CN104778698B - 一种织物纬密测量方法及设备 - Google Patents
一种织物纬密测量方法及设备 Download PDFInfo
- Publication number
- CN104778698B CN104778698B CN201510174861.6A CN201510174861A CN104778698B CN 104778698 B CN104778698 B CN 104778698B CN 201510174861 A CN201510174861 A CN 201510174861A CN 104778698 B CN104778698 B CN 104778698B
- Authority
- CN
- China
- Prior art keywords
- vector
- unit
- image
- dimensional
- weft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Treatment Of Fiber Materials (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种织物纬密测量方法,包括:对生产线上的织物进行图像采集,获得织物图像;对所述织物图像进行处理,转化为一维向量;使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号;对所述输出信号进行排序,计算出纬线数量WeftNum;根据所述纬线数量WeftNum及织物图像所对应的织物的实际高度H计算出纬密值WeftDensity=WeftNum/H。本发明还公开了一种织物纬密测量设备。采用本发明,可对生产线上运动的织物实现实时纬密值的准确检测,误差小,操作简单方便,自动化控制程度高,应用范围广。
Description
技术领域
本发明涉及纺织印染技术领域,尤其涉及一种织物纬密测量方法及织物纬密测量设备。
背景技术
作为我国最基本的传统行业,纺织业一直以来在国民经济的发展中占据举足轻重的地位,因此提高纺织品质量对纺织业的发展具有不可估量的意义。其中纬密是衡量织物质量好坏的一项重要的参数。
目前常见的纬密测量通常用织物分析镜法、织物分解法和称重法等。其中织物分析镜法和织物分解法均靠人工数纱线根数完成,由于纱线极为精细,人工检测中经常会出现严重的误检和漏检,严重降低了织物工艺流程中的生产效率。称重法是将一定面积的布料在电子秤上进行称量,粗略计算出纬密值,由于计算出的纬密值误差较大,不是满足需求,尽管操作简单,但是需要人工参与,无法做到在线自动测量。
为了实现自动化控制,纬密的检测过程自动化已经成为了一种趋势,目前迫切需要一种新的实时纬密测量技术,可以高效、快速、高精度和方便操作的检测设备以适应市场的需求。
发明内容
本发明所要解决的技术问题在于,提供一种织物纬密测量方法及织物纬密测量设备,可对生产线上运动的织物实现实时纬密值的准确检测,误差小,操作简单方便,应用范围广。
为了解决上述技术问题,本发明提供了一种织物纬密测量方法,包括:A,对生产线上的织物进行图像采集,获得织物图像;B,对所述织物图像进行处理,转化为一维向量;C,使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号;D,对所述输出信号进行排序,计算出纬线数量WeftNum;E,根据所述纬线数量WeftNum及织物图像所对应的织物的实际高度H计算出纬密值WeftDensity=WeftNum/H;
所述步骤C中非测量范围的确定方法包括:根据织物特征,获得织物的纬密值最大值Dmax及纬密值最小值Dmin;根据所述织物图像所对应的织物的实际高度H、纬密值最大值Dmax及纬密值最小值Dmin,计算纬线数量最大值Nmax=H×Dmax,纬线数量最小值Nmin=H×Dmin;获取所述一维向量的长度M,确定中心位置,若M为奇数,则中心位置为(M+1)/2,非测量范围为[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M],若M为偶数,则中心位置为M/2,非测量范围为[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]。
作为上述方案的改进,所述步骤B采用慢算法时,步骤B骤包括:对所述织物图像进行二维傅立叶变换,获得二维频谱图像;对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像;对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量。
作为上述方案的改进,所述步骤B采用快算法时,步骤B包括:采集所述织物图像中的局部图像,所述局部图像的高度与织物图像的高度一致;对所述局部图像进行水平方向投影,得到一维局部向量;对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
作为上述方案的改进,所述步骤B同时采用慢算法及快算法时,
步骤B包括:慢算法:对所述织物图像进行二维傅立叶变换,获得二维频谱图像;对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像;对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量;快算法:采集所述织物图像中的局部图像,所述局部图像的高度与织物图像的高度一致;对所述局部图像进行水平方向投影,得到一维局部向量;对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量;
步骤C包括:使用带通滤波器对所述一维频谱向量进行滤波处理,将非测量范围内的值置“0”,获得第一输出信号;使用带通滤波器对所述一维傅立叶变换向量进行滤波处理,将非测量范围内的值置“0”,获得第二输出信号;
步骤D包括:对所述第一输出信号进行排序,计算出第一纬线数量WeftNum1;对所述第二输出信号进行排序,计算出第二纬线数量WeftNum2;
步骤E包括:根据所述第一纬线数量WeftNum1及织物图像所对应的织物的实际高度H计算出第一纬密值WeftDensity1=WeftNum1/H;根据所述第二纬线数量WeftNum2及织物图像所对应的织物的实际高度H计算出第二纬密值WeftDensity2=WeftNum2/H;
步骤E之后还包括:根据所述第一纬密值及第二纬密值提取织物纬密值。
作为上述方案的改进,所述对二维频谱图像进行转化处理,获得频点清晰的二维频谱图像的方法包括:将所述二维频谱图像所对应的矩阵转换为向量形式;将所述向量进行归一化处理;将经归一化处理后的向量转换为矩阵形式,以使二维频谱图像的像素值归一到0~1之间;将经归一化处理后的二维频谱图像的像素值与预设阀值进行比对,将小于预设阀值的像素值置“0”。
作为上述方案的改进,所述对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量的方法包括:将经转化处理后的二维频谱图像的每一行的像素进行累加,得到水平投影后的一维频谱向量。
