一种编织控制方法和系统与流程

1.本技术涉及到图像处理领域，具体而言，涉及一种编织控制方法和系统。


背景技术：

2.在现有技术中，有这样的需求，需要根据客户提供的服装或家纺样品来生产该服装或家纺样品所使用的布料。
3.现有技术中，依靠人工来对布料进行分析，然后根据布料分析结果计算控制参数，以控制编织机来编织该布料，这种处理方式依赖于人工的经验，出错概率较大，并且效率比较低。


技术实现要素：

4.本技术实施例提供了一种编织控制方法和系统，以至少解决现有技术中依靠人工分析编织参数来进行布料仿制所存在的问题。
5.根据本技术的一个方面，提供了一种编织控制方法，包括：对第一布料进行拍照得到所述第一布料的照片，其中，所述第一布料的照片是对所述第一布料进行放大第一预定倍数之后拍照得到的；判断所述照片中第一布料的编织线是否能够被识别，如果能够被识别则获取所述第一布料中的编织线的交叉规则；根据所述交叉规则确定编织机的编织参数，其中，所述编织参数用于指示编织出的布料中的编织线符合所述交叉规则；将所述编织参数发送至编织机以控制所述编织机进行编织得到第二布料；对所述第二布料进行拍照得到所述第二布料的照片，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同，如果相同，则确定所述编织参数为正确的编织参数。
6.进一步地，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同：将所述第一布料的照片和所述第二布料的照片输入到第一机器学习模型中，其中，所述第一机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括两张布料的照片以及用于标识该两张布料照片中的布料的交叉规则是否相同的标签；从所述第一机器学习模型中获取输出的标签，其中，所述标签用于指示所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同。
7.进一步地，获取所述第一布料中的编织线的交叉规则包括：将所述第一布料的照片与预先保存的照片进行比较，找到相似度超过阈值的照片；将所述相似度超过阈值的照片对应的交叉规则作为所述第一布料的编织线的交叉规则。
8.进一步地，所述照片中第一布料的编织线未能被识别的情况下，还包括：是对所述第一布料进行放大第二预定倍数之后拍照得所述第一布料的照片，并对再次拍摄得到的照片中的编织线进行识别，直到能够识别出编织线的交叉规则。
9.进一步地，所述第二预定倍数大于所述第一预定倍数，所述第二预定倍数和所述第一预定倍数为预先配置的。
10.在本实施例中还提供了一种编织控制系统，包括：拍摄模块，用于对第一布料进行
拍照得到所述第一布料的照片，其中，所述第一布料的照片是对所述第一布料进行放大第一预定倍数之后拍照得到的；识别模块，用于判断所述照片中第一布料的编织线是否能够被识别，如果能够被识别则获取所述第一布料中的编织线的交叉规则；第一确定模块，用于根据所述交叉规则确定编织机的编织参数，其中，所述编织参数用于指示编织出的布料中的编织线符合所述交叉规则；发送模块，用于将所述编织参数发送至编织机以控制所述编织机进行编织得到第二布料；第二确定模块，用于对所述第二布料进行拍照得到所述第二布料的照片，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同，如果相同，则确定所述编织参数为正确的编织参数。
11.进一步地，所述第二确定模块用于：将所述第一布料的照片和所述第二布料的照片输入到第一机器学习模型中，其中，所述第一机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括两张布料的照片以及用于标识该两张布料照片中的布料的交叉规则是否相同的标签；从所述第一机器学习模型中获取输出的标签，其中，所述标签用于指示所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同。
12.进一步地，所述识别模块用于：将所述第一布料的照片与预先保存的照片进行比较，找到相似度超过阈值的照片；将所述相似度超过阈值的照片对应的交叉规则作为所述第一布料的编织线的交叉规则。
13.进一步地，所述照片中第一布料的编织线未能被识别的情况下，所述识别模块还用于：是对所述第一布料进行放大第二预定倍数之后拍照得所述第一布料的照片，并对再次拍摄得到的照片中的编织线进行识别，直到能够识别出编织线的交叉规则。
