专利名称：平面构型纺织品的疵点识别方法和装置的制作方法
技术领域：
本发明涉及平面构型纺织品的缺陷的一种识别方法和装置。
从纺织研究期刊63(4)、244-246页(1993年)和66(7)、474-482页(1996年)分别题为“借助于神经元网络对疵点进行评估”和“用一种人造神经元网络技术自动检验纺织品疵点”提出的建议可知，根据这些建议，神经元网络可用来识别纺织品的疵点。这种方法首先确定网络的一定输入值。这些输入值例如是在某一预定部位上织物的纱线之间的距离或整个织物上这种距离的平均值、所述距离的标准误差值、从织物花纹经傅里叶变换推导出的纱线质量或强度值。这全部是测试值，它们必须首先从织物的数值中通过或多或少的范围广泛的计算求出。
这类方法的缺点之一是，它们都不很适用，以致识别各种织物疵点的前提必须首先进行计算。这样就不可能从平面构型纺织品中得出或推导出一种疵点识别系统用的、对平面构型纺织品全部可能的各种类型的表面结构足够的输入值。虽然这可用近似方法来实现，但必须确定很多不同的测量值，这样多的测量值会引起相当大的计算费用。为此必须使用很快和很贵的计算机。
所以，如各项权利要求特征部分所述，本发明旨在提出一种可迅速适应各种各样的平面构型纺织品而又操作简单的方法和装置。
这个目的是通过熟练使用现代的价廉的和并行工作的计算机来实现的。平面构型纺织品以熟知的方式例如逐行地通过一台摄像机扫描供给一个存储器。然后将亮度值或像点的强度或平面构型纺织品的一分区域存入存储器中。这样，该存储器在一定的时间就存有平面构型纺织品的一段的图象。从该存储器中并行取出有关区域的值，并并行输入一个事先已经进行疵点识别训练的神经元网络中。该神经元网络作为结果说明是否在检验的区域内存在某种疵点。这个结果被输入另一个存储器中，该存储器在考虑在平面构型纺织品上这个区域的位置的情况下存储这个结果。当检测的区域逐渐覆盖平面构型纺织品的整个宽度，并从而对其纵向整个一段的平面结构纺织品运行进行了检验时，则出现一个在测试段内有关疵点的结论性的数据。根据本发明，采用一个大家熟知的神经分类器作为非线性的滤波器，并直接用一个相当大的邻域(例如10×100像素)的亮度值作为神经元网络的输入值，而不用附加的测量值。邻域在面积构型纺织品的表面上逐个像素地移动，从而实现滤波。在分类器的输出端上产生一个滤波二进制图象，在该图象上清楚地显示出疵点。借助于一个学习过程可自动确定滤波器结构和滤波器参数，并这样与任意的有花纹至小型图案的表面匹配。这个学习过程可通过有疵点的大约20～100花纹图案的样品和一样多花纹图案的无疵点的样品进行。通过对织物经纱方向或纬纱方向定向的输入邻域的滤波器分成两个神经元网络更有助于辨别经纱疵点和纬纱疵点之间的差别。
本发明可达到的优点特别在于一个这样的装置可由价廉的、简单的、并行工作的和对神经元网络最理想的计算机构成。通过全部输入值的并行处理可达到很高的计算效率(例如几千兆MAC(多累加))，所以也可在高的织物输送速度情况下连续求出检验结果。这类计算机在很大程度上用一些硅芯片集成，并以附加印制电路板的形式用于个人计算机中。作为这类印制电路板的例子这里列举Neucptic Technologies公司生产的PALM PC Board和Adaptive Solutions公司生产的CNAPS PCBoard。例如可高达120米/分的检验速度。
学习过程可借助于例如用肉眼看不出疵点的一段织物和有疵点的一段织物进行。此外，疵点识别的灵敏度可通过输入值抽样出来的区域的特别形状和定位获得提高。由于简单的学习过程，对织物不同结构的匹配能力很大。在简单操作时不需要专门培训过的技术人员。本发明可用于有花纹和图案的表面。
下面结合一个例子和参照附图来详细说明本发明。附图表示
图1表示具有不同特征的一种平面构型纺织品的一部分示意图；图2表示一种非线性滤波器运算的示意图；图3表示有缺陷标记的平面构型纺织品的图形；图4表示本发明装置的示意图；图5表示该装置的一部分示意图。
图1表示一种平面构型纺织品1的一部分，在这里例如是一种织物，该织物由经纱2和纬纱3构成，但这里只示出了其中的很少几根经纬纱线。此外，示出了几行4，例如这些行可由一个行摄像机来扫描。该摄像机这样扫描织物1，使整个织物都被检测。这些行4也可重叠排列，以便在行之间不留缝隙。此外，可看到区域5和6，它们各由72个分区域7和56个分区域8构成。这两个区域5、6只为一定的时间界定，所以在另一个时间虽然其形状和大小相同，但则界定在另一个位置。用5a、5b和6a、6b表示另一个位置的另一些这样的区域，其中连续的时间界定的多个区域5、5a、5b和6、6a、6b重叠。最好这些区域随时间在箭头9的方向内在整个织物1的宽度上这样延伸，而连续的区域5、5a、5b和6、6a、6b相互错开一个分区域7、8。