相应地,本发明还提供了一种织物纬密测量设备,包括:织物图像获取单元,用于对生产线上的织物进行图像采集以获得织物图像;与所述织物图像获取单元相连的一维向量转化单元,用于对所述织物图像进行处理以转化为一维向量;与所述一维向量转化单元相连的滤波单元,用于对所述一维向量进行滤波处理以获得输出信号;与所述滤波单元相连的排序单元,用于对所述输出信号进行排序;与所述排序单元相连的纬线数量计算单元,用于计算纬线数量;与所述纬线数量计算单元相连的纬密值计算单元,用于根据所述纬线数量及织物图像所对应的织物的实际高度计算出纬密值。
作为上述方案的改进,所述一维向量转化单元包括慢算法单元或快算法单元;
所述慢算法单元包括:二维频谱图像获取单元,用于对所述织物图像进行二维傅立叶变换,获得二维频谱图像;与所述二维频谱图像获取单元相连的二维频谱图像处理单元,用于对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像;与所述二维频谱图像处理单元相连的一维频谱向量单元,用于对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量。
所述快算法单元包括:局部图像获取单元,用于采集所述织物图像中的局部图像;与所述局部图像获取单元相连的一维局部向量单元,用于对所述局部图像进行水平方向投影,得到一维局部向量;与所述一维局部向量单元相连的一维傅立叶变换向量单元,用于对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
作为上述方案的改进,所述一维向量转化单元包括所述慢算法单元及快算法单元;所述滤波单元包括第一滤波单元及第二滤波单元,所述第一滤波单元用于对所述一维频谱向量进行滤波处理以获得第一输出信号,所述第二滤波单元用于对所述一维傅立叶变换向量进行滤波处理以获得第二输出信号;所述排序单元包括第一排序单元及第二排序单元,所述第一排序单元用于对所述第一输出信号进行排序,所述第二排序单元用于对所述第二输出信号进行排序;所述纬线数量计算单元包括第一纬线数量计算单元及第二纬线数量计算单元,所述第一纬线数量计算单元用于计算第一纬线数量,所述第二纬线数量计算单元用于计算第二纬线数量;所述纬密值计算单元包括第一纬密值计算单元及第二纬密值计算单元,所述第一纬密值计算单元用于根据所述第一纬线数量及织物图像所对应的织物的实际高度计算第一纬密值,所述第二纬密值计算单元用于根据所述第二纬线数量及织物图像所对应的织物的实际高度计算第二纬密值;所述织物纬密测量设备还包括与所述纬密值计算单元相连的第三纬密值计算单元,用于根据所述第一纬密值及第二纬密值提取织物纬密值。
作为上述方案的改进,所述二维频谱图像处理单元包括:向量转换单元,用于将所述二维频谱图像所对应的矩阵转换为向量形式;与所述向量转换单元相连的归一化处理单元,用于将所述向量进行归一化处理;与所述归一化处理单元相连的矩阵转换单元,用于将经归一化处理后的向量转换为矩阵形式,以使二维频谱图像的像素值归一到0~1之间;与所述矩阵转换单元相连的比对单元,用于将经归一化处理后的二维频谱图像的像素值与预设阀值进行比对,将小于预设阀值的像素值置“0”。
实施本发明,具有如下有益效果:
本发明可通过拍摄设备对织物进行采集,并设置自动光路补偿***,确保拍摄图像的质量,保证输出结果的稳定性。
同时,通过慢算法和/或快算法,对原始织物图像进行傅立叶变换、投影处理及滤波处理,从而将织物图像从空间域转换到频率域,并有效地对信号进行叠加、过滤处理,实现了对织物纬密值的分别计算,以获得准确的纬密值,大大减少测量误差,且自动化控制程度高,操作简单方便,应用范围广。
附图说明
图1是本发明织物纬密测量方法的第一实施例流程图;
图2是本发明织物纬密测量方法的第二实施例流程图;
图3是本发明织物纬密测量方法的第三实施例流程图;
图4是本发明织物纬密测量方法的第四实施例流程图;
图5是拍摄设备所拍摄的原始织物图像;
图6是图5经二维傅立叶变换后的二维频谱图像;
图7是图6经转化处理后所获得的频点清晰的二维频谱图像;
图8是图7进行水平投影后的一维频谱向量图;
图9是图8进行滤波处理后的向量图;
图10是图5的局部图像;
图11是一维局部向量进行一维傅立叶变换后得到的一维傅立叶变换向量图;
图12是图11进行滤波处理后的向量图;
图13是本发明织物纬密测量设备的第一结构示意图;
图14是本发明织物纬密测量设备的第二结构示意图;
图15是本发明织物纬密测量设备的第三结构示意图;
图16是本发明织物纬密测量设备的第四结构示意图;
图17是本发明织物纬密测量设备中二维频谱图像处理单元的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。仅此声明,本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词,仅以本发明的附图为基准,其并不是对本发明的具体限定。
图1是本发明织物纬密测量方法的第一实施例流程图,包括:
S101,对生产线上的织物进行图像采集,获得织物图像。
图像采集时,需要通过拍摄设备对生产线上运动的织物进行抓拍,以获得织物图像。
拍摄设备由相机、镜头、接圈、光源组合而成,并由机械支架将拍摄设备固定于生产线前端,选择运动织物摆动幅度最小的位置进行拍摄,以确保拍摄图像的质量,保证输出结果的稳定性。
其中,选用德国Smartek千兆以太网工业相机,型号为GC1291M,CCD大小尺寸为1/3",产生图像的大小为1296×966,像素大小为3.75um×3.75um,最小曝光时间为10us;选用镜头的型号为SV-5018V,焦距为50mm,最大光圈为1.8,相机尺寸为2/3"以下,摄影距离为1000mm~∞;选用长度为10mm的接圈将镜头的最小工作距离调节至250mm;选用型号为RN120-60-IR的红外环形光源作为补光灯,但不以此为限制。
进一步,拍摄设备还可设置自动光路补偿***,使补光灯根据实时光照强度的改变进行自动补光。
自动光路补偿***中设有可编程逻辑控制器(Programmable Logic Controller,PLC),可使用PLC读取生产线上传送带的移动速度,使相机根据移动速度选定合适的曝光时间,从而保证抓拍的图象清晰,降低补光灯的功耗,并使补光灯根据实时光照强度的改变进行自动补光。
具体地,补光灯根据实时光照强度的改变进行自动补光的方法包括:
a1,对采集的织物图像进行像素统计,将织物图像的明暗程度分为四类,分别为图像过亮,亮度适中,图像偏暗,图像过暗;
所述图像优选为8位图像,但不以此为限制。
织物图像的分类依据为“织物图像中各像素的灰度值”。其中,像素的灰度值在210~255范围内最多的织物图像为图像过亮,灰度值在90~210范围内最多的织物图像为亮度适中,灰度值在10~90范围内最多的织物图象为亮度偏暗,灰度值范围在0~10范围内最多的织物图像为图像过暗。
a2,PLC获取当前生产线上传送带的移动速度,根据相机抓拍的原理,计算出满足条件的最大曝光时间;
