质量，降低纺织品的使用价值，因此，需要使用整纬机对织物纹理进行矫正。

2、现有的整纬机对织物纹理进行矫正的方法，也即整纬方法，通常采用数个面阵相机，如采用3～8个面阵相机沿织物幅向间隔一定距离放置，在织物运行过程中，数个面阵相机采集织物幅向不连续的数个片段图像，如采集不连续的3～8个片段织物图像，然后运用图像处理技术，测量出所述不连续的数个片段织物图像的变形数据，整纬机根据变形数据控制矫正装置，对织物变形进行矫正。

3、中国实用新型专利zl201920010684.1公开了一种用于摄像整纬机的图像检测装置，该图像检测装置将多组面阵相机和光源沿织物的宽度即织物幅向均匀分布，通过多组面阵相机抓拍不连续的数个片段织物图像，对织物变形进行检测及矫正。

4、然而，通过数个面阵相机采集织物幅向不连续的数个片段织物图像，然后通过测量不连续的数个片段织物图像的变形数据对织物变形进行矫正的方法，在工作过程中存在以下弊端：

5、(1)由于仅测量不连续的数个片段织物图像作为织物整个幅宽的变形状况，因此存在测量不完整、存在较多测量盲区的缺陷，导致后续的矫正不准确、误差大，甚至发生严重错误；

6、(2)由于仅测量不连续的数个片段织物图像作为织物整个幅宽的变形状况，而对于织物的全幅弧形纬斜、吊角纬斜、固定在纺织品某一部位的局部纬斜和没有规律形状的错综复杂的纬斜，往往处于面阵相机的检测区域之外，因此导致整纬的织物种类受限；

7、(3)由于仅测量不连续的数个片段织物图像作为织物整个幅宽的变形状况，因此无法准确得到织物全幅向纹理、纬纱幅向任意位置变化率以及全幅向畸变变化趋势，对全幅直线纬斜、全幅弧形、全幅多区域s弯的检测精度较低，矫正精度较不理想。

技术实现思路

1、本发明要解决的技术问题是克服现有技术的不足，提供一种能对织物全幅向变形进行精准矫正，能避免漏检，矫正精度更高的基于机器视觉的织物整纬方法。

2、为解决上述技术问题，本发明采用这样一种基于机器视觉的织物整纬方法，采用工业相机对运行中织物摄像获得织物全幅向图像，对所述织物全幅向图像进行运算处理获得织物全幅纬向纹理信息，根据所述织物全幅纬向纹理信息通过整纬机矫正装置对该织物变形进行矫正。

3、作为本发明的一种优选实施方式，所述工业相机采用一个，通过一个工业相机对运行中织物摄像获得织物全幅向图像。

4、作为本发明的一种优选实施方式，所述工业相机采用一个线阵相机，通过一个线阵相机对运行中织物摄像获得织物全幅向图像。

5、作为本发明的另一种优选实施方式，所述工业相机采用数个，通过数个工业相机对运行中织物分别摄像获得数个图像，通过对所述数个图像拼接与融合获得织物全幅向图像。

6、作为本发明的一种优选实施方式，所述对织物全幅向图像进行运算处理获得织物全幅纬向纹理信息，具体包括以下步骤：

7、步骤1.所述织物全幅向图像大小为w×h，w为图像宽度，h为图像高度，将所述织物全幅向图像分割成n份(n≥1)，得到n个分割图像ni(i＝0，1，...，n-1)，各分割图像ni大小为wi×h，其中wi为分割图像宽度，且

8、步骤2.采用大津法对i取值0的分割图像n0进行二值化处理，得到二值化图像b0，其中灰度值为0的黑色像素表示纱线，灰度值为1的像素表示纱线间隙，选择首列h/2位置或最靠近h/2位置的灰度值为0的黑色像素作为纬纱起始点ps0(x0，y0)；

9、步骤3.设定m个(m≥1)不同角度的扫描窗口，所述扫描窗口为矩形窗口，窗口角度范围为[-θ，θ]，步长为ω，其中0＜θ＜90°，0＜ω，窗口大小为w×h，其中w＝wi，h为纬纱宽度；

