CN107389677B - 一种绒布绒毛品质的检测方法及其装置 - Google Patents

Abstract

本发明适用于绒布检测领域，提供了一种绒布绒毛品质的检测方法及其装置，方法包括：在绒毛的垂直方向上采集待测绒布图像；基于待测绒布图像，获取待测绒布对应的毛长特征数据以及毛密特征数据；利用预设的一致性匹配规则，将毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将毛密特征数据与绒布样本的毛密特征数据进行匹配；根据匹配结果确定待测绒布的品质。本发明解决了现有的绒布绒毛品质检测技术，主要通过人工对绒布绒毛品质进行鉴别，容易受主观因素影响，并且人工检测也不适合生产自动化的要求，检测效率以及准确率都较低的问题。

Description

一种绒布绒毛品质的检测方法及其装置

技术领域

本发明属于绒布检测领域，尤其涉及一种绒布绒毛品质的检测方法及其装置。

背景技术

绒布作为现今服装产业的重要面料，其品质的好坏决定了绒布制品的优劣程度。而现有的绒布绒毛品质检测技术，主要通过人工进行鉴别，通过人手感受绒布的绒毛长度以及密度状况，从而判断该绒布的品质。

但是，通过人工对绒布绒毛品质进行鉴别容易受主观因素影响，如绒布质检工人在长期进行绒布质检的过程中产生感应疲劳，感应的灵敏度下降，则容易造成误判的情况；或因个人的标准不同，对相同的绒布得出不同的品质判断结果。另一方面，人工检测也不适合生产自动化的要求，效率较低。可见，现有的绒布绒毛品质检测技术，检测效率以及准确率都较低。

发明内容

本发明实施例的目的在于提供一种绒布绒毛品质的检测方法及其装置，旨在解决现有的绒布绒毛品质检测技术，主要通过人工对绒毛品质进行鉴别，容易受主观因素影响，并且人工检测也不适合生产自动化的要求，检测效率以及准确率都较低的问题。

第一方面，本发明实施例提供一种绒布绒毛品质的检测方法，所述绒布绒毛品质的检测方法包括：

在绒毛的垂直方向上采集待测绒布图像；

基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据；

利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配；

根据匹配结果确定所述待测绒布的品质。

第二方面，本发明实施例提供一种绒布绒毛品质的检测装置，所述绒布绒毛品质的检测装置包括：

图像采集单元，用于在绒毛的垂直方向上采集待测绒布图像；

特征数据获取单元，用于基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据；

特征数据匹配单元，用于利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配；

品质判定单元，用于根据匹配结果确定所述待测绒布的品质。

实施本发明实施例提供的一种绒布绒毛品质的检测方法及其装置具有以下有益效果：

本发明实施例通过从绒毛垂直方向上获取待测绒布的图像，由于绒毛垂直方向上的图像可反映绒布绒毛的毛长以及毛密特征，因此可基于该待测绒布图像提取其对应的毛长和毛密特征数据，并将毛长和毛密特征数据与绒布样本特征数据进行匹配，继而根据匹配结果确定该待测绒布的品质。可见，本发明实施例不再依赖人工对绒布进行品质检测，只需获取绒布对应的绒毛垂直方向上的图像，并能通过相关的处理以及识别操作，确定绒布对应的品质信息，提高了检测的效率；另一方面，本发明实施例为绒布绒毛品质检测提供了统一的品质判定标准，也进一步提高了检测的准确性以及输出结果的一致性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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。

图1是本发明实施例提供的一种绒布绒毛品质的检测***各装置的关系图；

图2是本发明实施例提供的一种绒布绒毛品质的检测方法的流程图；

图3是本发明实施例提供的一种绒布绒毛品质的检测方法S202的具体实现流程图；

图4是本发明实施例提供的一种绒布绒毛品质的检测方法S304以及S305的具体实现流程图；

图5是本发明实施例提供的一个白色像素点的变化趋势曲线；

图6是本发明实施例提供的一种绒布绒毛品质的检测方法S203以及S204的具体实现流程图；

图7是本发明另一实施例提供的一种绒布绒毛品质的检测方法的实现流程图；

图8是本发明实施例提供的一种绒布绒毛品质的检测装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过从绒毛垂直方向上获取待测绒布的图像，由于绒毛垂直方向上的图像可反映绒布绒毛的毛长以及毛密特征，因此可基于该待测绒布图像提取其对应的毛长和毛密特征数据，并将毛长和毛密特征数据与绒布样本特征数据进行匹配，继而根据匹配结果确定该待测绒布的品质，解决了现有的绒布绒毛品质检测技术，主要通过人工对绒毛品质进行鉴别，容易受主观因素影响，并且人工检测也不适合生产自动化的要求，检测效率以及准确率都较低的问题。

图1示出了本发明实施例提供的一种绒布绒毛品质的检测***各装置的关系图。参见图1所示，该绒布绒毛品质的检测***包括：绒布绒毛品质的检测装置11以及待测绒布12，其中，该绒布绒毛品质的检测装置11包括图像采集单元110

在本实施例中，检测开始前，将对待测绒布12进行固定，并通过图像采集单元110获取其绒毛垂直方向的图像。在获取操作完成后，图像采集单元110通过与绒布绒毛品质的检测装置11间的数据传输链路，将获取得到的待测绒布图像发送给绒布绒毛品质的检测装置11，然后，绒布绒毛品质的检测装置11将对待测绒布进行品质检测。