所述相机的最大曝光时间优选为40us,但不以此为限制。
a3,将相机的当前曝光时间设置为40us,并判断当前织物图像的明暗程度(图像过亮,亮度适中,图像偏暗,图像过暗);
a4,若当前织物图像为“图像过亮”,则降低相机的曝光时间,并通过PLC自动降低补光灯电压,直到当前织物图像的明暗程度在“亮度适中”的范围内;
a5,若当前织物图像为“图像偏暗”或“图像过暗”,则增大相机的曝光时间,若增大到所述最大曝光时间还不能满足要求,则通过PLC自动增大补光灯两端电压,实验证明,当补光灯开到最大时,对最黑的黑布可以达到清晰的抓拍。
因此,通过合理地选择、安装拍摄设备,并设置自动光路补偿***,可有效地保证拍摄图像的质量,保证输出结果的稳定性。
S102,对所述织物图像进行处理,转化为一维向量。
所述处理包括傅立叶变换(Fast Fourier Transform,FFT)及投影处理。其中,图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度,傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,可有效地将图像从空间域转换到频率域。另外,将织物图像进行投影处理,可有效地对信号进行叠加。
将织物图像进行处理,转化为一维向量时,可采用多种方法,只要能将织物图像转化为一维向量即可。例如,可先对织物图像进行傅立叶变换,然后再进行水平投影得到一维向量;又如,可先对织物图像进行水平投影,然后再进行傅立叶变换得到一维向量。
S103,使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号。
根据图像采样定理和实际所采集的织物图像的测量范围,设计带通滤波器。并使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号。
其中,非测量范围的确定方法包括:
b1,根据织物特征,获得织物的纬密值最大值Dmax及纬密值最小值Dmin;
b2,根据所述织物图像所对应的织物的实际高度H、纬密值最大值Dmax及纬密值最小值Dmin,计算纬线数量最大值Nmax=H×Dmax,纬线数量最小值Nmin=H×Dmin;
b3,获取所述一维向量的长度M,确定中心位置。
若M为奇数,则中心位置为(M+1)/2,非测量范围为[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M]。
若M为偶数,则中心位置为M/2,非测量范围为[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]。
因此,若M为奇数,则将[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M]范围内的值置“0”,从而获得滤波后的输出信号;若M为偶数,则将[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]范围内的值置“0”,从而获得滤波后的输出信号。
S104,对所述输出信号进行排序,计算出纬线数量WeftNum。
需要说明的是,通过对所述输出信号进行排序,即可根据排序结果计算出纬线数量。
对滤波后的输出信号可采取降序冒泡排序法、升序冒泡排序法、快速排序法、***排序法进行排序,但不以此为限制。
例如,对滤波后的输出信号进行降序冒泡排序后,序列中的第一项与第二项所对应的序号之差绝对值的一半就是对应的纬线数量WeftNum。
S105,根据所述纬线数量WeftNum及织物图像所对应的织物的实际高度H计算出纬密值WeftDensity=WeftNum/H。
因此,本发明中通过将拍摄设备所拍摄的织物图像转化为一维向量,并采用特定的带通滤波器对一维向量进行滤波处理获得准确的输出信号,然后对输出信号进行排序、计算处理后,获得准确的纬密值,高效地实现了织物纬密值的实时测量。
图2是本发明织物纬密测量方法的第二实施例流程图,本实施例中采用慢算法进行测量,具体包括:
S201,对生产线上的织物进行图像采集,获得织物图像。
图像采集时,需要通过拍摄设备对生产线上运动的织物进行抓拍,以获得织物图像。
拍摄设备由相机、镜头、接圈、光源组合而成,并由机械支架将拍摄设备固定于生产线前端,选择运动织物摆动幅度最小的位置进行拍摄,以确保拍摄图像的质量,保证输出结果的稳定性。
进一步,还可设置自动光路补偿***,使补光灯根据实时光照强度的改变进行自动补光。自动光路补偿***中设有PLC,可使用PLC读取生产线上传送带的移动速度,使相机根据移动速度选定合适的曝光时间,从而保证抓拍的图象清晰,降低补光灯的功耗,并使补光灯根据实时光照强度的改变进行自动补光。
S202,对所述织物图像进行二维傅立叶变换,获得二维频谱图像。
图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度,傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,可有效地将图像从难以处理的空间域转换到易于分析的频率域。其中,高频对应图像的细节信息,低频对应图像的轮廓信息。
S203,对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像。
具体地,所述对二维频谱图像进行转化处理,获得频点清晰的二维频谱图像的方法包括:
c1,将所述二维频谱图像所对应的矩阵转换为向量形式;
c2,将所述向量进行归一化处理;
c3,将经归一化处理后的向量转换为矩阵形式,以使二维频谱图像的像素值归一到0~1之间;
c4,将经归一化处理后的二维频谱图像的像素值与预设阀值进行比对,将小于预设阀值的像素值置“0”。
需要说明的是,需要预先对拍摄设备所拍摄的大量织物图像的频谱图像进行分析,选择合适的阈值作为预设阈值,并将经归一化处理后的二维频谱图像中小于该预设阈值的像素值置“0”,此时,通过二维频谱图像可以清晰看出频点。所述预设阀值优选为0.68,但不以此为限制。
由于高频对应图像的细节信息,低频对应图像的轮廓信息,通过将二维频谱图像的像素值与预设阀值进行比对,可有效地将小于预设阈值的低频成分置“0”,清晰地看出二维频谱图像的频率分布。
S204,对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量。
需要说明的是,所述步骤S204中的一维频谱向量即为步骤S205中的一维向量。
所述对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量的方法为:将经转化处理后的二维频谱图像的每一行的像素进行累加,得到水平投影后的一维频谱向量,可有效地对信号进行叠加。
S205,使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号。
需要说明的是,所述步骤S205中的一维向量即为步骤S204中的一维频谱向量。
