一种基于线激光的织物织造在线疵点检测方法

摘要

本发明涉及一种基于线激光的织物织造在线疵点检测方法，包括下列步骤：将激光线或面照射到纱线和织针上，纱线和织针与激光所形成的光幕交织形成亮斑；摄像机采集所形成的亮斑；对规定采样时间内的各帧图像，采用阈值分割得到纱线和织针与激光平面交织形成的亮斑位置，提取亮斑的中心坐标；将不同图像中的同一亮斑位置按顺序排列，构成序列，从而得到单个亮斑在该采样时间内的运动轨迹，得到亮斑一维运动信号图；通过小波变化，将亮斑一维运动信号转换为二维谱图；通过CNN神经网络进行深度学习，将正常纱线运动规律对应的二维谱图和异常情况所对应的二维谱图分别标记并进行训练学习。

权利要求

1.一种基于线激光的织物织造在线疵点检测方法，包括下列步骤：(1)将线激光照射到纱线和织针上，纱线和织针与激光所形成的平面光幕交织形成亮斑，从而纱线和织针被激光光源点亮；

(2)摄像机采集所形成的亮斑，采集纱线和织针在织造过程中的瞬时图像；

(3)对规定采样时间内的各帧图像，采用阈值分割得到纱线和织针与激光平面交织形成的亮斑位置，通过重心计算的方法提取亮斑的中心坐标；

(4)将不同图像中的同一亮斑位置按顺序排列，构成序列，从而得到单个亮斑在该采样时间内的运动轨迹，得到亮斑一维运动信号图；通过小波变化，将亮斑一维运动信号图转换为二维谱图；

(5)通过CNN神经网络进行深度学习，将正常纱线运动规律对应的二维谱图和异常情况所对应的二维谱图分别标记并进行训练学习，从而判断是否出现包括纱线断线、纱线松动在内的异常情况。

说明书

一种基于线激光的织物织造在线疵点检测方法

技术领域

[0001] 本发明属于纺织品质量检测领域，涉及一种基于线激光的织物织造在线疵点检测方法。

背景技术

[0002] 我国是世界上最大的面料生产和出国，在实际生产中，疵点检测最为重要。目前，织物疵点织物质量控制与检测很重要，织物一般是由工人目测来完成，有检测速度低，工人主观上的因素对检测结果影响大，并且还有误检率和漏检率高等缺点。以出口加工为主,纺织品附加值较低缺少自主生产的高水平生产装备,以进口德国和日本等国机器为主。

[0003] 对经编设备进行机联网及自动化控制改造，对经编企业实现智能制造示范，是经编行业在智能制造下的重要发展方向。在织造过程中，由于机械故障或操作错误等原因，布匹会存在一些瑕疵。纺织企业传统上采用人工方式进行织物瑕疵检测，在检测精度、速度和检出率方面都不理想。因此，有必要开展经编机布匹瑕疵在线视觉检测系统研究，基于机器视觉实现经编机织布过程中布匹瑕疵的实时检测。目前，经编织造疵点的快速、精准识别的问题，还未见较成功的通用经编织造视觉检测系统还处于探索阶段，离实用的在线测量还有相当的距离。

发明内容

[0004] 本发明的目的是提出一种基于线激光的织物织造在线疵点检测方法，可对织造中的断纱和织针运动规律异常等典型问题进行实时检测和停机提醒，从根本上避免织物织造中疵点的发生。本发明具有适应性好、疵点判断及时、系统成本低、稳定可靠等优点，满足织物疵点在线织造检测需求。技术方案如下：

[0005] 一种基于线激光的织物织造在线疵点检测方法，包括下列步骤：

[0006] (1)将激光线或面照射到纱线和织针上，纱线和织针与激光所形成的光幕交织形成亮斑，从而纱线和织针被激光光源点亮；

[0007] (2)摄像机采集所形成的亮斑，采集纱线和织针在织造过程中的瞬时图像；

[0008] (3)对规定采样时间内的各帧图像，采用阈值分割得到纱线和织针与激光平面交织形成的亮斑位置，通过重心计算的方法提取亮斑的中心坐标；

[0009] (4)将不同图像中的同一亮斑位置按顺序排列，构成序列，从而得到单个亮斑在该采样时间内的运动轨迹，得到亮斑一维运动信号图；通过小波变化，将亮斑一维运动信号转换为二维谱图；

[0010] (5)通过CNN神经网络进行深度学习，将正常纱线运动规律对应的二维谱图和异常情况所对应的二维谱图分别标记并进行训练学习，从而判断是否出现包括纱线断线、纱线松动在内的异常情况。