优选地，该绒布绒毛品质的检测***还包括绒布支撑部件13，用于支撑上述的待测绒布12，以使得待测绒布12中包含的绒毛更易于观察，以及获取的图像更能够体现待测绒布12的绒毛特性，提高检测的准确率。

优选地，图像采集单元110中镜头的几何中心位于上述绒布支撑部件13上边缘的切线平面内。

图2示出了本发明实施例提供的一种绒布绒毛品质的检测方法的流程图。在本发明实施例中，流程的执行主体为绒布绒毛品质的检测装置。该绒布绒毛品质的检测装置可作为一个独立的装置进行工作，也可以集成于其他设备中，作为检测模块对绒布绒毛品质进行检测。举例性地，绒布绒毛品质的检测装置可集成于绒布制造装置内，在绒布制作完成后，对刚制作完成的绒布进行品质检测，判断是否符合出厂要求。参见图2所示，本发明实施例提供的绒布绒毛品质的检测方法的实现流程，详述如下：

在S201中，在绒毛的垂直方向上采集待测绒布图像。

在本实施例中，当绒布绒毛品质的检测装置接收到品质检测指令后，将执行绒布绒毛品质的检测流程，采集待测绒布图像。其中，该品质检测指令可以由服务器发送或用户输入产生，也可以当绒布绒毛品质的检测装置检测到待测绒布已固定完成，自动生成该品质检测指令。

在本实施例中，获取的待测绒布图像可以为彩色图像，如RGB图像或CMYK值图，也可以为灰度图像或二值化图像。

在本实施例中，将保持绒布绒毛品质的检测装置中的镜头的轴线与绒毛垂直方向的平面垂直，从而获取在绒毛垂直方向上待测绒布的图像。

可选地，若该待测绒布为双面绒毛绒布，可通过外部固定部件将待测绒布悬空防止，从而获取使得获取的待测绒布图像可反映正反两面的绒毛情况；也可以先获取待测绒布某一面的第一待测绒布图像，在对该待测绒布进行翻转操作，继而获取另一面的第二待测绒布图像。

在S202中，基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据。

在本实施例中，由于绒毛垂直方向上的图像可反映绒布绒毛的毛长以及毛密的特征，因此可以基于待测绒布图像，获取待测绒布对应的毛长特征数据以及毛密特征数据。

在本实施例中，毛长特征数据用于表示绒布中绒毛长度的数据；毛密特征数据用于表示绒毛中绒毛密度的数据。

可选地，在本实施例中，绒布绒毛品质的检测装置可通过预设的图像处理算法，对待测绒布图像进行优化处理。该预设的图像处理算法包括但不限于：高斯滤波算法、中值滤波算法、锐化处理算法以及对比度增强算法。需要说明的是，该预设的图像处理算法可包括上述的一种或两种以上的处理算法对待测绒布图像进行处理，从而降低环境噪声对图像的影响，并且适当地增强绒布部分的轮廓，从而提高检测的准确率。

在本实施例中，绒布绒毛品质的检测装置通过预设的特征数据提取算法，从待测绒布图像中提取毛长特征数据以及毛密特征数据。其中，该预设的特征数据提取算法可以为：将该待测绒布图像与各个预设的绒布模板进行匹配，根据匹配结果确定其对应的毛长特征数据以及毛密特征数据；也可以通过识别待测绒布图像的特征区域，根据该特征区域确定其毛长信息以及毛密信息，继而得到毛长特征数据以及毛密特征数据。

在S203中，利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配。

在本实施例中，绒布绒毛品质的检测装置将利用预设的一致性匹配规则，分别将待测绒布的毛长特征数据以及毛密特征数据与样本的毛长特征数据以及毛密特征数据进行匹配，并得出对应的匹配结果。绒布绒毛品质的检测装置在得到该匹配结果后，将执行S204的相关操作，对待测绒布的品质进行确定。

在本实施例中，若绒布样本的厚度与待测绒布的厚度一致，则可直接将绒布样本的毛长特征数据以及毛密特征数据与待测绒布的数据进行匹配；若绒布样本的厚度与待测绒布的厚度不一致，则根据两者的厚度比例确定得到偏移系数，并通过该偏移系数调整绒布样本的毛长特征数据以及毛密特征数据，再将调整后的毛长特征数据以及毛密特征数据与待测绒布的数据进行匹配。

在本实施例中，绒布样本可以为标准合格绒布的样本，即良品样本，若待测绒布的特征数据与良品样本的特征数据匹配，则确定该待测绒布绒毛品质合格，反之则确定其品质不合格；相应地，该绒布样本也可以为非合格绒布的样本，即次品样本，也同样可以根据匹配结果确定其品质的优劣。

可选地，该绒布样本可包括多个标准绒布样本，举例性地，如最优绒布样本(一级品质)、较优绒布样本(二级品质)、一般绒布样本(三级品质)、不合格绒布样本(四级品质)等，并将待测绒布的毛长特征数据以及毛密特征数据分别与多个标准绒布样本对应的数据进行匹配，根据匹配结果，确定其对应的品质等级。