14.进一步地，所述第二预定倍数大于所述第一预定倍数，所述第二预定倍数和所述第一预定倍数为预先配置的。
15.在本技术实施例中，采用了对第一布料进行拍照得到所述第一布料的照片，其中，所述第一布料的照片是对所述第一布料进行放大第一预定倍数之后拍照得到的；判断所述照片中第一布料的编织线是否能够被识别，如果能够被识别则获取所述第一布料中的编织线的交叉规则；根据所述交叉规则确定编织机的编织参数，其中，所述编织参数用于指示编织出的布料中的编织线符合所述交叉规则；将所述编织参数发送至编织机以控制所述编织机进行编织得到第二布料；对所述第二布料进行拍照得到所述第二布料的照片，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同，如果相同，则确定所述编织参数为正确的编织参数。通过本技术解决了现有技术中依靠人工分析编织参数来进行布料仿制所存在的问题，从而提高了效率，并在一定程度上降低了出错概率。
附图说明
16.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1是根据本技术实施例的编织控制方法的流程图。
具体实施方式
17.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相
互组合。下面将参考附图并结合实施例来详细说明本技术。
18.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
19.本实施例中的方法可以应用到各种编织设备中，例如，在本实施例中就提供了如下一种经编横移装置，该装置包括花盘和梳栉，所述花盘的横截面为外径不等的环形，所述环形沿周向均分为x个横列，其中2≤x≤8；在花盘外表面，相邻的横列之间形成至少两个坡面。
20.本实施例采用这种结构设计，设计了一个逐渐平缓的坡度，用于缓冲，让梳栉一步一步地移动，可以避免这种大跨度带来的不稳定，有利于实现经编机器在生产面料过程中的高精度和平稳化，有利于保护机器进行连续化生产，也有利于实现机器的高速化。
21.可选地，相邻横列之间的推程运动角范围为7.5
°
～82.5
°
。可选地，所述坡面的压力角范围为1～39
°
。相邻横列之间形成两个坡面时，任一坡面的压力角范围为15～35
°
；相邻横列之间形成三个坡面时，任一坡面的压力角范围为10～15
°
；相邻横列之间形成四个坡面时，任一坡面的压力角范围为5～10
°
；相邻横列之间形成五个坡面时，任一坡面的压力角范围为1～5
°
。
22.可选地，所述坡面的过渡处呈弧形，以形成整体精密的表面曲线，进一步提高生产平稳性。所述梳栉为i把，5≤i≤8。
23.本实施例中可以采用新的行程工艺替代传统的四行程工艺生产经编双针床毛绒面料，实现了面料中，任意连续2（横列）
×ꢀ
2（纵行）构成的矩形区域内，存在芯纱沿同一方向平行分布排列且覆盖于面纱或芯纱所形成线圈之上的根数n≥9，突破了传统工艺中因单次最大横移只能达到4针或5针而无法使芯纱沿同一方向平行分布排列的根数超过5或6的局限，提高单位面积内的芯纱根数，进而解决传统工艺生产的面料芯纱分布密度不够、覆盖率不高、所占比例较低的问题。同时，本技术能够提高生产精度，实现平稳化生产，经测试，还能够大大提高生产效率，使生产效率提高30～50%。当然，本技术的结构改进，不仅适用于毛绒面料的生产，还可以应用在其它针织领域，不仅仅局限于本技术所述的毛绒面料。
24.在编织时，所述梳栉为i把，5≤i≤8；至少有四把梳栉用于配置芯纱，至少有一把梳栉用于配置面纱。更进一步地，梳栉gb1～gb3及gbi-2～gbi用于配置芯纱。更进一步地，梳栉gb1、gb2及gbi-1、gbi 用于配置芯纱。
25.更进一步地，其中某一部分的编织工艺可以是：n-n-n-n-n-n/0-0-0-0-0-0/(n-1)-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)/0-0-0-0-0-0//或0-0-0-n-n-n/n-n-n-0-0-0/0-0-0-(n-1)-(n-1)-(n-1)/(n-1)-(n-1)-(n-1)-0-0-0//或n-n-n-n-n-n-n-n/0-0-0-0-0-0-0-0/ (n-1)-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)/0-0-0-0-0-0-0-0//或0-0-0-0-n-n-n-n/n-n-n-n-0-0-0-0/0-0-0-0-(n-1)-(n-1)-(n-1)-(n-1)/ (n-1)-(n-1)-(n-1)-(n-1)-0-0-0-0//或 n-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)/ 0-1-1-1-1-1//
