平网印花纺织品生产异常识别定位方法及系统与流程

1.本技术涉及数据处理领域，具体涉及一种平网印花纺织品生产异常识别定位方法及系统。


背景技术：

2.平网印花是一种用平板筛网印花的工艺。色浆受刮刀的挤压通过具有纹样的平板筛网达于织物，通过不同的色浆结合不同纹样的平板筛网，实现套色印染的效果。在平网印花的过程中，往往会因为色浆补充不及时，刮刀安装不良等生产问题导致纺织品出现印花不均缺陷。所以对平网印花纺织品缺陷的生产问题进行定位很必要。
3.现有的对于纺织品缺陷的生产问题进行定位的手段往往是由人工检查，根据检查到的缺陷调整出现问题的生产环节。
4.但上述手段由于人工检查效率低，且纺织品印花颜色复杂，单个颜色印花不均缺陷易受其他颜色干扰难以识别，使得生产问题得不到及时调整。因此亟需一种方法提高定位平网印花纺织品缺陷生产问题的效率和准确度。


技术实现要素：

5.本发明提供了一种平网印花纺织品生产异常识别定位方法，包括：采集纺织品图像；对图像进行聚类，得到不同颜色的印花图像；对印花灰度图进行区域划分，根据各区域内像素的灰度得到各印花图像的灰度变化特征，进而得到各印花图像间的灰度变化相似度；根据灰度变化相似度获得无缺陷和有缺陷的印花图像；根据无缺陷印花图像各区域的灰度差异率得到不同区域的光照影响程度；根据光照影响程度对印花图像进行光照补偿，得到无光照影响的印花图像；根据无光照影响的有缺陷印花图像各区域的灰度进行生产问题定位，相比于现有技术，本发明结合计算机视觉和图像处理，对采集到的纺织品图像进行图像分割处理，分析不同颜色的印花图像的特征，获取消除光照影响后的印花不均缺陷，根据缺陷特征定位生产问题，可以有效提高定位平网印花纺织品缺陷生产问题的效率和准确度。
6.为达到上述目的，本发明采用以下技术方案，一种平网印花纺织品生产异常识别定位方法，包括：采集平网印花纺织品表面图像。
7.对表面图像进行聚类颜色分割，得到不同颜色的印花图像。
8.对每个印花图像灰度图进行区域划分，根据各区域内像素点的灰度值计算得到各区域的灰度变化差异率、梯度幅值、梯度方向和梯度方向差异率。
9.分别利用每个印花图像中各区域及其它印花图像中各区域的灰度变化差异率、梯度幅值、梯度方向和梯度方向差异率计算得到每个印花图像与其它印花图像两两之间的灰度变化相似度。
10.根据每个印花图像与其它印花图像两两之间的灰度变化相似度对每个印花图像
属于存在缺陷的印花图像和不存在缺陷的印花图像进行判断。
11.根据所有不存在缺陷的印花图像中各相对区域的灰度差异率得到不同区域的光照影响程度。
12.利用不同区域的光照影响程度获取不同区域的区域灰度对所有印花图像中相对应的区域进行补偿，得到光照补偿后的所有印花图像。
13.计算光照补偿后的存在缺陷的印花图像中各区域的灰度与其对应的光照补偿前的印花图像所有区域的平均灰度的差值，根据绝对值最大的差值确定出产生缺陷的工序。
14.进一步的，所述一种平网印花纺织品生产异常识别定位方法，所述各区域的灰度变化差异率是按照如下方式得到：将不同颜色的印花图像转换为灰度图。
15.对每个印花图像灰度图进行区域划分，得到每个印花图像的所有区域。
16.将各个区域内非0像素点的灰度均值作为各区域的灰度，得到每个印花图像的所有区域的灰度。
17.根据所有区域的灰度计算得到每个印花图像的所有区域的平均灰度。
18.根据各个区域的灰度和所有区域的平均灰度计算得到各区域的灰度变化差异率。
19.进一步的，所述一种平网印花纺织品生产异常识别定位方法，所述各区域的梯度方向差异率是按照如下方式得到：利用sobel算子获取所有区域的梯度幅值及梯度方向。
20.根据各区域及其相邻的八个区域的梯度方向计算得到各区域与其相邻区域的梯度方向差异。
