本发明涉及图像识别领域，具体涉及基于计算机图像处理和模式识别的检测细纱管尾纱的方法。
背景技术：
在传统纺织织造工序中，纺织前准备的第一道工序是络筒(又称络纱)，其任务是将来自纺部的管纱或绞纱在络筒机上加工成符合一定要求的筒子。细纱管尾纱则是细纱落纱时，在细纱管上残余的纱线。由于细纱管在络筒完成后需要重复使用，细纱管在重复使用之前必须保证细纱管上不能存在尾纱，因此需要对细纱管上的尾纱进行清除。在清除尾纱之前要完成的工序是对细纱管的分拣，将带有尾纱的细纱管与不带有尾纱的细纱管分开。在传统纺织业中，由于细纱管的尾纱去除都是靠人工分拣清除，这使得相关的产业不得不雇佣部分人力去完成此道工序。
计算机图像识别技术目前已在许多行业得到了应用，但是在与纺织业方面的结合研究却很少。这使得大多纺织公司中不得不雇佣人力去进行纱管分拣及尾纱处理。使得生产效率一直难以提升，造成纺织企业信息化、生产自动化的瓶颈。如果能够结合计算机技术和数字图像处理技术来代替人工完成细纱管尾纱的识别及相关的分拣工作，这将会有效地促进纺织行业的效率提升。
技术实现要素：
本发明针对现有技术的不足，提出一种基于计算机图像处理和模式识别的检测细纱管尾纱的方法，具体如下：
一种基于计算机图像处理和模式识别的检测细纱管尾纱的方法，其特征在于：S1：采集不含有纱线的纱管图像作为标准纱管图像样本；
S2：对所述纱管图像预处理生成二值图；
S3：将所述二值图在垂直方向投影，得到总垂直投影的宽度数据；
S4：将所述总垂直投影的宽度数据作为基准数据保存在总数据库中；
S5：将所述二值图均匀分成至少三段，将所述三段二值图分别垂直方向投影，得到第一投影宽度数据、第二投影宽度数据和第三投影宽度数据；
S6：分别将所述第一投影宽度数据、第二投影宽度数据和第三投影宽度数据作为基准数据保存在第一数据库、第二数据库和第三数据库；
S7：传入需处理的纱管图像，并按照S2进行处理；
S8：将S7中得到的总垂直投影宽度数据与总数据库中的基准数据进行对比，如果总垂直投影数据大于总数据库中的基准数据，则判断为含有纱线，否则进入S9；
S9：将所述需处理的纱管均匀分成至少三段，该均匀分的段数对应S6中的数据库，且将所述三段二值图分别垂直方向投影，分别得到新的三段二值图垂直投影宽度数据；
S10：将所述新的三段二值图垂直投影数据分别与对应的第一数据库、第二数据库和第三数据库进行对比，在新的三段二值图垂直投影数据中，任一段二值图的垂直投影宽度数据大于对应数据库的基准数据，则判断为含有纱线，否则判断为不含纱线。
进一步地：所述S2包括，
S21：对所述纱管图像进行灰度化和二值化处理，得到二值图像；
S22：对所述二值图像降噪处理；
S23：确定纱管在二值图中的位置；
S24：对所述二值图像中的纱管位置进行矫正，使得所述纱管轴向与所述二值图底边垂直。
进一步地：所述S24包括，
S241：将所述纱管在二值图中顺时针旋转1度，得到第四垂直投影，接着将未旋转的所述纱管在二值图中逆时针旋转1度，得到第五垂直投影。
S242：如果第四垂直投影的宽度大于第五垂直投影的宽度，则判断所述纱管在二值图中的偏向为右偏，设定矫正旋向为逆时针，如果第四垂直投影的宽度小于第五垂直投影的宽度，则判断所述纱管在二值图中的偏向为左偏，设定矫正旋向为顺时针。
S243：通过以1度为旋转角向矫正旋向偏转，同时进行水平方向投影和垂直方向投影，当所述纱管在二值图中的垂直投影宽度最小，同时水平投影宽度最大时，判定为所述纱管轴线在二值图中垂直于二值图底边。
进一步地：对所述二值图像降噪处理是采用数学形态学中的开启运算和闭合运算处理。
本发明的有益效果为：第一，本发明可以实现现代纺织厂内依靠极少数非专业的从业人员对厂房内数台细纱机的管理。减少企业雇人数量，同时提高该工序的效率。第二，本发明采用的图像采集工具是普通摄像头，不用对系统额外加入硬件设备，成本低廉。第三，本发明方法可自动识别并反馈图像中是否存在尾纱，不需要人工干预，使用简单高效。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示：一种基于计算机图像处理和模式识别的检测细纱管尾纱的方法，包括：
S1：通过摄像头采集不含有纱线的纱管图像，上传到PC机作为标准纱管图像样本；
S2：对纱管图像预处理生成二值图，利用公式
其中，f(x，y)是原图像中的像素值,g(x，y)是处理后的黑白图像的像素值，T为灰度阈值。函数的原理为，如果图像的像素灰度值大于阈值，则设为255，小于的设为0。
S3：将二值图在垂直方向投影，得到总垂直投影的宽度数据；
S4：将总垂直投影的宽度数据作为基准数据保存在总数据库中；
S5：将二值图均匀分成至少三段，将三段二值图分别垂直方向投影，得到第一投影宽度数据、第二投影宽度数据和第三投影宽度数据，可以更精确地去确定细纱管上是否存在纱线，同时也可以确定纱线具体位于纱管中的哪一段。
S6：分别将第一投影宽度数据、第二投影宽度数据和第三投影宽度数据作为基准数据保存在第一数据库、第二数据库和第三数据库；
S7：传入需处理的纱管图像，并按照S2进行处理；
S8：将S7中得到的总垂直投影宽度数据与总数据库中的基准数据进行对比，如果总垂直投影数据大于总数据库中的基准数据，则判断为含有纱线，否则进入S9；
S9：将需处理的纱管均匀分成至少三段，该均匀分的段数对应S6中的数据库个数，且将三段二值图分别垂直方向投影，分别得到新的三段二值图垂直投影宽度数据；
S10：将新的三段二值图垂直投影数据分别与对应的第一数据库、第二数据库和第三数据库进行对比，在新的三段二值图垂直投影数据中，任一段二值图的垂直投影宽度数据大于对应数据库的基准数据，则判断为含有纱线，否则判断为不含纱线。
上述S2中包括步骤，
S21：对纱管图像进行灰度化和二值化处理，得到二值图像；
S22：采用数学形态学中的开启运算和闭合运算处理对二值图像降噪处理；
S23：确定纱管在二值图中的位置；
S24：对二值图像中的纱管位置进行矫正，使得纱管轴向与二值图底边垂直。
上述S24包括步骤，
S241：将纱管在二值图中顺时针旋转1度，得到第四垂直投影，接着将未旋转的纱管在二值图中逆时针旋转1度，得到第五垂直投影。
S242：如果第四垂直投影的宽度大于第五垂直投影的宽度，则判断纱管在二值图中的偏向为右偏，设定矫正旋向为逆时针，如果第四垂直投影的宽度小于第五垂直投影的宽度，则判断纱管在二值图中的偏向为左偏，设定矫正旋向为顺时针。
S243：通过以1度为旋转角向矫正旋向偏转，同时进行水平方向投影和垂直方向投影，当纱管在二值图中的垂直投影宽度最小，同时水平投影宽度最大时，判定为纱管轴线在二值图中垂直于二值图底边。