或 1-1-1-n-(n-1)-(n-1)/ (n-1)-(n-1)-(n-1)-0-1-1//或 n-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)-(n-1)/ 0-1-1-1-1-1-1-1//或 1-1-1-1-n-(n-1)-(n-1)-(n-1)/ (n-1)-(n-1)-(n-1)-(n-1)-0-1-1-1//其中n≥9，n为正整数。
26.在本实施例中提供了一种部分组织编织控制方法，图1是根据本技术实施例的编织控制方法的流程图，如图1所示，该方法包括如下流程：步骤s102，对第一布料进行拍照得到所述第一布料的照片，其中，所述第一布料的照片是对所述第一布料进行放大第一预定倍数之后拍照得到的；步骤s104，判断所述照片中第一布料的编织线是否能够被识别，如果能够被识别则获取所述第一布料中的编织线的交叉规则；在该步骤中，将所述第一布料的照片与预先保存的照片进行比较，找到相似度超过阈值的照片；将所述相似度超过阈值的照片对应的交叉规则作为所述第一布料的编织线的交叉规则。所述照片中第一布料的编织线未能被识别的情况下，还包括：是对所述第一布料进行放大第二预定倍数之后拍照得所述第一布料的照片，并对再次拍摄得到的照片中的编织线进行识别，直到能够识别出编织线的交叉规则；其中，所述第二预定倍数大于所述第一预定倍数，所述第二预定倍数和所述第一预定倍数为预先配置的。
27.作为一个可选的实施方式，在拍摄所述第一布料的照片时，在所述第一布料上设置标尺，根据照片中的标尺的尺寸对所述第一布料的编织线的密度进行获取，在得到所述密度之后，将所述密度作为交叉规则中携带的参数，作为确定所述编织机进行编织的编织参数。
28.作为另一个可选的实施方式，在设置标尺之后，还可以对所述第一布料的编织线的粗细进行识别，并将识别出的编织线的粗细尺寸也携带在所述交叉规则中，作为确定所述编织机进行编织的编织参数。
29.可选地，编织机在接收到所述编织线的尺寸之后与本编织机使用的编织线进行比较，如果本编织机使用的编织线比识别出的编织线要粗，则发送提示信息，其中，所述提示信息用于指示需要更换编织线，如果本编织机使用的编织线比识别出的编织线细，则编织机将所述编织机使用的编织线的粗细尺寸进行通知；接收到编织机使用的编织线的粗细尺寸之后，根据识别出的编织线的粗细尺寸和编织机使用的编织线的粗细尺寸的比例，增加编织密度，并将增加后的编制密度发送给所述编织机进行编织。
30.步骤s106，根据所述交叉规则确定编织机的编织参数，其中，所述编织参数用于指示编织出的布料中的编织线符合所述交叉规则；步骤s108，将所述编织参数发送至编织机以控制所述编织机进行编织得到第二布料；步骤s110，对所述第二布料进行拍照得到所述第二布料的照片，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同，如果相同，则确定所述编织参数为正确的编织参数。
31.该步骤的实现方法有很多种，例如，将所述第一布料的照片和所述第二布料的照片输入到第一机器学习模型中，其中，所述第一机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括两张布料的照片以及用于标识该两张布
料照片中的布料的交叉规则是否相同的标签；从所述第一机器学习模型中获取输出的标签，其中，所述标签用于指示所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同。
32.作为一个可选的实施方式，在该步骤之后，将所述第二布料的照片和所述正确的编织参数以及所述编织机的型号作为一组数据进行保存，保存下来的数据被称为第二训练数据，判断所述第二训练数据保存的组数是否超过预定数量，如果超过预定数量，则将多组所述第二训练数据发送至机器学习训练服务器，用于训练第二机器学习模型。所述第二机器学习模型用于输入预定布料的照片之后，输出编织机的型号以及编制所使用的参数。
33.通过上述步骤解决了现有技术中依靠人工分析编织参数来进行布料仿制所存在的问题，从而提高了效率，并在一定程度上降低了出错概率。