21.根据所有区域与其相邻区域的梯度方向差异计算得到各区域的梯度方向差异率。
22.进一步的，所述一种平网印花纺织品生产异常识别定位方法，所述每个印花图像与其它印花图像两两之间的灰度变化相似度的表达式如下：式中，为图像与图像的灰度变化相似度；为图像中第个区域的梯度方向差异率；为图像中第个区域的梯度方向差异率；为图像中第个区域的梯度方向；为图像中第个区域的梯度方向；为、两个梯度方向的夹角；为每个图像中的区域个数；为图像中第个区域的灰度差异率；为图像中第个区域的灰度差异率；为图像中第个区域的梯度幅值；为图像中第个区域的梯度幅值。
23.进一步的，所述一种平网印花纺织品生产异常识别定位方法，所述对每个印花图像属于存在缺陷的印花图像和不存在缺陷的印花图像进行判断的过程具体如下：设置阈值，根据每个印花图像与其它印花图像两两之间的灰度变化相似度对每个印花图像进行判断。
24.当印花图像与其它印花图像两两之间的灰度变化相似度中：超过一半的灰度变化相似度均大于设置阈值，则该印花图像不存在缺陷。
25.当印花图像与其它印花图像两两之间的灰度变化相似度中：未超过一半的灰度变化相似度大于设置阈值，则该印花图像存在缺陷，获得所有不存在缺陷的印花图像及存在缺陷的印花图像。
26.进一步的，所述一种平网印花纺织品生产异常识别定位方法，所述光照补偿后的所有印花图像是按照如下方式得到：根据不同区域的光照影响程度对所有印花图像中的各个区域进行光照补偿，获取无光照影响的所有区域的灰度。
27.将无光照影响的各个区域的灰度作为对应区域内像素点的灰度值，得到光照补偿后的所有印花图像。
28.进一步的，所述一种平网印花纺织品生产异常识别定位方法，所述产生缺陷的工序是按照如下方式确定：计算光照补偿后的存在缺陷的印花图像中各区域的灰度与其对应的光照补偿前的印花图像所有区域的平均灰度的差值，获取绝对值最大的差值。
29.对绝对值最大的差值进行判断。
30.当绝对值最大的差值大于0，则该存在缺陷的印花图像印花色浆过多，需要对刮刀的安装进行调节。
31.当绝对值最大的差值小于0，则该存在缺陷的印花图像印花色浆过少，需要对色浆补充工艺进行调节。
32.本发明的有益效果在于：本发明结合计算机视觉和图像处理，对采集到的纺织品图像进行图像分割处理，分析不同颜色的印花图像的特征，获取消除光照影响后的印花不均缺陷，根据缺陷特征定位生产问题，可以有效提高定位平网印花纺织品缺陷生产问题的效率和准确度。
附图说明
33.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。
34.图1为本发明实施例1提供的一种平网印花纺织品生产异常识别定位方法流程示意图；图2为本发明实施例2提供的一种平网印花纺织品生产异常识别定位方法流程示意图；图3为本发明实施例2提供的一种平网印花纺织品图像；图4为本发明实施例2提供的一种图像分割后获得的印花图像；图5为本发明实施例2提供的一种图像分割后获得的印花图像；图6为本发明实施例2提供的一种图像分割后获得的印花图像；图7为本发明实施例2提供的一种图像分割后获得的印花图像；
图8为本发明实施例3提供的一种平网印花纺织品缺陷的生产问题定位系统框图。
具体实施方式
35.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。
36.实施例1本发明实施例提供一种平网印花纺织品生产异常识别定位方法，如图1所示，包括：s101、采集平网印花纺织品表面图像。
37.其中，图像只包含纺织品，不包含其他区域。
38.s102、对表面图像进行聚类颜色分割，得到不同颜色的印花图像。
39.其中，将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。
