基于亚像素边缘检测的纱线条干均匀度测量

为了精确地评价纱线的表观条干均匀性,提出一种基于亚像素边缘检测的纱线条干均匀度检测方法。首先通过图像采集装置获取纱线图像;然后对纱线图像进行亚像素边缘检测获取纱线边缘点集;利用开运算对获取的边缘点集进行处理,进而获得纱线条干的边缘;最后采用坐标直方图方法计算纱线平均直径和条干CV值。为验证方法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容式条干仪的均匀度检测及基于模糊C均值分类和Otsu图像法的检测结果进行了对比。结果表明:基于亚像素边缘检测的纱线条干均匀度检测方法与电容式的测量结果有着较好的一致性,证明所提方法可得到准确的结果。     

应用纱线序列图像的电子织物构建

为检测纱线条干均匀性对织物外观的影响,在纱线条干图像测量的基础上,提出了一种基于纱线序列图像的电子织物的构建方法。通过建立织物组织变化模型和光照模型,将纱线直径值与基元组织点外观灰度纹理分布相结合,构建电子织物外观数学模型。实验中通过将采集的纱线序列图像进行图像分割和形态学运算等处理,获取纱线直径数据,代入到构建的织物外观数学模型中,实现基于纱线序列图像的电子织物的模拟并且相关参数可调。通过选择合理的织物结构参数,提出的电子织物模型能够真实的反映纱线条干均匀性对织物外观的影响,准确预测布面效果。     

基于多视角图像的纱线条干均匀度测量方法

为能更精确地表征纱线条干三维特征,实现纱线条干均匀度的质量评估,采用多视角图像对纱线条干均匀度的测量进行研究。首先选择5种不同线密度的环锭纺纯棉纱,通过搭建多视角纱线图像获取装置,实现纱线多个角度的图像采集;其次对获取的4个方向的纱线图像进行自动阈值分割、图像自动裁剪、毛羽快速清除以及孤立区域去除等处理,得到清晰、无噪点的纱线主干图像;最后求得纱线主干的单视角与多视角直径、CV值,并提出新的表征纱线条干不匀的多视角不匀均值(CV_n)指标和三维条干变异系数(S)指标。其数据结果与乌斯特条干仪的测试结果对比表明：2种测试方法检测的纱线直径相差不大,都随着线密度的减小而减小;单视角和多视角下,0.3 mm片段长度下纱线直径CV值、8 mm片段长度下纱线直径CV值与乌斯特条干仪测得的结果趋势变化一致;提出的三维条干变异系数S虽大于乌斯特条干仪测得的CV值,但总体趋势保持一致。     

基于数字图像处理的纱线条干均匀度检测初探

本文以四种不同规格的纯棉纱线为例,提出一种基于数字图像处理技术来检测纱线条干不匀率的方法。采用MRS-4800M48U型扫描仪采集纱线图像,然后对纱线图像进行维纳滤波、阈值分割、形态学开运算处理,得到条干清晰、无噪声的纱线图像,最后基于经处理后的图像计算纱线的直径和纱线的条干CV值,图像法检测出的纱线条干CV值与乌斯特条干仪检测出的结果非常接近,这表明,本文提出的纱线条干均匀度检测方法是可行的,能准确高效地检测出的纱线条干CV值,客观地反映纱线的外观质量。     

基于图像分析技术的纱线黑板条干检测

探讨一种基于数字图像处理技术检测纱线条干不匀率方法的应用效果。利用扫描仪采集了9种不同规格的纱线图像,纱线图像经过倾斜校正、自适应中值滤波、阈值分割、形态学开运算处理等,得到条干清晰、无噪声的纱线图像,基于处理后的图像计算纱线直径和纱线条干不匀率。结果表明:图像法检测的纱线条干不匀率与乌斯特条干仪检测的结果非常接近。认为:所提出的纱线条干不匀率检测方法是可行的,能准确、高效地检测出纱线的条干不匀率,客观反映纱线的外观质量。     

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。     

基于空间约束的快速FCM纱线表观均匀性检测

探讨基于空间约束的快速模糊算法用于纱线均匀性检测的效果。提出了一种基于空间约束的快速模糊C均值算法,对纱线图像进行阈值分割,并用该方法检测了6种不同线密度的环锭纺纯棉纱的表观均匀性。试验表明:该算法通过放大最大隶属度值的同时抑制次最大隶属度值,具有抗噪性能强,收敛速度快的优点;检测所得结果与USTER CLASAIMATE 5型纱疵分级仪的测试结果相近。认为:将基于空间约束的快速模糊算法用于纱线表观均匀性检测的方法准确可行。     

基于贝叶斯阈值的纱线毛羽检测方法研究

研究基于贝叶斯阈值的纱线毛羽检测方法。首先利用图像增强以及保边递归滤波对纱线图像进行预处理,以增强纱线毛羽与背景之间的对比度;其次,利用贝叶斯阈值对预处理后的图像进行像素级分割,并去除条干,获得纱线毛羽;最后对获得的毛羽进行细化,并利用像素法对细化后的毛羽进行统计分析,计算出纱线毛羽长度、毛羽根数、毛羽面积指数及毛羽长度指数等指标。与等距线法及YG172A型纱线毛羽测试仪的检测结果相比较,本研究方法能够精确计算出纱线毛羽的各项指标。     

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。     

基于最大熵与密度聚类相融合的毛羽检测

为能够更加精确地计算出纱线毛羽的根数及毛羽长度,基于最大熵与密度聚类相融合对纱线毛羽的长度及根数进行检测。该方法首先利用双边滤波对采集到的纱线图像进行预处理,滤除图像中的噪声,同时增强纱线毛羽特征;然后利用最大熵对预处理后的纱线图像进行阈值分割,去除条干提取毛羽,并对毛羽进行细化;最后利用密度聚类算法(DBSCAN聚类)对细化后的毛羽进行分类统计,根据所分类的个数以及每类所含像素点的个数计算出毛羽的根数及长度。将实验结果与目测法和基准线法进行比较,结果表明,该方法与目测方法检测的结果非常接近,结果比基准线法更加精确,检测结果准确、有效。     

基于视觉校准的环锭纺细纱条干特征在线提取方法

针对纱线高速回转、毛羽条干交织导致的条干轮廓特征难以准确提取的问题,提出了深度学习与形态学运算融合的在线提取方法,设计了图像在线采集系统与校准定焦方法,为轮廓特征提取提供高质量输入,构建了基于整体嵌套边缘检测神经网络和形态学运算的细纱条干轮廓特征提取重构模型,实现毛羽干扰下的条干轮廓在线准确提取。实验结果表明,所提方法的轮廓提取准度指标OIS-F(optimal image scale)、ODS-F(optimal dataset scale)达到了0.91,平均准确率AP达到了0.89,相对于当前方法提高了7%以上。基于提取的轮廓特征计算的条干不匀CV值,与CT3000均匀度检测仪的平均误差小于4%。     

竹节纱织物竹节分布均匀性评价方法

针对二值化图像的重心、面积2个指标,利用图像技术对竹节纱织物表面竹节分布的均匀性进行评价。在计算机辅助生成竹节分布图像基础之上,随机生成10 cm×10 cm的竹节分布图,通过考核各图的重心分布位置及各图之间的面积分布变异系数,综合考量竹节纱织物的竹节分布情况。测试结果显示:当竹节密度较低时,减小竹节各个配比之间的长度差异能有效减少竹节不匀的产生。     

基于数字图像处理的纱线毛羽检测

为了更准确地检测出纱线毛羽长度及其根数,在结合视频显微镜和图像处理技术的基础上,提出一种新的毛羽检测方法。首先采用MOTIC SME-140视频显微镜采集纱线图像,然后经过灰度变换、图像分割、形态学开运算、图像细化处理,得到完整的纱线条干图像和细化后的毛羽图像,接着以纱线条干边缘为基准线,对毛羽分割点进行判断,最后得出不同长度的毛羽根数。图像法检测结果表明各纱线片段的毛羽根数值较为稳定,并且检测结果与目测图像计数的结果非常接近。因此,本文所提出的毛羽检测方法较现有的光电检测方法更为准确、可靠。     

应用图像处理的纱线黑板毛羽量检测与评价

针对目测法检测纱线黑板毛羽效率低、主观性强等问题,提出一种新的基于图像处理的毛羽检测方法。纱线黑板经扫描仪采集图像,然后进行中值滤波、二值化、形态学运算、局部阈值等处理,得到黑板毛羽图像,统计出毛羽像素点个数,提出评价黑板毛羽量的指标--M指数。采用原料、线密度和纺纱方式各不相同的纱线进行实验,测得18种纱线的毛羽M指数,与乌斯特仪得到的毛羽H值建立回归模型,两种测试结果之间的相关系数为0.975。6种纱线的验证结果表明,本文提出的毛羽检测法和建立的毛羽M指数能较完整地提取和评价整块纱线黑板毛羽,算法精度高、评定结果可信度好。     

基于机器视觉的筒子纱缺陷在线检测系统

为提高筒子纱检测过程的自动化程度,设计了一种基于机器视觉的筒子纱缺陷在线检测系统。该系统由2个工业相机、条形LED光源、对照式光电开关和计算机组成。首先,相机与同步光源分时采集筒子纱顶面和侧面过曝模式及正常模式图像。然后通过对顶面过曝图像自适应分割来定位筒子纱中心。其次,通过极坐标变换展开顶面正常图像。最后,在顶面展开图中,分别利用垂直方向边缘分布的投影特征、纹理及强度一致性、局部方向直方图纹理识别菊花芯、多源纱和网纱缺陷;在筒子纱侧面图中,通过投影法快速确定边界位置,并通过轮廓拟合程度识别多层台缺陷。结果表明,该系统可实时识别多层台、网纱、菊花芯、多源纱等筒子纱缺陷,具有较好的检测效果。