图2表示在一个平面13内示意排列的一个具有输入值14a、14b、14c等的存储内容，这些输入值表示由一个传感器或一个摄像机探测的织物的亮度或灰色值。在平面15内表示出作为输出值或结果的信号，从这些信号中，这里只能看出一个信号16，该信号最好可显示两种可能的状态，即有疵点或无疵点。如果按照功能观察这个图示，则在平面13和15之间有一个非线性的滤波器运算。但这个图示也可看成一种装置的结构。在这种情况中，用17表示中间计算机，用16表示输出计算机。也可将输入值14看成输入神经元、中间计算机17看成隐蔽的神经元和把输出计算机16看成神经元网络的输出神经元。
图3表示织物1一段的放大图10。在图上标出了两个有疵点的区域11、12。这两个区域由图1的分区域组成，所以如图可看出，多个分区域被一个疵点信号占用。并共同构成区域11、12。
图4表示本发明装置的原理结构。该装置具有一个直接设置在织物20旁边的摄像机21，例如CCD摄像机，或一般是一个光电换能器，它连接在一个存储器22上。在该存储器中，由多个并列的行4组成的信号存储一定的时间，这些信号和行在存储器中按照先进先出原理进行处理。该存储器22连接在一个非线性的滤波器23上，该滤波器例如可作为计算机构成，在该计算机中存入相应的滤波器程序。该滤波器程序根据一个神经元网络的原理构成，所以，该滤波器23执行分类器的功能。这个分类器连接在存储器24上，在该存储器中，存储纺织品上对应区域的疵点信号(或正好是无疵点信号)。在这里疵点信号也是在一定时间内存储在存储器24中，而且同样按先进先出原理处理。该存储器24经连接线25与一个位移传感器或长度编码器26连接。这样沿织物20的摄像机21的瞬时位置有关的一个数据可输入存储器24中。为了显示在织物20上的检验结果，在存储器24上连接了一个显示单元27，该显示单元例如可作为打印器或显示屏构成。但也可用一个处理单元例如一台计算机来代替显示单元27，该处理单元处理另一类的存储器24的内容，即疵点区域如图3的区域11和12与预先给定的标准进行比较，所以这些标准可与各种不同类型的疵点对应。在织物的情况下，疵点例如可分成纬纱疵点和经纱疵点。在图3中，区域11表示纬纱疵点，而区域12则表示经纱疵点。
图5表示非线性滤波器23(图4)的一部分。其中，该滤波器在这里作为神经元网络构成，它包括在第一层中设置的处理器30和第二层中设置的处理器35。与图2比较，处理器30可看成是例如中间计算机17的结构型式，而处理器35则可看成是输出计算机或输出神经元16。处理器30由若干配有存储器32的乘法器31构成，这些乘法器全部连接在一个加法器33上。该加法器则用其输出端连接在一个处理级34上，该处理级具有非线性的特性曲线。这些乘法器31与用来存储输入值14a、14b、14c等的存储器24连接。处理器35按相同的方式构成，但处理器30的处理级34与处理器35的乘法器31连接，它们具有输出值的一个输出端16。第一层的处理器30输入一个区域的全部输入值的所示的布置，在这里作为并行计算机来实现，该计算机由若干相同的处理器30、35组成。
本发明方法和装置的工作原理如下参看织物1，首先在存储器22中确定区域5、6，在该存储器中或在与它连接的滤波器23中预先给出指令，这些指令确定从存储器22的哪些存储位置取出数值并作为滤波器23的输入值输入。一方面这些区域5、6应具有平行于由摄像机21从织物1上记录的行4的边，另一方面这些区域最好也具有一个平行于该织物1结构特征的主方向。在这种情况中，区域5在其主方向内平行于纬纱3，而区域6则在其主方向内平行于经纱2。
为了调节滤波器系数或滤波器参数，接着进行一个学习阶段。在这个阶段中，摄像机21交替对着无疵点的区域和有疵点的区域。其中，每次都预先给定滤波器23显示的结果。构成该滤波器的计算机在一种模式中运行，在这种模式中，计算机不输出结果，而是从结果和输入值中适应它的系数和参数。这些系数和参数作为输出值首先预定任意的例如作为存储器32中的值或处理级34的非线性特性曲线的参数，并通过学习过程根据预定的规则适配，所以，该滤波器收到一个确定的传递函数。在张紧一幅新的织物1、20时，这个过程最好不只是重复一次，而是每次都重复。