10、步骤4.将所述m个窗口中心平移到点psi(xi，yi)(i＝0，1，...，n-1)，统计m个窗口内黑色像素的个数，并进行比较，然后找到扫描窗口内黑色像素个数最大值对应的窗口索引，记为k，则根据下述公式计算出各分割图像ni中纬纱起始点psi(xi，yi)坐标对应的纬纱终点坐标pei(xi，yi)：

11、pei(xi)＝psi(xi)+wi

12、pei(yi)＝psi(yi)+wi×tan(-θ+ω×k)

13、并且，psi+1(xi+1)＝pei(xi)，psi+1(yi+1)＝pei(yi)，其中i＝0，1，...，n-1，即分割图像ni+1的纬纱起始点坐标等于分割图像ni的纬纱终点坐标；i取值从0至n-1，最终得到纬纱在各分割图像ni中的起点和终点坐标信息，从而获得织物全幅纬向纹理信息。

14、作为本发明的另一种优选实施方式，所述对织物全幅向图像进行运算处理获得织物全幅纬向纹理信息，具体是：

15、采用人工智能算法的卷积神经网络，所述卷积神经网络包括卷积层和神经元，卷积层设有多个卷积核，卷积层通过其设置的多个卷积核与所述织物全幅向图像进行卷积运算提取织物全幅向图像的特征图，不同卷积核提取到的特征图不同，卷积层提取织物全幅向图像的特征图计算公式为：

16、

17、其中表示第t层第j个特征图，等号右边表示对t-1层所有关联特征图和第t层的第j个卷积核做卷积运算并求和，i为神经元的数量，然后加一个对应第t层的第j个偏置参数最后通过非线性激活函数f(.)得到各特征图

18、采用降采样方法对各特征图进行降采样，得到反映纹理特征的各纹理特征图像，将各纹理特征图像的中心坐标转化成织物全幅向图像上各段纱线纬向各坐标，从而获得织物全幅纬向纹理信息。

19、作为本发明的一种优选实施方式，所述降采样方法包括最大值采样(maxpooling)、均值采样(meanpooling)和概率矩阵采样。

20、作为本发明的一种优选实施方式，所述整纬机矫正装置包括至少三个沿织物幅向布置具有独立驱动的转动矫正件的矫正机构，所述转动矫正件的转动受控于整纬机的电控制器或独立设置的电控制器。

21、作为本发明的一种优选实施方式，所述整纬机矫正装置包括矫正直辊和/或矫正弯辊，所述矫正直辊和/或矫正弯辊的转动受控于整纬机的电控制器或独立设置的电控制器。

22、采用上述技术方案后，本发明具有以下有益效果：

23、由于本发明采集的是织物全幅向图像，获得的是织物全幅纬向纹理信息，摒弃了现有技术通过采集几个畸变局部区域获得的测量结果代替整个幅宽的畸变状况，因此本发明能准确得到织物全幅向纹理、纬纱、花形歪斜、幅向任意位置变化率以及全幅向畸变变化趋势，从而能对织物全幅向变形进行精准矫正，尤其是提高了对全幅直线纬斜、全幅弧形、全幅多区域s弯的检测精度，本发明的矫正精度更高。

24、由于本发明采集的是织物全幅向图像，测量获得的是织物整个幅宽的纬纱连续完整纬斜率和/或弓纬率等数据，即织物全幅纬向纹理信息，因此对织物变形的采集及测量完整，避免了现有技术存在采集及测量盲区的缺陷，有效防止了漏检，整纬机依据纬纱连续完整纬斜率和/或弓纬率等全幅纬向纹理信息，实现对织物全幅向变形进行精准矫正。

25、由于本发明采集的是织物全幅向图像，获得的是织物全幅纬向纹理信息，因此对于织物的全幅弧形纬斜、吊角纬斜、固定在纺织品某一部位的局部纬斜和没有规律形状的错综复杂的纬斜，都在检测区域之内，从而扩大了整纬的织物种类。

26、本发明优选采用一个线阵相机，通过一个线阵相机对运行中织物摄像获得织物全幅向图像，一方面，一个线阵相机的视觉范围能达到数个面阵相机的组合视觉范围效果，线阵相机的检测摄像范围更大，另一方面，仅采用一个线阵相机能大幅节省检测成本以及安装、维护等生产成本。

27、本发明方法简单，操作简便，准确性和可靠性高。