基于机器视觉的细纱接头机器人纱线断头定位方法

为实现通过机器视觉方式对细纱接头机器人的纱线断头进行定位,并简化机械结构,根据断头纱线图像特点,提出针对纱线特征的识别与定位算法。利用工业相机采集纱线被吸入吸嘴的图像,通过改进灰度增强方法增大纱线特征与背景对比度,利用Canny算子进行边缘检测,最后通过划分上下感兴趣区域以及优化的霍夫直线检测获取纱线的图像特征并利用定位算法提取所需的位置信息。结果表明:本文算法提取的位置信息精度较高,坐标点误差为1.42像素,角度误差为0.60°;相较于传统检测算法,程序运行时间得到了缩短,识别时间在10^-1 s数量级上,实时性好;研究成果可应用于细纱接头机器人产品开发中。     

基于机器视觉的弦振动纱线张力非接触检测系统

为提高运动纱线张力检测精确性,解决接触式测量引起的摩擦力误差、断头等织物问题,采用振动频率和图像处理方法来分析纱线张力,设计一种基于机器视觉的纱线张力非接触检测系统。检测系统由纱线传送装置、工业线阵相机、白色线光源、伺服控制电动机、张力传感器组成。根据弦线悬链性理论建立纱线运动模型,结合纱线图像处理算法,寻找纱线图像上边界作为特征线计算其张力,结果表明：通过像素折算出的振动频率与实际张力拟合优度达0.99,在张力区间为5～30 cN以内,视觉系统测量值与张力传感器测量值相对误差率在±10%左右,非接触检测系统检测精度满足生产要求,避免了接触式测量存在的易磨损、稳定性较差等问题。     

分块周期三对角矩阵逆矩阵的新算法

研究了分块周期三对角矩阵的逆问题.利用递归方法,将高阶分块周期三对角矩阵的求逆转化为低阶分块周期三对角矩阵的求逆,给出了求分块周期三对角矩阵的逆矩阵的一种新算法.通过算法的计算量的比较,新算法比直接求逆算法的计算量小.新算法的算法复杂度为4n2+0(n)次,而直接求逆的算法复杂度是5.5n2+0(n)次.算例表明新算法...     

应用显著性算法的纱线条干均匀度检测

针对运用图像方法进行纱线条干均匀度检测时,背景黑板、纱线毛羽以及图像噪声等对检测结果影响较大的问题,借鉴人的视觉感知机制,提出一种应用显著性算法检测纱线条干均匀度的方法。对采集到的纱线图像提取颜色和亮度特征,进行显著性分析,突出纱线条干区域,然后利用迭代阈值分割算法和区域滤波,得到准确清晰的纱线条干二值图像,基于此进行直径计算、均匀度分析和纱线疵点判定。通过边缘准确性评价可知,采用所提方法分割得到的纱线条干二值图像有着较高的分割精度。通过与Uster Classimat 5的均匀度检测结果进行比较,证明这种方法可得到准确的结果,与Used Classimat 5 的测量结果有着较好的一致性。     

视觉点胶机的摄像机标定技术

结合角点检测,提出适用于视觉点胶机的一种摄像机标定方法,通过角点检测对平面标定板的多个视角图片特征点采样,选取图像外围构成矩形的四个角点位置,建立一坐标系。对图像中每个矩形单元角点提取,计算单应性矩阵,并结合非线性几何畸变模型畸变校正,得出视觉点胶完整的成像模型,求解出摄像机内参数,通过最大似然估计进行优化调整后,由L-M算法(Levenberg-Marquardt Algorithm)将参数收敛,进而求出摄像机外参数。该标定方法不需要高成本的立体模型标定物,操作简单,且降低了求解内外参数的复杂度却不失精度。利用三轴直线机器人对标定结果的精度进行了验证。结果表明,采用该标定方法精度偏差小于0.3mm,满足视觉点胶系统的要求,也适用于机器视觉系统检测、焊接等工业领域。     

数码纺纱生产的彩色纱及其针织物花型模拟

本文是基于数码混色纺的彩色纱,对其所形成的织物花型进行模拟。利用图像处理技术对采集的图像进行平滑去噪,得到剔除细节的模糊图像;然后运用彩色图像Kmeans聚类算法,对平滑后的图像进行聚类分割得到混色纱主体图像,获取其左右边界和中心线信息。之后在经典的Pierce线圈模型的基础上,利用混色纱主体图像的中心线离纱线左右两侧距离,将此距离对应于线圈中心线两侧的对应位置,可准确地完成纱线到线圈圈弧和圈柱的映射。最终根据不同组织的圈弧和圈柱的覆盖关系,得到基本纬编针织物组织。本文提出纱线映射线圈算法,能够按照实际织造过程,模拟各类纱线纬编织物,同时能精确预测织物外观图案。     