40.s103、对每个印花图像灰度图进行区域划分，根据各区域内像素点的灰度值计算得到各区域的灰度变化差异率、梯度幅值、梯度方向和梯度方向差异率。
41.其中，灰度差异率反应了该区域在图像中的灰度分布。
42.s104、分别利用每个印花图像中各区域及其它印花图像中各区域的灰度变化差异率、梯度幅值、梯度方向和梯度方向差异率计算得到每个印花图像与其它印花图像两两之间的灰度变化相似度。
43.其中，梯度幅值、梯度方向反应了区域灰度在局部范围内的变化情况；梯度方向差异率反应了区域灰度变化与相邻区域灰度变化情况的差异。
44.s105、根据每个印花图像与其它印花图像两两之间的灰度变化相似度对每个印花图像属于存在缺陷的印花图像和不存在缺陷的印花图像进行判断。
45.其中，若图像内存在印花不均的情况，则该图像与其他图像灰度变化相似度较小。
46.s106、根据所有不存在缺陷的印花图像中各相对区域的灰度差异率得到不同区域的光照影响程度。
47.其中，若图像与以上的图像灰度变化相似度大于，则图像中不存在印花不均缺陷。
48.s107、利用不同区域的光照影响程度获取不同区域的区域灰度对所有印花图像中相对应的区域进行补偿，得到光照补偿后的所有印花图像。
49.其中，不存在印花不均缺陷的图像，经过光照补偿后，所有区域的灰度都近似各区域的平均灰度。
50.s108、计算光照补偿后的存在缺陷的印花图像中各区域的灰度与其对应的光照补偿前的印花图像所有区域的平均灰度的差值，根据绝对值最大的差值确定出产生缺陷的工序。
51.其中，根据绝对值最大的差值和0的关系对生产问题进行定位。
52.本实施例的有益效果在于：本实施例结合计算机视觉和图像处理，对采集到的纺织品图像进行图像分割处理，分析不同颜色的印花图像的特征，获取消除光照影响后的印花不均缺陷，根据缺陷特征定位生产问题，可以有效提高定位平网印花纺织品缺陷生产问题的效率和准确度。
53.实施例2平网印花过程中，往往会由于色浆补充不及时，刮刀安装不良等生产问题造成纺织品印花不均缺陷。需要对缺陷进行检测，根据缺陷特征对生产工艺进行调整，以提高生产合格率。
54.本发明的主要目的是：利用计算机视觉，对采集到的纺织品图像进行图像分割处理，分析不同颜色的印花图像的特征，获取消除光照影响后的印花不均缺陷，根据缺陷特征定位生产问题。
55.本发明实施例提供一种平网印花纺织品生产异常识别定位方法，如图2所示，包括：步骤一：拍摄纺织品图像，进行图像分割处理。
56.在印花完成的纺织品正上方放置相机，拍摄纺织品图像。如图3所示，图像只包含纺织品，不包含其他区域。
57.平网印花时，色浆受刮刀的挤压通过具有纹样的平板筛网达于纺织品，纺织品每经过一个平板筛网，就在纺织品上完成一个颜色的印花。经过个平板筛网，最终完成个颜色的套色。对纺织品图像进行聚类颜色分割，得到个颜色的印花图像，分别对应平网印花过程中个平板筛网的印花图像。通过聚类颜色分割为现有技术，本实施例不具体阐述。
58.至此完成了纺织品图像分割，获得了个不同颜色的印花图像，如图4，图5，图6，图7所示。
59.步骤二：分析印花图像特征，获取消除光照影响后的印花不均缺陷图像。
60.色浆补充不及时可能造成当前颜色的印花不均，印花图像中部分区域颜色较深，部分区域颜色较浅。纺织品受光照影响，纺织品图像也可能呈现部分区域亮，部分区域暗的特征。因此通过阈值分割无法直接将印花不均的缺陷直接分割出来。步骤一得到了个不同颜色的印花图像，本实施例通过分析个不同颜色的印花图像的特征，分析不同区域光照影响的程度，进行光照补偿，排除光照对图像的影响。以便后续对光照补偿后的印花不均缺陷图像进行分析，获取产生印花不均缺陷的生产问题。
61.为便于分析，首先将个不同颜色的印花图像分别转换为灰度图像，分别记做图像、图像、
…
、图像。
62.a.计算不同图像灰度变化相似度：受光照影响，纺织品图像可能呈现部分区域亮，部分区域暗的特征，步骤一图像分
割得到的个不同颜色的印花图像受到的光照影响一致，若无印花不均缺陷，则这个不同颜色的印花图像亮的区域一致，暗的区域也一致。为获得不同光照的影响程度，需分析比较不同印花图像上各区域的灰度变化。
63.首先分别对个不同颜色的印花图像进行区域划分，以大小的窗口对图像进行步长为的滑窗操作，将图像分割成个区域。局部区域内光照强度不变，印花图像局部区域内非像素点灰度一致。
64.对于图像，计算第个区域内非像素点的灰度均值作为该区域的灰度，同理，得到图像所有区域的灰度。光照影响下，各个区域的灰度存在差异。计算第个区域与图像中各区域的平均灰度的灰度差异率：其中为图像所有区域灰度的平均值，即所有区域的平均灰度；为图像第个区域的灰度与所有区域平均灰度的差异；为图像第个区域的灰度；为图像第个区域的灰度；为各区域与所有区域平均灰度的差异之和；一定程度上反应了第个区域灰度在图像中的灰度分布；为区域个数。计算得到图像中所有区域的灰度差异率。
65.将每个区域看做一个像素点，区域灰度为该像素点的灰度值，利用sobel算子获取所有区域的梯度幅值及梯度方向。局部区域内光照一致，相邻区域之间光照变化一致，即光照方向一致。根据图像第个区域的梯度方向与其相邻的八个区域的梯度方向计算第个区域与第个区域相邻八个区域的梯度方向差异：其中为图像中第个区域相邻的第个区域的梯度方向。为图像中第个区域的梯度方向。为关于两梯度方向，的函数，用作计算两个梯度方向的夹角。具体为：。为图像中第个区域相邻的第个区域与图像中第个区域的梯度方向的夹角。梯度方向差异越大，则该区域与相邻区域灰度变化方向越不一致。
66.根据所有区域的梯度方向差异，计算第个区域的在图像中梯度方向差异率：灰度差异率反应了该区域在图像中的灰度分布；梯度幅值、梯度方向反应了区域灰度在局部范围内的变化情况；梯度方向差异率反应了区域灰度变化与相邻区域灰度变化情况的差异。图像中各区域的灰度差异率、梯度幅值、梯度方向、梯度方向差异率，组成图像的灰度变化特征序列。
67.同理，计算个不同颜色的印花图像的灰度变化特征序列。个不同颜色的印花图像受到的光照影响一致，若不存在印花不均的缺陷，则个不同颜色的印花图像的灰度变化特征序列均相似。根据各个图像的灰度变化特征序列，计算个不同颜色的印花图像两两之间的灰度变化相似度，图像与图像的灰度变化相似度为:公式解释：
①
为图像中第个区域的梯度方向差异率；为图像中第个区域的梯度方向差异率；为图像中第个区域的梯度方向；为图像中第个区域的梯度方向；为、两个梯度方向的夹角；为每个图像中的区域个数；
②
表示、之间差异度；表示以图像中第个区域的梯度方向差异率结合图像中第个区域的梯度方向差异率作为和之间差异度的权重，若较大，则图像中第个区域与相邻区域的梯度方向差异较大，则在相似度计算中更关注、之间差异度。同理若较大，在相似度计算中也更关注、之间差异度。为图像与图像中所有对应区域的梯度方向差异度加权之和。
68.③
为图像中第个区域的灰度差异率；为图像中第个区域的灰度差异率；为图像中第个区域的梯度幅值；为图像中第个区域的梯度幅值。
为图像与图像中所有对应区域的灰度差异率之间的差异及梯度幅值之间的差异均值。
69.④
若图像及图像中均不存在印花不均的缺陷，则图像与图像的灰度变化相似度较高，此时图像、图像中灰度变化仅受光照影响。
70.同理得到个不同颜色的印花图像两两之间的灰度变化相似度。若图像内存在印花不均的情况，则该图像与其他图像灰度变化相似度较小。若区域内不存在印花不均的情况，则该图像与其他不存在印花不均缺陷的图像灰度变化相似度较大。