根据图像采样定理和实际所采集的织物图像的测量范围,设计带通滤波器。并使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号。
其中,非测量范围的确定方法包括:
b1,根据织物特征,获得织物的纬密值最大值Dmax及纬密值最小值Dmin;
b2,根据所述织物图像所对应的织物的实际高度H、纬密值最大值Dmax及纬密值最小值Dmin,计算纬线数量最大值Nmax=H×Dmax,纬线数量最小值Nmin=H×Dmin;
b3,获取所述一维向量的长度M,确定中心位置,
若M为奇数,则中心位置为(M+1)/2,非测量范围为[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M]。
若M为偶数,则中心位置为M/2,非测量范围为[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]。
因此,若M为奇数,则将[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M]范围内的值置“0”,从而获得滤波后的输出信号;若M为偶数,则将[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]范围内的值置“0”,从而获得滤波后的输出信号。
S206,对所述输出信号进行排序,计算出纬线数量WeftNum。
需要说明的是,对滤波后的输出信号进行降序冒泡排序后,序列中的第一项与第二项所对应的序号之差绝对值的一半就是对应的纬线数量WeftNum。
S207,根据所述纬线数量WeftNum及织物图像所对应的织物的实际高度H计算出纬密值WeftDensity=WeftNum/H。
下面结合具体的例子对本发明的慢算法作进一步地详细描述。
步骤1,采用拍摄设备对生产线上的织物进行图像采集,获得织物图像(参见图5)。
步骤2,对所述织物图像进行二维傅立叶变换,获得二维频谱图像(参见图6)。
步骤3,对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像(参见图7)。
步骤4,对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量(参见表1)及相应的一维频谱向量图(参见图8)。
步骤5,使用带通滤波器对所述一维频谱向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号(参见表1)及相应的向量图(参见图9)。
步骤6,对所述输出信号进行降序冒泡排序,计算出纬线数量WeftNum。
其中,对输出信号进行降序冒泡排序的结果如表1所示:
表1
序号 | 滤波前的一维频谱向量 | 滤波后的输出信号 | 排序后的输出信号 | 原序号 |
1 | 0 | 0 | 14.36625746 | 318 |
2 | 0 | 0 | 14.36625746 | 350 |
3 | 0 | 0 | 1.397413078 | 351 |
4 | 0 | 0 | 1.397413078 | 317 |
5 | 0 | 0 | 0.685818662 | 349 |
6 | 0 | 0 | 0.685818662 | 319 |
7 | 0 | 0 | 0 | 667 |
8 | 0 | 0 | 0 | 666 |
9 | 0 | 0 | 0 | 665 |
…… | …… | …… | …… | …… |
317 | 1.397413078 | 1.397413078 | 0 | 357 |
318 | 14.36625746 | 14.36625746 | 0 | 356 |
319 | 0.685818662 | 0.685818662 | 0 | 355 |
320 | 0 | 0 | 0 | 354 |
321 | 0 | 0 | 0 | 353 |
…… | …… | …… | …… | …… |
347 | 0 | 0 | 0 | 324 |
348 | 0 | 0 | 0 | 323 |
349 | 0.685818662 | 0.685818662 | 0 | 322 |
350 | 14.36625746 | 14.36625746 | 0 | 321 |
351 | 1.397413078 | 1.397413078 | 0 | 320 |
…… | …… | …… | …… | …… |
663 | 0 | 0 | 0 | 5 |
664 | 0 | 0 | 0 | 4 |
665 | 0 | 0 | 0 | 3 |
666 | 0 | 0 | 0 | 2 |
667 | 0 | 0 | 0 | 1 |
从排序结果中可以得知,序列中的第一项所对应的序号为318,第二项所对应的序号为350,从而计算出纬线数量WeftNum=(350-318)/2=16根。
步骤7,测量出织物图像所对应的织物的实际高度H=1.44cm,计算出纬密值WeftDensity=16/1.44=11.11根/cm。
图3是本发明织物纬密测量方法的第三实施例流程图,本实施例中采用快算法进行测量,具体包括:
S301,对生产线上的织物进行图像采集,获得织物图像。
图像采集时,需要通过拍摄设备对生产线上运动的织物进行抓拍,以获得织物图像。
拍摄设备由相机、镜头、接圈、光源组合而成,并由机械支架将拍摄设备固定于生产线前端,选择运动织物摆动幅度最小的位置进行拍摄,以确保拍摄图像的质量,保证输出结果的稳定性。
进一步,还可设置自动光路补偿***,使补光灯根据实时光照强度的改变进行自动补光。自动光路补偿***中设有PLC,可使用PLC读取生产线上传送带的移动速度,使相机根据移动速度选定合适的曝光时间,从而保证抓拍的图象清晰,降低补光灯的功耗,并使补光灯根据实时光照强度的改变进行自动补光。
S302,采集所述织物图像中的局部图像,所述局部图像的高度与织物图像的高度一致。
需要说明的是,局部图像为织物图像上的一部分,其中局部图像的宽度优选为织物图像宽度的1/8,局部图像的高度与织物图像的高度一致,但不以此为限制。
S303,对所述局部图像进行水平方向投影,得到一维局部向量。
对局部图像的每一行的像素进行累加,得到水平投影后的一维局部向量,可有效地对信号进行叠加。
S304,对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度,傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数,可有效地将图像从难以处理的空间域转换到易于分析的频率域。其中,高频对应图像的细节信息,低频对应图像的轮廓信息。
需要说明的是,所述步骤S304中的一维傅立叶变换向量即为步骤S305中的一维向量。
S305,使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号。
需要说明的是,所述步骤S305中的一维向量即为步骤S304中的一维傅立叶变换向量。