当这个学习阶段结束时，计算机内的这个模式改变，而且疵点识别可在一幅垂直于箭头方向9移动的织物1上进行。这意味着摄像机将按人所共知的、因而在这里不拟赘述的方式在箭头方向9内扫掠整个织物1，同时对行4进行光学扫描。其中，采集的亮度值或颜色强度输到存储器22，该存储器例如同样逐行地存储这些值。区域5、5a、5b、6、6a、6b等等的所有分区域7、8的值从存储器22中并行输入滤波器23中，该滤波器对每个区域5、5a、5b、6、6a、6b都输出一个输出值、结果或信号(图3)。这个最好是二进制的信号与由该区域得出的一个关于区域位置的数据一起输入存储器24中并在摄像机21为了采集几行4所需的时间过程中存储。这样，在存储器24中产生一个相当于图3所示的图象10的信号存储位置的占用。在图象10中可识别出这些信号16，因为它们通常不是弧立的，而是成群出现，并组成在织物1内显示出一个疵点的区域11、12。这个图象10也可在显示单元27上显示出来。
如果用一个处理单元代替显示单元27，则这个处理单元可构成计算机，该计算机可进行图象分段，以便根据适当的方法组成区域的像素，这类方法例如在Rafael C.Gonzalez和Paul Wintz所著《数字图象处理》一书中作了描述，见麻萨诸塞州Addison-Wisley出版公司1987年版。
如果非线性滤波器23具有图5所示的结构，则根据区域5、6选出的输入值14a、14b、14c等等全部输入第一层的每个处理器30中。所以每个处理器30具有乘法器与该区域具有的分区域一样多。在这些存储器中，输入值14用存储在存储器32中的倍数相乘，然后在加法器中相加，于是产生一个由一个区域的全部输入值组成的混合值。这个混合值通过处理级34的非线性特性曲线进一步改变。改变后的混合值重新输入第二层的处理器35中，在该处这些混合值象在处理器30中那样的相同方式进行处理。从而为每个区域在输出端16上产生一个输出值。这些输出值输入存储器24中并在该处象在图3中所示的那样分布。
虽然本发明特别以一种织物为例进行了说明，但它对刺绣的或类似结构的平面织物同样适用。这时特别要注意区域5和6用其主轴平行于图案的或针织品的凸出线。其中，区域5、6的主轴也可任意(不垂直)设置，而且必须为这些区域的延伸或移动选择不同于箭头9的另一个方向。
权利要求
1．平面构型的纺织品(1)的疵点识别方法，其特征在于分别为一个区域(5、6)的多个分区域(7、8)测定每个分区域的亮度值，这些亮度值作为输入值(14)并行输入一个非线性的滤波器运算中，并作为滤波器运算的结果输出一个信号(16)，该信号表示该区域是否有一个疵点。
2．按权利要求1的方法，其特征在于，一个区域(5)的所有分区域(7)构成输入值，并以一定的时间间隔构成另外的区域(5a,5b)，这些区域与先前构成的区域(5)重叠。
3．按权利要求1的方法，其特征在于，滤波器运算在一个能进行学习的神经元网络中进行。
4．按权利要求1的方法，其特征在于，区域(5,6)具有一个与平面构型织物的结构特征(2,3)平行的主方向。
5．按权利要求1的方法，其特征在于，输入值从多个不同的定位区域(5,6)采集。
6．按权利要求1的方法，其特征在于，滤波器运算的滤波器系数一次地和随机地预先给定并紧接着在一个学习过程中修改。
7．实施如权利要求1的方法的装置，其特征在于，一个摄像装置(21)和一个存储器(22)的串接用于处理多个分区域的值，一个非线性滤波器(23)和一个存储器(24)的串接用于处理与疵点有关的值。
8．按权利要求7的装置，其特征在于，作为非线性的滤波器(23)设置了一个作为分类器工作的神经元网络。
9．按权利要求8的装置，其特征在于，神经元网络作为并行计算机构成。
10．按权利要求9的装置，其特征在于，并行计算机由多个同类的处理器(30、35)组成。
全文摘要
本发明涉及平面构型纺织品的疵点的一种识别方法和装置。为了这种装置可对各种各样的平面构型纺织品上迅速匹配和简单操作,从该平面结构纺织品采集亮度值并直接输入一个作为神经元网络构成的滤波器。
文档编号D06H3/08GK1234115SQ97198967
公开日1999年11月3日 申请日期1997年8月14日 优先权日1996年8月20日
发明者R·洛伊恩贝格尔 申请人:泽韦格路瓦有限公司