[0011] 本发明提出了一种织物织造在线疵点检测方法，借助于线激光将纱线和织针点亮，采用高速摄像机实时采集织造过程中纱线和织针图像，通过深度学习算法学习织造过程中纱线和织针的运动规律，通过判断运动规律被破坏来判断织造中断纱和织针运动规律异常等典型问题，进行实时检测和停机提醒，从根本上避免织物织造中疵点的发生。本发明具有适应性好、疵点判断及时、系统成本低、稳定可靠等优点，满足织物疵点在线织造检测需求。

附图说明

[0012] 图1织物在线疵点检测系统结构示意图。1摄像机；2线激光器；3织针；4光斑；5纱线；6针织机床；7织布。

[0013] 图2本发明织物在线疵点检测流程图图。

[0014] 图3检测算法流程图。

[0015] 图4分区域处理示意图。

具体实施方式

[0016] 下面结合附图和实施例对本发明的进行详细描述。

[0017] 本发明的系统结构如图2所示，将线结构激光器安装于针织机床前端，激光线从织针机床前端斜上方直接照射纱线，另一个激光器透射激光线照射织针，摄像机也被安装于机床前端与激光器偏离一定距离，同步采集纱线和织针亮斑图像。

[0018] 本发明的检测流程图如图1所示。在针织机床上6，将激光线或面照射到纱线5和织针3上，纱线和织针与激光所形成的光幕交织形成亮斑4，从而纱线和织针被激光光源点亮；摄像机1采集所形成的亮斑，可以采集纱线和织针在织造过程中的瞬时图像。高速采集织造过程中纱线和织针的实时图像，可以捕捉在视场范围内两者的运动规律，该运动规律可以通过深度学习算法进行学习。实时采集并判断运动规律，当运动规律被破坏，可以判断纱线或织针的相应位置出现了断纱或织针运动异常等问题，也可以判断为疵点发生的先兆，从而及时停车避免织造过程的浪费。

[0019] 具体检测算法如图3所示，首先对规定采样时间内的每一帧图片，都采用阈值分割得到纱线和织针与激光平面交织形成的亮斑位置，通过重心计算的方法提取亮斑的中心坐标。然后，将不同图片中的同一亮斑位置按顺序排列，构成序列，从而得到单个亮斑在该采样时间内的运动轨迹。纱线织造过程中机床的抖振导致纱线振动方向比较单一，因此亮斑可认为是在一维方向上做往复运动，通过一维信号即可表述亮斑运动情况，得到亮斑运动信号图。再通过小波变化，将亮斑一维运动信号转换为二维谱图。最后，通过CNN神经网络进行深度学习。将正常纱线运动规律对应的二维谱图和异常情况所对应的二维谱图分别标记并进行训练学习，从而判断是否为纱线断线、纱线松动等异常情况。

[0020] 为降低系统成本，对于针织机床来说需采用尽量少的摄像机和激光器，但如果一套测量装置所拍摄视场过大，在出现断纱或织针运动异常时的位置判断就存在困难，因此，上面个的判断方法只能判断存在但不能定位到具体位置。为此，在以上处理过程中采用分区域学习和判断的方式，也就是说将摄像机采集图像分割为一些小区域，这些小区域分别进行学习和实时判断，一旦发生异常，可以准确判断是哪个或哪些小区域发生的，也就很快定位到异常位置，具体如图3示意。

[0021] 以上激光器可以采用任意颜色可见光源或近红外光源，使用近红外光源的好处是人眼不可见，从而避免干扰现场操作工人的视野，但与之相配套的就需要使用具有良好近红外光谱响应特性的摄像机。

[0022] 本发明针对织物疵点检测方法的具体实施流程如下：

[0023] (1)搭建织物在线疵点检测系统，将线结构激光器安装于针织机床前端，激光线从织针机床前端斜上方直接照射纱线，另一个激光器透射激光线照射织针，摄像机也被安装于机床前端与激光器偏离一定距离；

[0024] (2)摄像机采集所形成的亮斑，可以采集纱线和织针在织造过程中的瞬时图像；

[0025] (3)针织机床开始织造过程，实时采集一段时间纱线和织针织造过程中的实采图，对实采图进行适当的区域划分，按照区域分别并进行深度学习，获取各区域的纱线和织针运动规律；

[0026] (4)循环实时采集实际织造过程中纱线和织针的运动图像，利用深度学习结果分析各分区中运动规律是否属于正常；

[0027] (5)发现任意分区中的运动规律异常，确定纱线或织针运动异常地方，进行停机操作，进行故障处理。