71.b.获取印花不均缺陷：根据图像与其余图像的灰度变化相似度，判断图像是否存在印花不均缺陷：若图像与以上的图像灰度变化相似度大于，即中超过的数据大于，则图像中不存在印花不均缺陷。反之，图像中存在印花不均缺陷。
72.对个不同颜色的印花图像进行印花不均判断，得到所有不存在印花不均缺陷的图像集合及所有存在印花不均缺陷的图像集合。
73.c.获取不同区域光照影响程度：步骤获得了所有不存在印花不均缺陷的图像集合，此些图像灰度仅受光照影响。获取集合中所有图像第个区域的灰度差异率(灰度差异率见步骤一)，计算第个区域的灰度差异率均值，作为第个区域的光照影响程度。同理得到每个区域的光照影响程度。
74.d.对图像进行光照补偿：对图像第个区域的灰度按照第个区域的光照影响程度进行光照补偿，获取无光照影响的区域灰度：其中为图像第个区域的灰度；为第个区域的光照影响程度；为图像中各区域的平均灰度；为图像第个区域的灰度；为各区域与所有区域平均灰度的差异之和。为每个图像中的区域个数。同理，得到图像每个区域无光照影响
的区域灰度。以区域灰度作为区域内像素点的灰度值，得到图像记为图像。
75.每个图像灰度变化均受光照影响，因此对个不同颜色的印花图像灰度图均进行光照补偿，消除光照的影响，得到图像、图像2、
…
、图像。
76.步骤三：根据缺陷特征，进行生产问题定位。
77.步骤二对个不同颜色的印花图像灰度图进行了光照补偿。不存在印花不均缺陷的图像，经过光照补偿后，所有区域的灰度都近似各区域的平均灰度。
78.为所有存在印花不均缺陷的图像集合，若图像，则图像存在印花不均缺陷。计算消除光照影响后的图像各区域灰度与图像所有区域平均灰度的差值，得到差值序列。取差值序列中绝对值最大的差值记做，判断造成图像印花不均的生产问题：若，则图像部分区域印花色浆过多，为该颜色印染的环节刮刀安装不当导致部分区域多余色浆未刮走。
79.若，则图像部分区域印花色浆过少，为该颜色印染的环节色浆补充不及时导致。
80.对集合中每个图像进行生产问题定位，得到该生产线上一系列生产问题。
81.本实施例的有益效果在于：本实施例结合计算机视觉和图像处理，对采集到的纺织品图像进行图像分割处理，分析不同颜色的印花图像的特征，获取消除光照影响后的印花不均缺陷，根据缺陷特征定位生产问题，可以有效提高定位平网印花纺织品缺陷生产问题的效率和准确度。
82.实施例3本发明实施例提供了一种平网印花纺织品缺陷的生产问题定位系统，如图8所示，包括采集单元、特征提取单元、分析处理单元和控制单元：所述采集单元，将相机放置在印花完成的纺织品正上方，用于采集纺织品表面图像；所述特征提取单元，将采集单元采集到的图像输入数据主控器，运用数据主控器对图像进行分割得到不同颜色的印花图像，通过对不同颜色的印花图像进行分析提取各图像的灰度变化特征；所述分析处理单元，数据主控器根据特征提取单元得到的各图像的灰度变化特征计算各图像间的灰度变化相似度；根据灰度变化相似度得到有缺陷和无缺陷的印花图像；进一步根据无缺陷印花图像的灰度情况得到光照影响程度；根据光照影响程度对有缺陷的印花图像进行光照补偿，获取消除光照影响后的有缺陷的印花图像；所述控制单元，数据主控器对消除光照影响后的有缺陷的印花图像进行生产问题
判断和定位；进一步数据主控器根据生产问题的定位情况对生产线上的环节和工艺进行调控。
83.本实施例的有益效果在于：本实施例结合计算机视觉和图像处理，对采集到的纺织品图像进行图像分割处理，分析不同颜色的印花图像的特征，获取消除光照影响后的印花不均缺陷，根据缺陷特征定位生产问题，可以有效提高定位平网印花纺织品缺陷生产问题的效率和准确度。
84.以上所述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。