需要说明的是，在本实施例中，获取绒布样本的毛长特征参数以及毛密特征参数的方法与获取待测绒布的过程完全一致，具体的实施步骤可参考S101以及S102的相关描述，在此不再赘述。即将只需将对应的绒布样本进行固定后，通过图像采集单元，在绒毛的垂直方向上获取绒布样本图像；并基于所述绒布样本图像，获取绒布样本对应的毛长特征数据以及毛密特征数据。

在本实施例中，预设的一致性匹配规则可以为：判断待测绒布的毛长特征数据是否与绒布样本的毛长特征数据相同，以及判断待测绒布的毛密特征数据是否与绒布样本的毛密特征数据相同，若上述两个判断均为是，则判定为合格；预设的一致性匹配规则也可以为：判断待测绒布与绒布样本对应的特征数据间的差值是否小于预设阈值或是否大于预设阈值，根据判别结果确定待测绒布绒毛品质的优劣。可选地，若绒布样本包含多个，可选取匹配指数最高对应的绒布样本的品质作为待测绒布的品质。

在S204中，根据匹配结果确定所述待测绒布的品质。

在本实施例中，待测绒布的品质包括但不限于：合格和不合格；一等绒布、二等绒布以及非绒布等其他可用于表示绒布绒毛品质的组合。

可选地，在本实施例中，若判断该待测绒布为合格或优质绒布，可直接通过检测流程，进行后续的相关操作，举例性地，如安排产品出厂、附上合格标识等；若判断该待测绒布为不合格或劣质绒布，可再次执行品质检测操作，即返回执行S101步骤，再次确定其品质，若返回执行操作超过预设阈值，则执行不合格品处理操作，举例性地，该不合格品处理操作包括但不限于：发送不合格品信息至相关的生产人员的终端设备；将不合格品进行分类放置；或重新对该不合格品进行修复操作等。

以上可以看出，本发明实施例提供的一种绒布绒毛品质的检测方法通过从绒毛垂直方向上获取待测绒布的图像，由于绒毛垂直方向上的图像可反映绒布绒毛的毛长以及毛密特征，因此可基于该待测绒布图像提取其对应的毛长和毛密特征数据，并将毛长和毛密特征数据与绒布样本特征数据进行匹配，继而根据匹配结果确定该待测绒布的品质。可见，本发明实施例不再依赖人工对绒布进行品质检测，只需获取绒布对应的绒毛垂直方向上的图像，并能通过相关的处理以及识别操作，确定绒布对应的品质信息，提高了检测的效率；另一方面，本发明实施例为绒布绒毛品质检测提供了统一的品质判定标准，也进一步提高了检测的准确性以及输出结果的一致性。

图3示出了本发明实施例提供的一种绒布绒毛品质的检测方法S202的具体实现流程图。参见图3所述，相对于上一实施例，本实施例提供的一种绒布绒毛品质的检测方法中的S202包含以下步骤，详述如下：

进一步地，作为本发明的另一实施例，所述基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据，包括：

在S301中，对所述待测绒布图像进行二值化处理，得到二值化图像。

在本实施例中，绒布绒毛品质的检测装置将利用二值化处理算法，对待测绒布图像进行二值化处理，即将待测绒布图像转换为只包含0以及255两种像素值的图像。其中，该二值化处理算法的判定阈值可有用户自行确定，也可以绒布绒毛品质的检测装置根据待测绒布图像中像素点的平均像素值进行设定。

在本实施例中，若采集得到的待测绒布图像为彩色图像，可先进行灰度图变换，加深图像轮廓后，再执行二值化处理；或直接进行二值化处理。若采集得到的待测绒布图像为二值化图像，可进行二次二值化处理，进一步突出绒毛的特性。

在S302中，统计所述二值化图像中每行包含的白色像素点的个数。

在本实施例中，绒布绒毛品质的检测装置在得到二值化后的待测绒布图像后，将统计每一行包含的白色像素点的个数，可选地，也可以根据每行包含的黑色像素点的个数确定改行对应的白色像素点的个数。

可选地，在本实施例中，绒布绒毛品质的检测装置可将每行对应的白色像素点的个数依次放入预设的栈内，根据在栈中的顺序确定每个行编号对应的白色像素点的个数；也可以将统计得到的白色像素点的个数与对应的行编号封装于同一个信息包内，以便于进行读取时可快速确定该白色像素点对应的行编号。

可选地，在本实施例中，绒布绒毛品质的检测装置可不对该白色像素点的个数进行保存，直接在每行统计得到对应的白色像素点的个数后，执行S303的相关操作，即将该行包含的白色像素点的个数在预设的坐标内标记出来。

在S303中，生成白色像素变化趋势曲线，所述白色像素变化趋势曲线中的每个坐标点依次对应所述二值化图像中每一行包含的白色像素点的个数。

在本实施例中，绒布绒毛品质的检测装置将在预设的坐标轴内，生成白色像素变化趋势曲线，其中，该曲线内的每个坐标点依次对应二值化图像中每一行包含的白色像素点的个数，换而言之，即绒布绒毛品质的检测装置将以二值化图像中行编号为横坐标，白色像素点的个数为纵坐标，得到对应的白色像素变化离散图，并通过预设的曲线拟合算法，将各离散坐标点拟合为一条趋势曲线，即上述的白色像素变化趋势曲线。

可选地，在本实施例中，绒布绒毛品质的检测装置可通过归一化处理算法，对该白色像素变化曲线进行归一化处理，即将白色像素点的个数进行归一化处理。其中，该归一化处理的转换系数可以为二值化图像对应的列数。举例性地，若二值化图像包含20列，则其归一化处理的换算系数为20。归一化转换公式如下：