基于近似最短路径的三维人体尺寸提取

三维人体尺寸信息提取是三维服装CAD系统关键技术,提出了一种计算三角网格曲面上任意2点间近似最短路径的算法。该算法首先定义一个与网格求交的切割平面,连接交点得到网格表面上2点间的初始路径;在此基础上,根据网格的空间几何信息对矫正路径算法做出改进,通过构造截面求交来定义矫正位置,从而避免对曲面进行展平,所得到的近似最短路径在效率和精度上均有所提高;将该算法运用到三维人体及服装的网格模型上,进行尺寸信息的提取,获得了较好的测量效果。     

纬编双面提花织物耗纱量预测模型研究

为解决纬编双面提花织物耗纱量预测问题,以两色芝麻点双面提花为例,根据其编织规律,将花型意匠矩阵转化为提花各色纱线工艺编织矩阵。观察提花在针织机上编织时的纱线形态,将其分为7种基本线圈结构,通过几何法建立7种结构线圈长度模型,得到线圈长度。分析工艺编织矩阵中4种织针动作位置关系,结合编织参数与线圈长度,在Matlab编辑算法中建立双面提花耗纱量预测模型,通过该模型预测3种提花花型各色纱线消耗量。将预测值与编织得到的值进行误差分析,误差范围-1.97%～3.40%,准确快捷地预测提花各色纱线消耗量,为提花在花型设计阶段预估耗纱量提供参考。     

采用色纺纱图像的真实感色织物模拟

为解决色织物产品设计周期长,试织打样耗时费力的问题,提出一种采用色纺纱图像的真实感色织物的模拟方法。首先采集彩色纱线图像,运用阈值分割、形态学处理得到纱线主体,获取纱线主体的上、下边界和中心线,进而得到原始纱线图像的主体部分;接着根据椭圆模型和正弦曲线模型对纱线主体图像进行处理,得到纱线在二维织物表面中的形态;最后根据色纱循环和织物组织变换模型来改变经纬纱的覆盖关系,实现了真实感条纹型和格子型色织物的模拟。模拟结果表明：本文算法能够模拟不同种类色织物的织造过程,真实地反映织物的外观效果,且能够调整织物组织和色纱循环参数,提高了现有模拟算法的真实性和适应性。     

基于平面镜成像的纱线条干三维合成校准方法

针对二维图像纱线条干均匀度检测存在信息缺失、纱线条干三维合成准确度不高等问题,在平面镜成像的三维检测系统基础上提出一种纱线条干三维合成校准方法。选用4种不同粗细的纯棉集聚纺纱线,用相机在一幅图像中采集各个纱线的多视角图像,分别用校准方法对xoz平面和xoy平面校准,再进行二值化、形态学开运算处理,得到清晰的纱线条干二值图像,根据平面镜成像系统几何关系合成纱线条干三维模型,计算纱线条干各截面上像素点个数及其变异系数,与Uster TESTER 5测得的二维直径及纱线二维直径CV值对比评价纱线条干建模精度。结果表明,三维模型纱线各截面像素点个数与二维直径相关系数在0.987以上,条干均匀度CV值与Uster法结果的极差在2.36 %以内,证明校准方法可行。     

纬编单面均匀提花织物耗纱量预测模型

为了节约企业成本,利用MatLab软件建立了纬编单面均匀提花织物耗纱量预测模型。首先根据编织规律将提花花型意匠矩阵转换为各色纱线的工艺编织矩阵;再根据编织时的纱线形态,建立基本组织结构线圈长度模型。然后分析编织动作间的排列关系,编辑纱线长度累加算法得到各色纱线消耗总长度,再结合线密度得到各色纱线消耗量预测值。最后利用该预测模型预测了2色和3色提花花型各色纱线的消耗量,并将预测值与实际编织得到的实际值进行误差分析,结果表明该模型在预测纬编单面均匀提花织物各色纱线的消耗量时,可以将误差范围控制在-1.96%～4.83%之间,为企业在提花设计阶段核算成本提供参考。     

基于随机采样的随机Hough变换快速圆检测算法

圆形检测是图形检测中的重要问题之一,传统的Hough变换圆检测算法存在计算量大、准确率低等问题,为解决问题,提出一种基于随机采样的随机Hough变换快速圆检测算法。该算法首先随机采样圆上的两点,根据圆几何特性特点确定另一点在该两点线段的中垂直线上从而找到第三点,由这三点确定候选圆;再对候选圆上的点进行统计,判断候选圆的真假以得到真实圆。通过合成图像和实际图像的实验结果表明,相对于随机Hough变换算法,文章算法在检测速度上有显著性提高。     

基于机器视觉的筒子纱密度在线检测系统

为提高筒子纱密度检测自动化程度,解决传统筒子纱密度测量方法效率低、操作复杂等问题,设计了一种基于机器视觉的筒子纱密度在线检测系统。该系统由质量传感器、光电传感器、蓝色面光源、工业摄像机、传送装置和工控机组成。研究了筒子纱图像校正算法,根据透视投影理论建立了筒子纱校正模型,还原了筒子纱上下边界的直线特性,得到了理想的筒子纱侧面图像,用积分法得到筒子纱的精确体积。150个筒子纱密度检测结果表明:通过像素当量折算出筒子纱实际最大直径和体积参数,再结合高精度质量传感器的数据,最终可计算出筒子纱密度,基于机器视觉的筒子纱密度在线检测系统的检测精度和稳定性能可满足生产要求。     