34.进一步地，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同：将所述第一布料的照片和所述第二布料的照片输入到第一机器学习模型中，其中，所述第一机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括两张布料的照片以及用于标识该两张布料照片中的布料的交叉规则是否相同的标签；从所述第一机器学习模型中获取输出的标签，其中，所述标签用于指示所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同。
35.进一步地，获取所述第一布料中的编织线的交叉规则包括：将所述第一布料的照片与预先保存的照片进行比较，找到相似度超过阈值的照片；将所述相似度超过阈值的照片对应的交叉规则作为所述第一布料的编织线的交叉规则。
36.进一步地，所述照片中第一布料的编织线未能被识别的情况下，还包括：是对所述第一布料进行放大第二预定倍数之后拍照得所述第一布料的照片，并对再次拍摄得到的照片中的编织线进行识别，直到能够识别出编织线的交叉规则。
37.进一步地，所述第二预定倍数大于所述第一预定倍数，所述第二预定倍数和所述第一预定倍数为预先配置的。
38.通过本技术解决了现有技术中依靠人工分析编织参数来进行布料仿制所存在的问题，从而提高了效率，并在一定程度上降低了出错概率。
39.在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。
40.上述程序可以运行在处理器中，或者也可以存储在存储器中（或称为计算机可读介质），计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器 (cd-rom)、数字多功能光盘 (dvd) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
41.这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机
或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。
42.该本实施例中就提供了这样的一种装置或系统，该系统被称为编织控制系统，包括：拍摄模块，用于对第一布料进行拍照得到所述第一布料的照片，其中，所述第一布料的照片是对所述第一布料进行放大第一预定倍数之后拍照得到的；识别模块，用于判断所述照片中第一布料的编织线是否能够被识别，如果能够被识别则获取所述第一布料中的编织线的交叉规则；第一确定模块，用于根据所述交叉规则确定编织机的编织参数，其中，所述编织参数用于指示编织出的布料中的编织线符合所述交叉规则；发送模块，用于将所述编织参数发送至编织机以控制所述编织机进行编织得到第二布料；第二确定模块，用于对所述第二布料进行拍照得到所述第二布料的照片，比较所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同，如果相同，则确定所述编织参数为正确的编织参数。
43.该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。
44.例如，所述第二确定模块用于：将所述第一布料的照片和所述第二布料的照片输入到第一机器学习模型中，其中，所述第一机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括两张布料的照片以及用于标识该两张布料照片中的布料的交叉规则是否相同的标签；从所述第一机器学习模型中获取输出的标签，其中，所述标签用于指示所述第一布料的照片和所述第二布料的照片中的编织线的交叉规则是否相同。
45.又例如，所述识别模块用于：将所述第一布料的照片与预先保存的照片进行比较，找到相似度超过阈值的照片；将所述相似度超过阈值的照片对应的交叉规则作为所述第一布料的编织线的交叉规则。可选地，所述照片中第一布料的编织线未能被识别的情况下，所述识别模块还用于：是对所述第一布料进行放大第二预定倍数之后拍照得所述第一布料的照片，并对再次拍摄得到的照片中的编织线进行识别，直到能够识别出编织线的交叉规则。可选地，所述第二预定倍数大于所述第一预定倍数，所述第二预定倍数和所述第一预定倍数为预先配置的。
46.通过本实施例解决了现有技术中依靠人工分析编织参数来进行布料仿制所存在的问题，从而提高了效率，并在一定程度上降低了出错概率。
47.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。