其中，x⁰ _i为某行对应的白色像素点个数的归一化系数，N为归一化转换系数，x_i为归一化前该行对应的白色像素点的个数，H为总行数。

在S304中，基于预设的特征区间选取规则，在所述白色像素变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段。

在本实施例中，绒布绒毛品质的检测装置将根据预设的特征曲线选取规则，在白色变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段，在提取完成后，执行S305的相关操作。

在本实施例中，毛长特征曲线段以及毛密特征曲线段可部分重合、完全重合或不相交，两者的位置关系由预设的特征区间选取规则确定。

在S305中，基于所述毛长特征曲线段生成所述毛长特征数据，以及基于所述毛密特征曲线段生成所述毛密特征数据。

在本实施例中，由于在进行二值化处理时，可将背景区域部分的像素转换为黑色，将绒毛区域部分的像素转换为白色；相对地，也可以将背景转换为白色，绒毛区域转换为黑色，因此白色像素变化趋势曲线中的白色像素个数可间接体现该行中绒布的毛密度，因而可根据毛密特征曲线段确定毛密特征数据。而且，白色像素变化趋势曲线中包含行编号信息，而行编号也可以用于反映高度，即毛长，因而也可以根据毛长特征曲线段确定毛长特征数据。

在本实施例中，绒布绒毛品质的检测装置将通过预设的特征数据提取方法，从毛长特征曲线中获取毛长特征数据，以及从毛密特征曲线中获取毛密特征数据。其中，该毛长特征数据可包含一个对应的特征值，也可以包含多个特征参数的序列、数组，相应地，毛密特征数据也如毛长特征数据类似。

举例性地，该毛长特征数据包含：平均毛长数值、最长毛长数值、最短毛长数值等，并将上述多个数值封装于一个毛长特征数据内，根据在数据中的相对位置，确定其对应的含义。

在本发明实施例中，通过统计待测绒布图像中白色像素点的个数，并生成对应的白色像素变化趋势曲线，继而从曲线中获取毛长特征数据以及毛密特征数据，从而实现了从待测绒布图像中提取特征数据的目的，且变化曲线能直观体现待测绒布的变化特性，从而提高了数据提取的效率以及准确率。

图4示出了本发明实施例提供的一种绒布绒毛品质的检测方法S304以及S305的具体实现流程图。参见图4所述，相对于上一实施例，本实施例提供的一种绒布绒毛品质的检测方法中的S304以及S305包含以下步骤，详述如下：

进一步地，作为本发明另一实施例，所述基于预设的特征区间选取规则，在所述白色像素变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段，包括：

在S401中，根据所述白色像素变化趋势曲线中各坐标点对应的导数数值，选取所述导数数值最大的坐标点作为毛长中心坐标。

在本实施例中，绒布绒毛品质的检测装置将获取白色像素变化趋势曲线中各坐标点对应的导数数值，并从各个导数数值中选取数值最大的一个作为毛长中心坐标。需要说明的是，上述坐标点对应的导数数值为绝对数值，即将得到的导数进行绝对值运算后得到导数数值。

在本实施例中，由于导数数值较大的坐标点，表示其附近白色像素点的个数变化率较大，从而也反映该坐标点对应的图像区域内绒毛间的长度差异也较大，因此其毛长特征可能较为明显，并且变化较大的区域噪声的影响也较少，继而便于提取以及统计对应的毛长特征数据。

可选地，在本实施例中，若导数数值最大的坐标点存在一个以上，则选取其白色像素点个数较多的对应的坐标点作为毛长中心坐标。由于白色像素点个数较少的区域，容易受环境噪声的影响。

在S402中，根据所述毛长中心坐标以及预设的毛长采集范围，确定毛长特征区间，并在所述白色像素变化趋势曲线中提取所述毛长特征区间对应的曲线段作为毛长特征曲线段。

在本实施例中，绒布绒毛品质的检测装置首先将根据毛长中心坐标以及预设的毛长采集范围，确定毛长特征区间。其中，毛长采集范围可以为：将白色像素点个数的变化范围作为毛长采集范围，也可以将行编号的变化范围作为毛长采集范围。举例性地，毛长中心坐标对应的白色像素点个数为70，毛长采集范围为10个白色像素点以内，即预设的毛长特征区间为：白色像素点个数为[60,80]的区间范围。

在本实施例中，绒布绒毛品质的检测装置将根据该毛长特征区间在白色像素变化趋势曲线中提取对应区间内的曲线，作为毛长特征曲线段。由于毛长中心坐标点只有一个，因此，即便该区间内对应两段曲线，也只选取毛长中心坐标点所在的曲线段作为毛长特征曲线段。

在S403中，利用所述毛长中心坐标以及预设的毛长与毛密关系系数，确定所述毛长中心坐标对应的毛密中心坐标。

在本实施例中，绒布绒毛中的毛长与毛密之间存在一定的数量关系，绒布绒毛品质的检测装置可根据多次实验以及检测确定两者之间的关系系数，即若某一长度绒毛，其对应的绒毛密度应为某一数值，而根据该对应关系，确定该毛长与毛密关系系数。因此，绒布绒毛品质的检测装置将根据毛长中心坐标以及预设的毛长与毛密关系系数，确定该毛长中心坐标对应的毛密中心坐标。

在本实施例中，该关系系数可以为毛长中心坐标与毛密中心坐标间白色像素点个数的关系系数，即在毛长中心坐标对应的白色像素个数乘以一个比例系数，得到毛密中心坐标对应的白色像素点个数，根据该白色像素点个数确定毛密中心坐标；该关系系数可以为一距离值，毛长中心坐标与毛密中心坐标间的距离，并根据该距离值确定对应的毛密中心坐标。

在S404中，根据所述毛密中心坐标以及预设的毛密采集范围，确定毛密特征区间，并在所述白色像素变化趋势曲线中提取所述毛密特征区间对应的曲线段作为毛密特征曲线段。

由于S404的相关步骤与S402相同，具体说明可参见S402的论述，在此不再赘述。

举例性地，图5示出了本发明实施例提供的一个白色像素点的变化趋势曲线。参见图5所示，该白色像素点的变化趋势曲线的纵坐标为白色像素点的个数，其横坐标为对应的行编号。其中，毛长中心坐标为该曲线中导数数值最大对应的坐标点，并根据预设的毛长采集范围确定其对应的毛长特征曲线段；毛长与毛密的关系系数为5，即毛长中心坐标与毛密中心坐标间的距离值为5，确定对应的毛密中心坐标。

所述基于所述毛长特征曲线段生成所述毛长特征数据，以及基于所述毛密特征曲线段生成所述毛密特征数据，包括：

在S405中，将所述毛长特征曲线段对应的行编号生成为所述毛长特征数据。

在本实施例中，毛长特征曲线段中包含多个坐标点，每个坐标点对应一个行编号，因而绒布绒毛品质的检测装置将根据毛长特征曲线段中包含的多个行编号生成毛长特征数据。

在本实施例中，确定特征曲线段的行编号的方法可根据白色像素变化趋势曲线直接查询对应的行编号进行确定，也可以根据预设的反向投影算法，根据白色像素点的个数换算为对应的行编号。

在S406中，将所述毛密特征曲线段对应的行编号生成为所述毛密特征数据。

由于步骤S406的相关操作与步骤S405相同，具体说明可参见S405的论述，在此不再赘述。

在本发明实施例中，将获取导数数值最大的坐标点确定毛长中心坐标，并根据该毛长中心坐标确定毛长特征曲线段以及毛密特征曲线段，继而进一步得到毛长特征数据以及毛密特征数据，可见，本实施例实现了从图像中确定特征数据的目的，并且选取的中心点抗干扰能力较强，提高了品质检测的准确性。

图6示出了本发明实施例提供的一种绒布绒毛品质的检测方法S203以及S204的具体实现流程图。参见图6所述，相对于上一实施例，本实施例提供的一种绒布绒毛品质的检测方法中的S203以及S204包含以下步骤，详述如下：

进一步地，作为本发明的另一实施例，所述利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配具体包括：

在S601中，计算所述毛长特征数据的毛长一阶原点矩，并计算所述毛密特征数据的毛密一阶原点矩。

在本实施例中，绒布绒毛品质的检测装置将通过一阶原点矩计算算法，计算毛长特征数据对应的毛长一阶原点矩以及毛密特征数据的毛密一阶原点矩。其中，一阶原点矩计算算法公式为：

其中，O_L为一阶原点矩，L_i为毛长特征数据或毛密特征数据，E({L_i})为计算毛长/毛密特征数据的数学期望，N为毛长/毛密特征数据中包含的数值的数量。

在S602中，计算所述毛长特征数据毛长一阶中心矩，并计算所述毛密特征数据的毛密一阶中心矩。

在本实施例中，绒布绒毛品质的检测装置将通过一阶中心矩计算算法以及在S602中对应的一阶原点矩，计算毛长特征数据对应的毛长一阶中心矩以及毛密特征数据的毛密一阶中心矩。其中，一阶中心矩计算算法公式为：

其中，C_L为一阶中心矩，O_L为一阶原点矩，L_i为毛长特征数据或毛密特征数据，N为毛长/毛密特征数据中包含的数值的数量。

在S603中，计算所述毛长一阶原点矩与预设的标准毛长原点矩的第一欧氏距离，以及计算所述毛密一阶原点矩与预设的标准毛密原点矩的第二欧氏距离。

在本实施例中，通过欧氏距离计算算法，计算毛长一阶原点矩与预设的标准毛长原点矩的第一欧氏距离，以及计算所述毛密一阶原点矩与预设的标准毛密原点矩的第二欧氏距离。其中，需要说明的是，标准毛长原点矩为绒布样本的毛长特征数据，通过步骤S601中涉及的相关算法，计算得到的一阶原点矩；相应地，标准毛密原点矩为绒布样本的毛密特征数据，通过步骤S601中涉及的相关算法，计算得到的一阶原点矩。

在本实施例中，该欧氏距离的计算公式可以为：

其中，d_L为欧氏距离，O_L为本次检测得到的一阶原点矩，O_OL为标准毛长/毛密原点矩，Len(O_L-O_OL)为计算两者之间的欧氏距离，Abs为取该距离值的绝对值，Dim(O_L)为计算O_L的维数，若O_L为单一数值，则其维数为1，若O_L为二维坐标，则其维数为2，以此类推。

在S604中，将所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离分别与其各自对应的预设标准值进行匹配性判断。

在本实施例中，绒布绒毛品质的检测装置将会进行四次匹配性判断，分别为：将毛长一阶中心矩与标准毛长中心矩进行匹配性判断；将第一欧氏距离与标准毛长欧式距离进行匹配性判断；将毛密一阶中心矩与标准毛密中心矩进行匹配性判断；将第二欧氏距离与标准毛密欧氏距离进行匹配性判断。

在本实施例中，标准毛长中心矩具体为：绒布样本对应的毛长特征数据，通过S602中涉及的相关算法，计算得到的一阶中心矩。可选地，标准毛长中心矩可在绒布样本的毛长一阶中心矩的基础上，乘以一个参考系数，即：

C_OL＝_样本×Q

其中，C_OL为标准毛长中心矩，C_样本为绒布样本的毛长一阶中心矩，Q为参考系数，根据调整该参考***，可改变检测的精确度，当Q值越大，其精确度越低，反之，Q值越小，其精确度越高，优选地，该Q值为0.8-1.5。毛密标准中心矩也与上述论述一致。

在本实施例中，标准毛长欧氏距离为最大原点矩偏差值，即将绒布样本对应的毛长特征数据确定的毛长一阶原点矩，乘以一个最大变化系数，优选地，该变化系数为0.2-0.4；相应地，标准毛密欧氏距离也通过上述该方式得到。

在本实施例中，若毛长一阶中心矩、第一欧氏距离、毛密一阶中心矩或第二欧氏距离小于或等于对应的预设标准值，则判定为匹配；反之，若某一参数大于对应的预设标准值，则判定为不匹配。

所述根据匹配结果确定所述待测绒布的品质具体为：

在S605中，若所述匹配性判断的结果为：所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离均与其各自对应的预设标准值匹配，则确定所述待测绒布为合格绒布。

在本实施例中，若毛长一阶中心矩小于或等于标准毛长中心矩；第一欧氏距离小于或等于标准毛长欧式距离；毛密一阶中心矩小于或等于标准毛密中心矩；并且第二欧氏距离小于或等于标准毛密欧氏距离，则判定待测绒布为合格绒布。反之，若有一项或以上的参数大于对应的预设标准值，则判定该待测绒布为不合格绒布。

在本发明实施例中，计算毛长以及毛密对应的一阶原点矩以及一阶中心矩，而上述参数可准确地反映毛长以及毛密的变化特性，并根据该变化特性与绒布样本进行一致性匹配，从而确定该待测绒布的品质。可见，本发明实施例为绒布绒毛品质检测提高了一个判定标准，从而使得品质检测结果较为一致，并且准确率较高。

图7示出了本发明另一实施例提供的一种绒布绒毛品质的检测方法的实现流程图。参见图7所述，相对于上一实施例，本实施例提供的一种绒布绒毛品质的检测方法包含以下步骤，详述如下：

进一步地，作为本发明的另一实施例，所述在绒毛的垂直方向上采集待测绒布图像，包括：

在S701中，在绒毛的垂直方向上，多次采集待测绒布图像，得到多个待测绒布图像。

在本实施例中，将进行多次图像采集操作，继而得到多个待测绒布的图像。相应地，进行绒布样本的标准参数的确定过程，也可以对绒布样本图像进行多次采集。

可选地，该多次采集可通过在不同的方位获取绒毛垂直方向上待测绒布图像；若该绒布绒毛品质的检测***包含支撑部件，可通过支撑部件进行滚动或移动等操作，改变待测绒布的支撑点，从而获取待测绒布不同区域的待测绒布图像。

可选地，在本实施例中，绒布样本的图像采集次数将大于待测绒布的图像采集次数。由于绒布样本作为参考标准，因此其精度要求相对较高，因此需要进行多次采集，从而确保其参数具有代表性。优选地，将对绒布样本重复进行15次图像采集操作，而对于待测绒布将重复进行8次图像采集操作。

所述基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据，包括：

在S702中，基于所述多个待测绒布图像，获取所述待测绒布对应的毛长特征序列矩阵以及毛密特征序列矩阵。

在本实施例中，将对多个待测绒布图像进行特征数据提取操作，得到多个毛长特征数据以及多个毛密特征数据，并基于多个毛长特征数据生成毛长特征序列矩阵；以及基于多个毛密特征数据生成毛密特征序列矩阵。

需要说明的是，由于S703至S707与S601至S605一一对应，且具体的步骤完全相同，S703至S707的详细内容可参照S601至S605的相关阐述，在此不再赘述。

在本发明实施例中，通过对待测绒布进行多次图像采集，并得到多组特征数据，从而减少环境噪声对于采集图像的影响，继而提高识别的准确率。

图8示出了本发明实施例提供的绒布绒毛品质的检测装置的结构框图，该绒布绒毛品质的检测装置包括的各单元用于执行图2对应的实施例中的各步骤。具体请参阅图2与图2所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。

参见图8，该绒布绒毛品质的检测装置包括：

图像采集单元81，用于在绒毛的垂直方向上采集待测绒布图像；

特征数据获取单元82，用于基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据；

特征数据匹配单元83，用于利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配；

品质判定单元84，用于根据匹配结果确定所述待测绒布的品质。

可选地，所述特征数据获取单元具体包括：

二值化处理单元，用于对所述待测绒布图像进行二值化处理，得到二值化图像；

像素个数统计单元，用于统计所述二值化图像中每行包含的白色像素点的个数；

变化趋势曲线生成单元，用于生成白色像素变化趋势曲线，所述白色像素变化趋势曲线中的每个坐标点依次对应所述二值化图像中每一行包含的白色像素点的个数；

特征曲线段提取单元，用于基于预设的特征区间选取规则，在所述白色像素变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段；