基于核模糊聚类的机织物组织自动识别

本文基于数字图像处理技术,采用无监督的模式识别方法,实现机织物组织的自动识别。首先,采用错切变换对倾斜纱线进行校正,并按图像的经、纬向灰度投影曲线实现织物组织点的定位。然后,根据灰度共生矩阵对组织点图像进行纹理特征的提取。为了减少数据冗余量,对组织点特征进行主分量分析,提取最有意义的子特征。最后,采用无监督的核模糊C均值聚类对组织点进行分类识别。织物的测试结果表明,所采用的算法能够实现简单的机织物组织的准确识别,并输出对应的组织图。     

纱线条干均匀性序列图像测量方法

为了更精确、连续地评价纱线的外观条干均匀性,提出一种基于序列图像的纱线条干均匀性测量方法。通过图像采集系统获取连续的纱线序列图像;根据模糊C-均值（FCM）聚类算法将图像进行阈值分割,得到纱线条干的二值图像;设定阈值去除图像中的孤立点、毛刺点,获得清晰的纱线条干图像,并计算图像中每行纱线直径。 为验证方法的准确性,对７ 种线密度的紧密纺纯棉纱进行了条干测试,并将结果与USTER® Tester 5-S800 条干测试仪的测试结果进行了对比。结果表明：序列图像方法测得的纱线条干均匀性与USTER 条干仪的测试结果高度正相关,证明本文的方法是准确可行的。     

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法。首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后利用霍夫变换及灰度投影方法处理网络模型所预测的纱线位置图,计算织物经纬密度,并对织物密度均匀性做出评价。结果表明:与其他方法相比,本文方法对于不同类型织物的经纬密度计算误差小于2%,检测精度更高,品种适应性更强。     

高紧度机织物图像倾斜的自动纠正

通过傅里叶变换方法,实现对高紧度机织物图像上位于同一直线像素点信号的周期提取。通过对不同位置直线上像素点周期的比较,发现当像素点所在直线与纱线位置平行时,得到的周期值最小。利用该结论,以图像中心为纠偏点,以0.2°为步长,遍历该点所在水平线上下20°范围的所有直线,计算对应的周期值。在这201个周期值中,最小值所对应的直线就是纱线的平行位置。将该位置旋转到水平位置,即可完成图像的纠偏。实验结果表明,该方法能够完成高紧度机织物图像倾斜的自动纠正,纠偏精度为0.2°,且对不同的织物图像具有很好的适应性。     

单一视角下自适应阈值法的纱线毛羽识别及其应用

为更准确测量纱线参数信息,针对图像背景处理和阈值分割算法对纱线图像处理后毛羽信息损失严重的问题,提出自适应灰度增强及线形区域阈值分割算法。并用自制图像采集系统获取6种不同类型的纱线样本,进行图像识别算法的准确性和有效性验证。结果表明:提出的2种算法可明显减少纱线图像信息损失,并且具有良好的鲁棒性,图像法检测的纱线毛羽长度和数量与目测法相近;实现了纱线主体与背景的灰度对比度增强,避免单一阈值导致的图像分割效果差的影响,提高纱线毛羽的识别精度和测量准确性,为后续研究纱线毛羽检测系统提供有效纱线图像分析算法。     

基于改进欧式聚类的堆叠纱筒点云分割方法

针对堆叠纱筒在目标分割时易产生过分割、欠分割等问题,提出了一种改进欧式聚类的点云分割方法。以法向量夹角提取并剔除纱筒堆叠接触区域的边缘点,使纱筒点云处于分散状态。建立纱筒欧式距离模型,对纱筒点云进行聚类,补齐边缘点信息,实现对堆叠纱筒的点云分割。实验结果表明,此方法解决了传统欧式聚类分割算法在纱筒点云分割中的过分割和欠分割等问题,算法具有更好的鲁棒性。     

交叉毛羽的凹点匹配分割算法

针对纺织行业纱线检测中对于毛羽重叠交叉问题涉及较少,难以准确检测的问题,提出一种基于凹点匹配的方法实现重叠交叉毛羽的分割。首先对纱线图像进行灰度化处理,然后采用形态学方法重建纱线图像,其次利用基于水平集的测地活动轮廓模型(GAC模型)检测纱线毛羽图像的边缘,对边界轮廓进行角点检测,通过设置夹角阈值来寻找纱线毛羽图像轮廓曲线角点中的凹点。最后通过重叠交叉毛羽区域产生的凹点进行匹配构造分割线,对重叠交叉毛羽进行分割。结果表明:该算法对于重叠交叉毛羽的2根分割准确率可达96.8%,对于3～5根重叠交叉毛羽分割准确率可达73.4%。