根据图像采样定理和实际所采集的织物图像的测量范围,设计带通滤波器。并使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号。
其中,非测量范围的确定方法包括:
b1,根据织物特征,获得织物的纬密值最大值Dmax及纬密值最小值Dmin;
b2,根据所述织物图像所对应的织物的实际高度H、纬密值最大值Dmax及纬密值最小值Dmin,计算纬线数量最大值Nmax=H×Dmax,纬线数量最小值Nmin=H×Dmin;
b3,获取所述一维向量的长度M,确定中心位置,
若M为奇数,则中心位置为(M+1)/2,非测量范围为[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M]。
若M为偶数,则中心位置为M/2,非测量范围为[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]。
因此,若M为奇数,则将[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M]范围内的值置“0”,从而获得滤波后的输出信号;若M为偶数,则将[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M]范围内的值置“0”,从而获得滤波后的输出信号。
S306,对所述输出信号进行排序,计算出纬线数量WeftNum。
需要说明的是,对滤波后的输出信号进行降序冒泡排序后,序列中的第一项与第二项所对应的序号之差绝对值的一半就是对应的纬线数量WeftNum。
S307,根据所述纬线数量WeftNum及织物图像所对应的织物的实际高度H计算出纬密值WeftDensity=WeftNum/H。
下面结合具体的例子对本发明的慢算法作进一步地详细描述。
步骤1,采用拍摄设备对生产线上的织物进行图像采集,获得织物图像(参见图5)。
步骤2,采集所述织物图像中的局部图像,使局部图像的宽度为织物图像宽度的1/8(参见图10)。
步骤3,对所述局部图像进行水平方向投影,得到一维局部向量(参见表2)。
步骤4,对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量(参见表2)及相应的一维傅立叶变换向量图(参见图11)。
步骤5,使用带通滤波器对所述一维傅立叶变换向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号(参见表2)及相应的向量图(参见图12)。
步骤6,对所述输出信号进行降序冒泡排序,计算出纬线数量WeftNum。
其中,对输出信号进行降序冒泡排序的结果如表2所示:
表2
从排序结果中可以得知,序列中的第一项所对应的序号为350,第二项所对应的序号为318,从而计算出纬线数量WeftNum=(350-318)/2=16根。
步骤7,测量出织物图像所对应的织物的实际高度H=1.44cm,计算出纬密值WeftDensity=16/1.44=11.11根/cm。
图4是本发明织物纬密测量方法的第四实施例流程图,本实施例同时采用慢算法及快算法进行测量,具体包括:
S401,对生产线上的织物进行图像采集,获得织物图像。
图像采集时,需要通过拍摄设备对生产线上运动的织物进行抓拍,以获得织物图像。然后,分别采用慢算法及快算法对织物图像进行处理,计算出纬密值。
其中,慢算法为:
S402,对所述织物图像进行二维傅立叶变换,获得二维频谱图像。
S403,对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像。
S404,对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量。
S405,使用带通滤波器对所述一维频谱向量进行滤波处理,将非测量范围内的值置“0”,获得第一输出信号。
S406,对所述第一输出信号进行排序,计算出第一纬线数量WeftNum1。
S407,根据所述第一纬线数量WeftNum1及织物图像所对应的织物的实际高度H计算出第一纬密值WeftDensity1=WeftNum1/H。
快算法为:
S408,采集所述织物图像中的局部图像,所述局部图像的高度与织物图像的高度一致。
S409,对所述局部图像进行水平方向投影,得到一维局部向量。
S410,对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
S411,使用带通滤波器对所述一维傅立叶变换向量进行滤波处理,将非测量范围内的值置“0”,获得第二输出信号。
S412,对所述第二输出信号进行排序,计算出第二纬线数量WeftNum2。
S413,根据所述第二纬线数量WeftNum2及织物图像所对应的织物的实际高度H计算出第二纬密值WeftDensity2=WeftNum2/H。
S414,根据所述第一纬密值及第二纬密值提取织物纬密值。
需要说明的是,所述慢算法与快算法分别运行与两个不同的线程中,慢算法与快算法同时进行,相互独立。
通过将慢算法计算出的第一纬密值与快算法计算出的第二纬密值结合,并通过众数法提取最终的织物纬密值,可有效保证织物纬密值的稳定性,降低因倍频关系引起的较大的波动,从而保证输出结果的准确性。
因此,本发明可通过慢算法和/或快算法,对原始织物图像进行傅立叶变换、投影处理及滤波处理,从而将织物图像从空间域转换到频率域,并有效地对信号进行叠加、过滤处理,实现了对织物纬密值的分别计算,以获得准确的纬密值,大大减少测量误差,且自动化控制程度高,操作简单方便,应用范围广。
图13是本发明织物纬密测量设备的第一结构示意图,包括:织物图像获取单元2、一维向量转化单元3、滤波单元4、排序单元5、纬线数量计算单元6、纬密值计算单元7,其中:
织物图像获取单元2,用于对生产线上的织物进行图像采集以获得织物图像。织物图像获取单元2为拍摄设备,所述拍摄设备在步骤S101中已作详细描述,在此不作重复。
一维向量转化单元3与所述织物图像获取单元2相连,用于对所述织物图像进行处理以转化为一维向量。
滤波单元4与所述一维向量转化单元3相连,用于对所述一维向量进行滤波处理以获得输出信号。滤波单元4包括带通滤波器,所述带通滤波器在步骤S103中已作详细描述,在此不作重复。
排序单元5与所述滤波单元4相连,用于对所述输出信号进行排序。
纬线数量计算单元6与所述排序单元5相连,用于计算纬线数量。
需要说明的是,通过排序单元5对所述输出信号进行排序,即可由纬线数量计算单元6根据排序结果计算出纬线数量。
排序单元5对滤波后的输出信号可采取降序冒泡排序法、升序冒泡排序法、快速排序法、***排序法进行排序,但不以此为限制。
例如,对滤波后的输出信号进行降序冒泡排序后,序列中的第一项与第二项所对应的序号之差绝对值的一半就是对应的纬线数量。
纬密值计算单元7与所述纬线数量计算单元6相连,用于根据所述纬线数量及织物图像所对应的织物的实际高度计算出纬密值。具体地,纬密值=纬线数量/织物图像所对应的织物的实际高度。
图14是本发明织物纬密测量设备的第二结构示意图,与图13不同的是,一维向量转化单元3由慢算法单元31组成。
所述慢算法单元31包括:
二维频谱图像获取单元311,用于对所述织物图像进行二维傅立叶变换,获得二维频谱图像。
与所述二维频谱图像获取单元311相连的二维频谱图像处理单元312,用于对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像。
与所述二维频谱图像处理单元312相连的一维频谱向量单元313,用于对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量。
需要说明的是,一维频谱向量单元313输出的一维频谱向量即为输入滤波单元4的一维向量。
如图17所示,所述二维频谱图像处理单元312包括:
向量转换单元3121,用于将所述二维频谱图像所对应的矩阵转换为向量形式。
与所述向量转换单元3121相连的归一化处理单元3122,用于将所述向量进行归一化处理。
与所述归一化处理单元3122相连的矩阵转换单元3123,用于将经归一化处理后的向量转换为矩阵形式,以使二维频谱图像的像素值归一到0~1之间。
与所述矩阵转换单元相连的比对单元,用于将经归一化处理后的二维频谱图像的像素值与预设阀值进行比对,将小于预设阀值的像素值置“0”。所述预设阀值优选为0.68,但不以此为限制。
由于高频对应图像的细节信息,低频对应图像的轮廓信息,通过将二维频谱图像的像素值与预设阀值进行比对,可有效地将小于预设阈值的低频成分置“0”,清晰地看出二维频谱图像的频率分布。
图15是本发明织物纬密测量设备的第三结构示意图,与图13不同的是,一维向量转化单元3由快算法单元32组成。
所述快算法单元32包括:
局部图像获取单元321,用于采集所述织物图像中的局部图像。
需要说明的是,局部图像为织物图像上的一部分,其中局部图像的宽度优选为织物图像宽度的1/8,局部图像的高度与织物图像的高度一致,但不以此为限制。
与所述局部图像获取单元321相连的一维局部向量单元322,用于对所述局部图像进行水平方向投影,得到一维局部向量。
与所述一维局部向量单元322相连的一维傅立叶变换向量单元323,用于对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
需要说明的是,一维傅立叶变换向量单元323输出的一维傅立叶变换向量即为输入滤波单元4的一维向量。
图16是本发明织物纬密测量设备的第四结构示意图,与图13不同的是,一维向量转化单元3由慢算法单元31及快算法单元32组成,相应地:
所述滤波单元4包括第一滤波单元41及第二滤波单元42,所述第一滤波单元41用于对所述一维频谱向量进行滤波处理以获得第一输出信号,所述第二滤波单元42用于对所述一维傅立叶变换向量进行滤波处理以获得第二输出信号;
所述排序单元5包括第一排序单元51及第二排序单元52,所述第一排序单元51用于对所述第一输出信号进行排序,所述第二排序单元52用于对所述第二输出信号进行排序;
所述纬线数量计算单元6包括第一纬线数量计算单元61及第二纬线数量计算单元62,所述第一纬线数量计算单元61用于计算第一纬线数量,所述第二纬线数量计算单元62用于计算第二纬线数量;
所述纬密值计算单元7包括第一纬密值计算单元71及第二纬密值计算单元72,所述第一纬密值计算单元71用于根据所述第一纬线数量及织物图像所对应的织物的实际高度计算第一纬密值,所述第二纬密值计算单元72用于根据所述第二纬线数量及织物图像所对应的织物的实际高度计算第二纬密值;
所述织物纬密测量设备1还包括与所述纬密值计算单元7相连的第三纬密值计算单元8,用于根据所述第一纬密值及第二纬密值提取织物纬密值。
需要说明的是,所述慢算法单元31与快算法单元32同时进行,相互独立。通过将计算出的第一纬密值与第二纬密值结合,并通过第三纬密值计算单元8提取最终的织物纬密值,可有效保证织物纬密值的稳定性,降低因倍频关系引起的较大的波动,从而保证输出结果的准确性。
因此,本织物纬密测量设备1通过慢算法单元31与快算法单元32对原始织物图像进行傅立叶变换、投影处理及滤波处理,从而将织物图像从空间域转换到频率域,并有效地对信号进行叠加、过滤处理,实现了对织物纬密值的分别计算,以获得准确的纬密值,大大减少测量误差,且自动化控制程度高,操作简单方便,应用范围广。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种织物纬密测量方法,其特征在于,包括:
A,对生产线上的织物进行图像采集,获得织物图像;
B,对所述织物图像进行处理,转化为一维向量;
C,使用带通滤波器对所述一维向量进行滤波处理,将非测量范围内的值置“0”,获得输出信号;
D,对所述输出信号进行排序,计算出纬线数量WeftNum;
E,根据所述纬线数量WeftNum及织物图像所对应的织物的实际高度H计算出纬密值WeftDensity=WeftNum/H;
所述步骤C中非测量范围的确定方法包括:
根据织物特征,获得织物的纬密值最大值Dmax及纬密值最小值Dmin;
根据所述织物图像所对应的织物的实际高度H、纬密值最大值Dmax及纬密值最小值Dmin,计算纬线数量最大值Nmax=H×Dmax,纬线数量最小值Nmin=H×Dmin;
获取所述一维向量的长度M,确定中心位置,
若M为奇数,则中心位置为(M+1)/2,非测量范围为[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M],
若M为偶数,则中心位置为M/2,非测量范围为[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M];
所述步骤B采用快算法时,步骤B包括:采集所述织物图像中的局部图像,所述局部图像的高度与织物图像的高度一致;对所述局部图像进行水平方向投影,得到一维局部向量;对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
2.如权利要求1所述的织物纬密测量方法,其特征在于,所述步骤B采用慢算法时,步骤B骤包括:
对所述织物图像进行二维傅立叶变换,获得二维频谱图像;
对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像;
对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量。
3.如权利要求1所述的织物纬密测量方法,其特征在于,所述步骤B同时采用慢算法及快算法时,
步骤B包括:
慢算法:
对所述织物图像进行二维傅立叶变换,获得二维频谱图像;
对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像;
对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量;
快算法:
采集所述织物图像中的局部图像,所述局部图像的高度与织物图像的高度一致;
对所述局部图像进行水平方向投影,得到一维局部向量;
对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量;
步骤C包括:
使用带通滤波器对所述一维频谱向量进行滤波处理,将非测量范围内的值置“0”,获得第一输出信号;
使用带通滤波器对所述一维傅立叶变换向量进行滤波处理,将非测量范围内的值置“0”,获得第二输出信号;
步骤D包括:
对所述第一输出信号进行排序,计算出第一纬线数量WeftNum1;
对所述第二输出信号进行排序,计算出第二纬线数量WeftNum2;
步骤E包括:
根据所述第一纬线数量WeftNum1及织物图像所对应的织物的实际高度H计算出第一纬密值WeftDensity1=WeftNum1/H;
根据所述第二纬线数量WeftNum2及织物图像所对应的织物的实际高度H计算出第二纬密值WeftDensity2=WeftNum2/H;
步骤E之后还包括:根据所述第一纬密值及第二纬密值提取织物纬密值。
4.如权利要求2或3所述的织物纬密测量方法,其特征在于,所述对二维频谱图像进行转化处理,获得频点清晰的二维频谱图像的方法包括:
将所述二维频谱图像所对应的矩阵转换为向量形式;
将所述向量进行归一化处理;
将经归一化处理后的向量转换为矩阵形式,以使二维频谱图像的像素值归一到0~1之间;
将经归一化处理后的二维频谱图像的像素值与预设阀值进行比对,将小于预设阀值的像素值置“0”。
5.如权利要求2或3所述的织物纬密测量方法,其特征在于,所述对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量的方法包括:将经转化处理后的二维频谱图像的每一行的像素进行累加,得到水平投影后的一维频谱向量。
6.一种织物纬密测量设备,其特征在于,包括:
织物图像获取单元,用于对生产线上的织物进行图像采集以获得织物图像;
与所述织物图像获取单元相连的一维向量转化单元,用于对所述织物图像进行处理以转化为一维向量;
与所述一维向量转化单元相连的滤波单元,用于对所述一维向量进行滤波处理并将非测量范围内的值置“0”,以获得输出信号;
与所述滤波单元相连的排序单元,用于对所述输出信号进行排序;
与所述排序单元相连的纬线数量计算单元,用于计算纬线数量;
与所述纬线数量计算单元相连的纬密值计算单元,用于根据所述纬线数量及织物图像所对应的织物的实际高度计算出纬密值;
所述滤波单元中非测量范围的确定方法包括:根据织物特征,获得织物的纬密值最大值Dmax及纬密值最小值Dmin;根据所述织物图像所对应的织物的实际高度H、纬密值最大值Dmax及纬密值最小值Dmin,计算纬线数量最大值Nmax=H×Dmax,纬线数量最小值Nmin=H×Dmin;获取所述一维向量的长度M,确定中心位置,若M为奇数,则中心位置为(M+1)/2,非测量范围为[(M+1)/2-Nmin,(M+1)/2+Nmin],[1,(M+1)/2-Nmax]和[(M+1)/2+Nmax,M],若M为偶数,则中心位置为M/2,非测量范围为[M/2-Nmin,M/2+Nmin],[1,M/2-Nmax]和[M/2+Nmax,M];
所述一维向量转化单元包括快算法单元;所述快算法单元包括:局部图像获取单元,用于采集所述织物图像中的局部图像;与所述局部图像获取单元相连的一维局部向量单元,用于对所述局部图像进行水平方向投影,得到一维局部向量;与所述一维局部向量单元相连的一维傅立叶变换向量单元,用于对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
7.如权利要求6所述的织物纬密测量设备,其特征在于,所述一维向量转化单元包括慢算法单元或快算法单元;
所述慢算法单元包括:
二维频谱图像获取单元,用于对所述织物图像进行二维傅立叶变换,获得二维频谱图像;
与所述二维频谱图像获取单元相连的二维频谱图像处理单元,用于对所述二维频谱图像进行转化处理,获得频点清晰的二维频谱图像;
与所述二维频谱图像处理单元相连的一维频谱向量单元,用于对经转化处理后的二维频谱图像进行水平投影,获得一维频谱向量;
所述快算法单元包括:
局部图像获取单元,用于采集所述织物图像中的局部图像;
与所述局部图像获取单元相连的一维局部向量单元,用于对所述局部图像进行水平方向投影,得到一维局部向量;
与所述一维局部向量单元相连的一维傅立叶变换向量单元,用于对所述一维局部向量进行一维傅立叶变换,得到一维傅立叶变换向量。
8.如权利要求7所述的织物纬密测量设备,其特征在于,
所述一维向量转化单元包括所述慢算法单元及快算法单元;
所述滤波单元包括第一滤波单元及第二滤波单元,所述第一滤波单元用于对所述一维频谱向量进行滤波处理以获得第一输出信号,所述第二滤波单元用于对所述一维傅立叶变换向量进行滤波处理以获得第二输出信号;
所述排序单元包括第一排序单元及第二排序单元,所述第一排序单元用于对所述第一输出信号进行排序,所述第二排序单元用于对所述第二输出信号进行排序;
所述纬线数量计算单元包括第一纬线数量计算单元及第二纬线数量计算单元,所述第一纬线数量计算单元用于计算第一纬线数量,所述第二纬线数量计算单元用于计算第二纬线数量;
所述纬密值计算单元包括第一纬密值计算单元及第二纬密值计算单元,所述第一纬密值计算单元用于根据所述第一纬线数量及织物图像所对应的织物的实际高度计算第一纬密值,所述第二纬密值计算单元用于根据所述第二纬线数量及织物图像所对应的织物的实际高度计算第二纬密值;
所述织物纬密测量设备还包括与所述纬密值计算单元相连的第三纬密值计算单元,用于根据所述第一纬密值及第二纬密值提取织物纬密值。
9.如权利要求7所述的织物纬密测量设备,其特征在于,所述二维频谱图像处理单元包括:
向量转换单元,用于将所述二维频谱图像所对应的矩阵转换为向量形式;
与所述向量转换单元相连的归一化处理单元,用于将所述向量进行归一化处理;
与所述归一化处理单元相连的矩阵转换单元,用于将经归一化处理后的向量转换为矩阵形式,以使二维频谱图像的像素值归一到0~1之间;
与所述矩阵转换单元相连的比对单元,用于将经归一化处理后的二维频谱图像的像素值与预设阀值进行比对,将小于预设阀值的像素值置“0”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510174861.6A CN104778698B (zh) | 2015-04-13 | 2015-04-13 | 一种织物纬密测量方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510174861.6A CN104778698B (zh) | 2015-04-13 | 2015-04-13 | 一种织物纬密测量方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104778698A CN104778698A (zh) | 2015-07-15 |
CN104778698B true CN104778698B (zh) | 2018-05-08 |
Family