特征数据生成单元，用于基于所述毛长特征曲线段生成所述毛长特征数据，以及基于所述毛密特征曲线段生成所述毛密特征数据。

可选地，所述特征曲线段提取单元具体包括：

毛长中心坐标确定单元，用于根据所述白色像素变化趋势曲线中各坐标点对应的导数数值，选取所述导数数值最大的坐标点作为毛长中心坐标；

毛长特征曲线确定单元，用于根据所述毛长中心坐标以及预设的毛长采集范围，确定毛长特征区间，并在所述白色像素变化趋势曲线中提取所述毛长特征区间对应的曲线段作为毛长特征曲线段；

毛密中心坐标确定单元，用于利用所述毛长中心坐标以及预设的毛长与毛密关系系数，确定所述毛长中心坐标对应的毛密中心坐标；

毛长特征曲线确定单元，用于根据所述毛密中心坐标以及预设的毛密采集范围，确定毛密特征区间，并在所述白色像素变化趋势曲线中提取所述毛密特征区间对应的曲线段作为毛密特征曲线段；

所述特征数据生成单元具体包括：

毛长特征数据生成单元，用于将所述毛长特征曲线段对应的行编号生成为所述毛长特征数据；

毛密特征数据生成单元，用于将所述毛密特征曲线段对应的行编号生成为所述毛密特征数据。

可选地，所述特征数据匹配单元具体包括：

一阶原点矩计算单元，用于计算所述毛长特征数据的毛长一阶原点矩，并计算所述毛密特征数据的毛密一阶原点矩；

一阶中心矩计算单元，用于计算所述毛长特征数据毛长一阶中心矩，并计算所述毛密特征数据的毛密一阶中心矩；

欧氏距离计算单元，用于计算所述毛长一阶原点矩与预设的标准毛长原点矩的第一欧氏距离，以及计算所述毛密一阶原点矩与预设的标准毛密原点矩的第二欧氏距离；

特征值匹配单元，用于将所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离分别与其各自对应的预设标准值进行匹配性判断；

所述品质判定单元包括：

合格绒布确定单元，用于若所述匹配性判断的结果为：所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离均与其各自对应的预设标准值匹配，则确定所述待测绒布为合格绒布。

可选地，所述图像采集单元具体用于：

在绒毛的垂直方向上，多次采集待测绒布图像，得到多个待测绒布图像；

所述特征数据获取单元具体用于：

基于所述多个待测绒布图像，获取所述待测绒布对应的毛长特征序列矩阵以及毛密特征序列矩阵。

因此，本发明实施例提供的绒布绒毛品质的检测装置同样可以通过从绒毛垂直方向上获取待测绒布的图像，由于绒毛垂直方向上的图像可反映绒布绒毛的毛长以及毛密特征，因此可基于该待测绒布图像提取其对应的毛长和毛密特征数据，并将毛长和毛密特征数据与绒布样本特征数据进行匹配，继而根据匹配结果确定该待测绒布的品质。可见，本发明实施例不再依赖人工对绒布进行品质检测，只需获取绒布对应的绒毛垂直方向上的图像，并能通过相关的处理以及识别操作，确定绒布对应的品质信息，提高了检测的效率；另一方面，本发明实施例为绒布绒毛品质检测提供了统一的品质判定标准，也进一步提高了检测的准确性以及输出结果的一致性。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种绒布绒毛品质的检测方法，其特征在于，包括：

在绒毛的垂直方向上采集待测绒布图像；

基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据；

利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配；

根据匹配结果确定所述待测绒布的品质；

所述基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据，包括：

对所述待测绒布图像进行二值化处理，得到二值化图像；

统计所述二值化图像中每行包含的白色像素点的个数；

生成白色像素变化趋势曲线，所述白色像素变化趋势曲线中的每个坐标点依次对应所述二值化图像中每一行包含的白色像素点的个数；

基于预设的特征区间选取规则，在所述白色像素变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段；

基于所述毛长特征曲线段生成所述毛长特征数据，以及基于所述毛密特征曲线段生成所述毛密特征数据；

所述基于预设的特征区间选取规则，在所述白色像素变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段，包括：

根据所述白色像素变化趋势曲线中各坐标点对应的导数数值，选取所述导数数值最大的坐标点作为毛长中心坐标；

根据所述毛长中心坐标以及预设的毛长采集范围，确定毛长特征区间，并在所述白色像素变化趋势曲线中提取所述毛长特征区间对应的曲线段作为毛长特征曲线段；

利用所述毛长中心坐标以及预设的毛长与毛密关系系数，确定所述毛长中心坐标对应的毛密中心坐标；

根据所述毛密中心坐标以及预设的毛密采集范围，确定毛密特征区间，并在所述白色像素变化趋势曲线中提取所述毛密特征区间对应的曲线段作为毛密特征曲线段。

2.根据权利要求1所述的检测方法，其特征在于，所述基于所述毛长特征曲线段生成所述毛长特征数据，以及基于所述毛密特征曲线段生成所述毛密特征数据，包括：

将所述毛长特征曲线段对应的行编号生成为所述毛长特征数据；

将所述毛密特征曲线段对应的行编号生成为所述毛密特征数据。

3.根据权利要求1或2所述的检测方法，其特征在于，所述利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配具体包括：

计算所述毛长特征数据的毛长一阶原点矩，并计算所述毛密特征数据的毛密一阶原点矩；

计算所述毛长特征数据毛长一阶中心矩，并计算所述毛密特征数据的毛密一阶中心矩；

计算所述毛长一阶原点矩与预设的标准毛长原点矩的第一欧氏距离，以及计算所述毛密一阶原点矩与预设的标准毛密原点矩的第二欧氏距离；

将所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离分别与其各自对应的预设标准值进行匹配性判断；

所述根据匹配结果确定所述待测绒布的品质具体为：

若所述匹配性判断的结果为：所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离均与其各自对应的预设标准值匹配，则确定所述待测绒布为合格绒布。

4.根据权利要求3所述的检测方法，其特征在于，所述在绒毛的垂直方向上采集待测绒布图像，包括：

在绒毛的垂直方向上，多次采集待测绒布图像，得到多个待测绒布图像；

所述基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据，包括：

基于所述多个待测绒布图像，获取所述待测绒布对应的毛长特征序列矩阵以及毛密特征序列矩阵。

5.一种绒布绒毛品质的检测装置，其特征在于，包括：

图像采集单元，用于在绒毛的垂直方向上采集待测绒布图像；

特征数据获取单元，用于基于所述待测绒布图像，获取所述待测绒布对应的毛长特征数据以及毛密特征数据；

特征数据匹配单元，用于利用预设的一致性匹配规则，将所述毛长特征数据与绒布样本的毛长特征数据进行匹配，以及将所述毛密特征数据与绒布样本的毛密特征数据进行匹配；

品质判定单元，用于根据匹配结果确定所述待测绒布的品质；

所述特征数据获取单元具体包括：

二值化处理单元，用于对所述待测绒布图像进行二值化处理，得到二值化图像；

像素个数统计单元，用于统计所述二值化图像中每行包含的白色像素点的个数；

变化趋势曲线生成单元，用于生成白色像素变化趋势曲线，所述白色像素变化趋势曲线中的每个坐标点依次对应所述二值化图像中每一行包含的白色像素点的个数；

特征曲线段提取单元，用于基于预设的特征区间选取规则，在所述白色像素变化趋势曲线中提取毛长特征曲线段以及毛密特征曲线段；

特征数据生成单元，用于基于所述毛长特征曲线段生成所述毛长特征数据，以及基于所述毛密特征曲线段生成所述毛密特征数据；

所述特征曲线段提取单元具体包括：

毛长中心坐标确定单元，用于根据所述白色像素变化趋势曲线中各坐标点对应的导数数值，选取所述导数数值最大的坐标点作为毛长中心坐标；

毛长特征曲线确定单元，用于根据所述毛长中心坐标以及预设的毛长采集范围，确定毛长特征区间，并在所述白色像素变化趋势曲线中提取所述毛长特征区间对应的曲线段作为毛长特征曲线段；

毛密中心坐标确定单元，用于利用所述毛长中心坐标以及预设的毛长与毛密关系系数，确定所述毛长中心坐标对应的毛密中心坐标；

毛长特征曲线确定单元，用于根据所述毛密中心坐标以及预设的毛密采集范围，确定毛密特征区间，并在所述白色像素变化趋势曲线中提取所述毛密特征区间对应的曲线段作为毛密特征曲线段。

6.根据权利要求5所述的检测装置，其特征在于，所述特征数据生成单元具体包括：

毛长特征数据生成单元，用于将所述毛长特征曲线段对应的行编号生成为所述毛长特征数据；

毛密特征数据生成单元，用于将所述毛密特征曲线段对应的行编号生成为所述毛密特征数据。

7.根据权利要求5或6所述的检测装置，其特征在于，所述特征数据匹配单元具体包括：

一阶原点矩计算单元，用于计算所述毛长特征数据的毛长一阶原点矩，并计算所述毛密特征数据的毛密一阶原点矩；

一阶中心矩计算单元，用于计算所述毛长特征数据毛长一阶中心矩，并计算所述毛密特征数据的毛密一阶中心矩；

欧氏距离计算单元，用于计算所述毛长一阶原点矩与预设的标准毛长原点矩的第一欧氏距离，以及计算所述毛密一阶原点矩与预设的标准毛密原点矩的第二欧氏距离；

特征值匹配单元，用于将所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离分别与其各自对应的预设标准值进行匹配性判断；

所述品质判定单元包括：

合格绒布确定单元，用于若所述匹配性判断的结果为：所述毛长一阶中心矩、所述第一欧氏距离、所述毛密一阶中心矩以及所述第二欧氏距离均与其各自对应的预设标准值匹配，则确定所述待测绒布为合格绒布。

8.根据权利要求7所述的检测装置，其特征在于，所述图像采集单元具体用于：

在绒毛的垂直方向上，多次采集待测绒布图像，得到多个待测绒布图像；

所述特征数据获取单元具体用于：

基于所述多个待测绒布图像，获取所述待测绒布对应的毛长特征序列矩阵以及毛密特征序列矩阵。

Images