ID=53620144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510174861.6A Active CN104778698B (zh) | 2015-04-13 | 2015-04-13 | 一种织物纬密测量方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778698B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109594319B (zh) * | 2019-01-07 | 2021-08-10 | 东华大学 | 一种织物经纬密度智能检测装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0694876A1 (fr) * | 1993-02-17 | 1996-01-31 | Centre Technique Industriel dit: INSTITUT TEXTILE DE FRANCE | Procédé d'aquisition et de traitement de l'image d'un article plan, du type étoffe de tissu, en vue de la détection de défauts de fabrication |
CN101096818A (zh) * | 2006-06-27 | 2008-01-02 | 中国纺织科学研究院 | 织物经纬密度的检测方法 |
CN102788792A (zh) * | 2012-03-31 | 2012-11-21 | 江南大学 | 一种基于图像分析的纬编针织物密度检测装置 |
CN103234969A (zh) * | 2013-04-12 | 2013-08-07 | 江苏大学 | 一种基于机器视觉的织物纬密度测量新方法 |
CN103364397A (zh) * | 2012-03-31 | 2013-10-23 | 佛山市南海天富科技有限公司 | 一种织物纬密测量方法及装置 |
-
2015
- 2015-04-13 CN CN201510174861.6A patent/CN104778698B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0694876A1 (fr) * | 1993-02-17 | 1996-01-31 | Centre Technique Industriel dit: INSTITUT TEXTILE DE FRANCE | Procédé d'aquisition et de traitement de l'image d'un article plan, du type étoffe de tissu, en vue de la détection de défauts de fabrication |
CN101096818A (zh) * | 2006-06-27 | 2008-01-02 | 中国纺织科学研究院 | 织物经纬密度的检测方法 |
CN102788792A (zh) * | 2012-03-31 | 2012-11-21 | 江南大学 | 一种基于图像分析的纬编针织物密度检测装置 |
CN103364397A (zh) * | 2012-03-31 | 2013-10-23 | 佛山市南海天富科技有限公司 | 一种织物纬密测量方法及装置 |
CN103234969A (zh) * | 2013-04-12 | 2013-08-07 | 江苏大学 | 一种基于机器视觉的织物纬密度测量新方法 |
Non-Patent Citations (2)
Title |
---|
Automatic Assessing and Monitoring of Weaving Density;Maroš Tunák等;《Fibers and Polymers》;20100103;第10卷(第6期);全文 * |
基于图像分析的织物起毛起球自动评级研究;高卫东;《中国博士学位论文全文数据库 工程科技1辑》;20120615;第2012年卷(第6期);B024-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN104778698A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106238350B (zh) | 一种基于机器视觉的太阳能电池片分选方法与*** | |
CN106918594B (zh) | 一种在线分析籽棉色特征和杂质的方法 | |
CN108109137A (zh) | 车辆部件的机器视觉检测***及方法 | |
CN103176420B (zh) | 一种实物纱线编织样式的数字建模装置和方法 | |
CN108982514A (zh) | 一种铸件表面缺陷仿生视觉检测*** | |
CN105444891A (zh) | 一种基于机器视觉的纱线印染色差检测*** | |
CN107064160A (zh) | 基于显著性检测的纺织品表面瑕疵检测方法及*** | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN109191520B (zh) | 一种基于色彩标定的植物叶面积测量方法及*** | |
CN102221559A (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN104535004B (zh) | 一种基于图像处理的纱线直径检测方法 | |
CN105405145B (zh) | 一种基于图像分割技术的颗粒数粒方法 | |
CN103759662A (zh) | 一种纺织纱线直径动态快速测量装置与方法 | |
CN104792789A (zh) | 化纤纸管外观检测装置及方法 | |
CN104992446B (zh) | 非线性光照自适应的图像拼接方法及其实现*** | |
CN104766310B (zh) | 光源检测***和检测方法 | |
CN105424157A (zh) | 一种基于模具重量的称重器材筛选方法及*** | |
CN113592868B (zh) | 一种玻纤布面黑灰检测方法 | |
CN112730251B (zh) | 一种用于屏幕颜色缺陷检测的装置及方法 | |
CN110108362A (zh) | 基于slic超像素分割的色差自适应在线检测方法及装置 | |
CN104778698B (zh) | 一种织物纬密测量方法及设备 | |
CN110458809B (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
CN107504905A (zh) | 一种基于机器视觉的网状织物网目长度偏差率检测*** | |
CN206951597U (zh) | 一种基于机器视觉的蓝莓果实分级检测*** | |
CN103472064B (zh) | 一种圆明亮琢型宝石切工鉴定的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |