CN108288272A - 纱线识别方法及装置 - Google Patents

Abstract

本发明提供了一种纱线识别方法及装置，涉及纺织业领域，所述方法应用于视觉检测模块，所述方法包括：获取用于图像采集设备相机采集的待测纱线的图像帧；在所述图像帧中提取所述待测纱线的图像特征；根据所述图像特征确定所述待测纱线的图像属性；若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。本发明提供的一种纱线识别方法及装置，利用图像采集设备对待测纱线进行快速图像采集，并通过立体视觉检测的方法，准确地判断出待测纱线的纱线数量，有利于快速高效的自动穿纱，提高工作效率。

Description

纱线识别方法及装置

技术领域

本发明涉及纺织业领域，尤其是涉及一种纱线识别方法及装置。

背景技术

在纺织工业中，穿经(穿针引线)是极为重要的一项环节。传统的手工纺织业是每针每线可能都需要人手动去穿经，效率十分低下。随着科技的发展，现代纺织工业利用机器代替人工穿经，可以大大提高工作效率。现有的机器自动化穿经主要依赖一些传感器(如压力传感器)进行检测，由于压力传感器存在寿命短、成本高、故障率高和易老化等缺点，在穿经过程中可能会出现把两根或者多根纱线当作一根纱线送入穿经环节的情况，从而导致穿经错误。由于自动化纺织大都是流水线上批量生产，如果需要人工干预排除故障，会降低工作效率。同时，在这种重复性工作中，人很容易会出现疲劳状态，如果人工干预不及时，会导致一批纱线不能使用，造成材料的浪费。

发明内容

有鉴于此，本发明的目的在于提供一种纱线识别方法及装置，以缓解了现有技术中的机器穿经错误率高，排除故障耗时耗力，导致工作效率降低等技术问题。

第一方面，本发明实施例提供了一种纱线识别方法，应用于视觉检测模块，包括：

获取用于图像采集设备采集的待测纱线的图像帧；

在所述图像帧中提取所述待测纱线的图像特征；

根据所述图像特征确定所述待测纱线的图像属性；

若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述图像属性包括：区域面积、区域周长、线性特征、孔洞欧拉数和行扫描脉冲数等属性。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述预设属性条件包括：属性参数范围，在获取用于采集待测纱线的图像的图像采集设备采集的图像帧之前，包括：

获取所述图像采集设备采集的一根或多根纱线的样本图像序列；

对所述样本图像序列的多帧样本图像进行形态学处理，得到满足特征提取条件的多帧样本图像帧；

根据在每帧样本图像帧中提取的图像特征确定图像属性的多个属性参数；

针对所述图像属性中的每个属性，将从多帧样本图像帧中提取的与自身对应的多个属性参数按照预设取值规则进行取值，得到自身的属性阈值；

根据按照取值规则取值的多个属性阈值确定一根或多根纱线的预设属性阈值；

根据预设属性阈值和预设偏差范围确定属性参数范围。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述方法还包括：

判断所述图像属性是否满足任一预设属性条件；

所述判断所述图像属性是否满足任一预设属性条件，包括：

判断所述图像属性中的任一属性是否均位于单根纱线对应的属性参数范围内；

如果所述图像属性中的任一属性均位于单根纱线对应的属性参数范围内，确定识别到的纱线数量为单根；

如果所述图像属性中的任一属性均不位于单根纱线对应的属性参数范围内，判断所述图像属性中的任一属性是否位于多根纱线对应的属性参数范围；

如果所述图像属性中的任一属性均位于多根纱线对应的属性参数范围，确定识别到的纱线数量为多根。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，判断所述图像属性中的任一属性是否均位于单根纱线对应的属性参数范围内，包括：

根据优先级信息，将每个属性的属性参数与单根纱线的属性参数范围中与其对应的属性参数范围进行比较。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述图像采集设备包括：第一相机和第二相机，所述第一相机的光轴和所述第二相机的光轴之间呈预设锐角或直角，所述获取用于采集待测纱线的图像的图像采集设备采集的图像帧，包括：

获取所述第一相机采集的第一图像帧和第二相机采集的第二图像帧。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，在所述图像帧中提取所述待测纱线的图像特征，包括：

对所述图像帧进行预处理、图像分割处理和形态学处理；

在经过形态学处理后的图像帧提取所述待测纱线的图像特征。

第二方面，本发明实施例还提供一种纱线识别装置，包括：

获取模块，用于获取图像采集设备采集的的待测纱线的图像帧；

提取模块，用于在所述图像帧中提取所述待测纱线的图像特征；

第一确定模块，用于根据所述图像特征确定所述待测纱线的图像属性；

第二确定模块，用于若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。

第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述程序代码使所述处理器执行所述第一方面所述的方法。

第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述第一方面所述的方法。

本发明实施例带来了以下有益效果：本发明提供的一种纱线识别方法及装置，利用图像采集设备对待测纱线进行快速图像采集，并通过立体视觉检测的方法，准确地判断出待测纱线的纱线数量，有利于快速高效的自动穿纱，提高工作效率。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的纱线识别方法的流程图；

图2为本发明另一个实施例提供的纱线识别方法的流程图；

图3为本发明另一个实施例提供的纱线识别方法的流程图；

图4为本发明另一个实施例提供的纱线识别装置的结构示意图。

图标：

11-获取模块；12-提取模块；13-第一确定模块；14-第二确定模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

纺织工业长期以来一直是国家国民经济重要的支柱产业之一，但由于世界金融危机的影响，纺织工业自身也面临着危机，需要不断以先进科学技术来促进纺织工业发展。目前，纺织产业自动化程度较低，在机械工作过程中，可能还需要人工辅助干预，耗费大量人力，工作效率偏低。基于计算机视觉的技术正在逐渐应用在纺织行业，目前主要的视觉检测任务是织物瑕疵自动检测、纱线的卷装以及去除纱线毛羽等。并且在纺织机上还存在很多人眼观察环节，造成工业效率的降低和大量的人工投入。

传统的手工纺织业中，每针每线可能都需要人手动去穿经，效率十分低下。随着科技的发展，现代纺织工业中利用机器代替人工穿经，为了避免穿插错误，必须有一套实时监测反馈***来帮助机器纠正错误，或者达到发现错误报警之后人工干预的作用。

当前我国现有的自动化纺织机主要依赖一些传统的传感器进行检测，在自动穿经过程中，一般采用的是压力型传感器，压力传感器虽然精度可以满足生产要求，但寿命短和成本高，同时由于机械类传感器存在机械故障和易老化等问题，而且无法进行快速穿纱，具有一定的局限性。使用过程中经常出现检测故障，需要人工处理，而且长期使用后易出现检测不准确，在穿经过程中可能会出现把两根或者多根纱线当作一根纱线送入穿经环节的情况。由于自动化纺织都是流水线上批量生产，如果需要人工干预排除故障，会降低工作效率。同时，在这种重复性工作中，人很容易会出现疲劳状态，如果人工干预不及时，会导致一批纱线不能使用，造成材料的浪费。

目前，现有技术中的机器穿经错误率高，排除故障耗时耗力，导致工作效率降低，基于此，本发明提供的一种纱线识别方法及装置，利用图像采集设备对待测纱线进行快速图像采集，并通过立体视觉检测的方法，准确地判断出待测纱线的纱线数量，有利于快速高效的自动穿纱，进而提高工作效率。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种纱线识别方法进行详细介绍。

如图1所示，在本发明的一个实施例中，提供了一种应用于视觉检测模块的纱线识别方法，所述方法用于针对特定类型的纱线预先生成单根或多根纱线的判定标准，所述方法包括以下几个步骤。

S101，获取图像采集设备采集的一根或多根纱线的样本图像序列。

具体的，所述图像采集设备包括但不限于：相机或自动调焦相机等，可以用单个相机进行采集，也可以用采用两个性能参数的定焦相机同时采集等。由于对于不同的纱线类型采集到的纱线图像属性不同，因此需要根据生产需要在线生成判定标准，其判定标准生成过程由人工交互确定。针对每一种新类型纱线，需要人工交互采集10-20幅图像，通过对图像序列的特征进行提取，并对图像属性进行统计，最终确定判定标准。若需要预先生成单根的判定标准，只需用单根纱线作为采集样本；若需要预先生成多根(两根、三根或其他根数)纱线的判定标准，则需用多根纱线作为采集样本。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

S102，对所述样本图像序列的多帧样本图像进行形态学处理，得到满足特征提取条件的多帧样本图像帧。

S103，根据在每帧样本图像帧中提取的图像特征确定图像属性的多个属性参数。

具体的，图像特征提取包括：图像预处理，图像纱线目标分割，对目标图像区域进行后处理，之后对目标图像进行属性计算。所述图像属性包括：纱线目标区域面积、区域周长、线性特征和孔洞欧拉数，以及通过栅格扫描获取的信号变换次数等属性特征。除此之外，还可以计算样本纱线的矩特征、整图灰度值的矩特征、目标区域灰度值的矩特征和彩色纱线的RGB分量统计等属性特征。

对图像预处理主要包括：图像灰度化和图像的亮度调整，以及多种去除噪声的方法等。

目标分割部分包括：利用阈值分割算法完成图像的二值化。

对目标图像区域的后处理主要包括：采用形态学处理方法去除图像毛刺和分割后产生的小区域噪声，对于不光滑的边缘可以采用中值滤波、均值滤波、高斯滤波等形态学方法进行光滑处理。

计算图像属性的属性参数：通过对二值化图像的目标区域直接统计样本纱线的面积、周长和孔洞欧拉数；利用图像轮廓提取、线性特征拟合或采用霍夫变换方法获取目标图像的直线线性特征；利用栅格行扫描进行目标区域图像的灰度特征变化信息，具体过程为：对二值图像逐行扫描，发现一个0-1跃变则计数器加1，最终根据计数器的值计算整幅图像的脉冲数。

对于每帧图像，进行上述预处理、图像分割处理和形态学处理等过程，计算得到该帧图像的每个属性对应的属性参数。

S104，针对所述图像属性中的每个属性，将从多帧样本图像帧中提取的与自身对应的多个属性参数按照预设取值规则进行取值，得到自身的属性阈值。

具体的，针对图像属性中的任一属性，从多帧样本图像帧中得到对应该属性的多个属性参数，并将多个属性参数按照预设取值规则取值，得到该属性的属性阈值。例如，对于区域面积这一属性，取多个面积的最小值作为阈值；对于行信号变换次数这一属性，取变换次数的最小次数作为阈值等。

S105，根据按照取值规则取值的多个属性阈值确定一根或多根纱线的预设属性阈值。

具体的，将各个属性对应的多个属性阈值作为样本纱线(单根或多根纱线)的预设属性阈值。

S106，根据预设属性阈值和预设偏差范围确定属性参数范围。

具体的，对于每个属性，根据该属性的属性阈值和预设偏离值确定该属性的属性参数范围。将多个属性的属性参数范围作为样本纱线(单根或多根纱线)的属性参数范围(即判定标准)。

根据实际工作需要，可以只预先生成单根纱线的判定标准；也可以预先生成单根纱线和双根纱线的判定标准；也可以预先生成单根、双根和多根的判定标准，等等。

如图2所示，在本发明的另一个实施例中，提供了一种应用于视觉检测模块的纱线识别方法，所述方法用于根据预先生成单根或多根的判定标准，自动检测纱线的根数，所述方法包括以下几个步骤。

S201，获取所述图像采集设备采集的待测纱线的图像帧。

在实际应用中，由于相机在采集图像过程中会丢失距离信息，如果只在一个视角下对纱线进行判断，信息量不够完整，对于有多根纱线重合的情况，在同一个视角下获取的图像与单根纱线的图像显示特征区别很小，无法进行准确判断。因此需要从不同角度进行纱线图像的检测，即采用两个性能参数的相机：第一相机和第二相机，所述第一相机的光轴和所述第二相机的光轴之间呈预设锐角或直角，角度为30°-90°，两个相机必须同步采集。相机的具体安装位置可以调节，根据实际需要尽可能合理安排空间，优化整体机械布局。

此外，相机的拍摄背景方案可以为黑色，可以增加多色彩背景板，自动调节背景光度的设备也可以应用，以此来适应不同颜色纱线的识别，增强识别***的适用范围。

所述视觉检测模块可以为电脑等处理装置，通过有线方式或者无线方式与两个相机连接。由于设置有两个相机，且两个相机同步采集图像，所述视觉检测模块会同时获取所述第一相机采集的第一图像帧和第二相机采集的第二图像帧。

S202，在所述图像帧中提取所述待测纱线的图像特征。

具体的，对所述图像帧(包括：第一图像帧和第二图像帧)进行预处理、图像分割处理和形态学处理，之后在经过形态学处理后的图像帧提取所述待测纱线的图像特征，其图像特征提取过程与预先生成单根或多根纱线判定标准中的图像特征提取过程相同，这里不再详细描述。

S203，根据所述图像特征确定所述待测纱线的图像属性。

具体的，待测纱线经过拍摄、预处理、形态学处理和数据计算这几个步骤后，得到图像属性中每个属性的属性参数，之后判断所述图像属性是否满足任一预设属性条件(即单根的属性条件或者多根的属性条件)

S204，若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。

具体的，若预先生成预先生成单根和多根的判定标准，那么在判定过程中先优先判断是不是单根，再判断是不是多根。如图3所示，其具体判断方法包括以下步骤。

S301，判断所述图像属性中的任一属性是否均位于单根纱线对应的属性参数范围内。

S302，如果所述图像属性中的任一属性均位于单根纱线对应的属性参数范围内，确定识别到的纱线数量为单根。

具体的，根据优先级信息，将每个属性的属性参数与单根纱线对应的该属性的属性参数范围比较，若每个属性均位于与自身对应的属性参数范围中，判定识别到的纱线数量为单根。

对于图像属性中的不同属性，由于不同根数的纱线图像对于不同属性的敏感度不一，采用优先级排序比较的方法，可以提高准确性。因此，因此把具有典型变化特征的参数放在较高优先级，比如纱线目标区域的面积和行扫描脉冲数，而另外区域周长，线性特征和孔洞欧拉数这三个特征优先级较低，可以用来辅助判断，但不影响高优先级的判断结果。若高优先级特征的判断结果与低优先级的个别特征判断结果相冲突，以高优先级特征为准。

由于使用两个性能参数相同的相机同步采集，由两个相机得到的采集图像的图像属性需要同时与单根纱线对应的属性参数范围进行比较。并且，只有当对两个相机的采集图像的判定结果相同(即每个相机得到的采集图像的图像属性均位于单根纱线的属性参数范围内)时，才能确定识别到的纱线数量为单根。

S303，如果所述图像属性中的任一属性均不位于单根纱线对应的属性参数范围内，判断所述图像属性中的任一属性是否位于多根纱线对应的属性参数范围。

具体的，在比较过程中，由两个相机得到的采集图像的图像属性需要同时与多根纱线对应的属性参数范围进行比较。

S304，如果所述图像属性中的任一属性均位于多根纱线对应的属性参数范围，确定识别到的纱线数量为多根。

具体的，同样根据优先级信息，将每个属性的属性参数与多根纱线对应的该属性的属性参数范围比较，若每个属性均位于与自身对应的属性参数范围中，确定识别到的纱线数量为多根。

在实际应用中，预先生成不同根数的判定标准，不仅可以使待测纱线数量的具体判定过程提高精度，而且可以满足不同实际需求。

纱线根数判定标准的确定决定了后续穿经工作的准确性，不同的纱线的属性信息差异非常大。因此，当更换新类型的纱线时，需要对整个工作***进行重置，其中最重要的是对新样本纱线的属性参数范围进行重置，需要采用人工交互式的方法对判定标准重新进行训练，利用新样本纱线得到的新特征数据进行新属性参数范围的设置。

本发明实施例提供的一种纱线识别方法，利用图像采集设备对待测纱线进行快速图像采集，并通过立体视觉检测的方法，准确地判断出待测纱线的纱线数量，有利于快速高效的自动穿纱，提高工作效率。

与传统纺织机中的自动穿经相比，利用机器视觉代替人工监测工作状态不仅可以提高工作效率，也能提高工作精度，节省人力资源。同时，机械化生产代替手工劳动也是一个国家科技发展水平的重要衡量标准，因此，计算机视觉运用在自动化机械生产中，是顺应科技发展潮流的，目前机器视觉发展非常迅速，就像人的眼睛一样，若想让机器代替人来完成各种复杂工作，机器视觉的识别作用尤为重要。

国外的先进纺织机器在纱线根数监测上采用的是压敏传感器，而压敏传感器的主要部件为压敏电阻，基本功能就是把表面受到的压力转化为电信号，但是这个转化过程是非线性的，并且压敏电阻本身会有氧化、受外界环境干扰等缺点。因此在使用压敏传感器的时候，针对不同的工厂环境，调试工作繁杂，保养维护工作频繁，会大大影响生产效率和生产精度。而机器视觉***的环境适应性较强，***本身的寿命较长，不用频繁更换电子元器件，工作时的耗电量很低。因此，无论从工作复杂度还是资源节约上来对比，采用机器视觉***比采用压敏传感器都更优，更适合时代技术的发展背景，在后期的技术改进与融合方面，具有模拟电路不可比拟的优越性。

以下以举例方式说明本发明实施例提供的纺织机的穿经过程的具体过程：

一般情况下，穿针机在穿线时，要求一根针的针眼只能穿过一根纱线，因此，钩针勾出的纱线必须是单根的情况下，才能保证穿针机正常工作。

穿经过程的具体基本步骤如下：

1.把已有的纱线绷紧在固定支架上，利用毛刷刷齐纱线毛刺与纹理；

2.将已经横向排开的纱线送入穿针机；

3.穿针机利用机械钩针勾起其中一根纱线；

4.勾起此根纱线后拉到指定位置进行根数判断，以防止出现拉到多根纱线的现象；

5.若视觉检测模块判断钩针拉起的是单根纱线，则送入穿针结构进行穿经操作。

若预先只生成有单根纱线的判定标准时，当视觉检测模块判断拉起的是多根纱线时，发出故障报警，向工人提示工作状态非正常。

在纺织机的穿经过程中，本发明实施例提供的一种纱线识别方法，用于实时检测纺纱机经过分纱后的纱线状态，自动检测待测纱线的根数，进而代替人工检测工作，节省人力，进而提高工作效率。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。如图4所示，在本发明的另一个实施例中，还提供了一种纱线识别装置，所述装置包括：获取模块11、提取模块12、第一确定模块13和第二确定模块14。

获取模块11，用于获取用图像采集设备采集的待测纱线的图像帧；

提取模块12，用于在所述图像帧中提取所述待测纱线的图像特征；

第一确定模块13，用于根据所述图像特征确定所述待测纱线的图像属性；

第二确定模块14，用于若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。

在本发明的另一个实施例中，还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述程序代码使所述处理器执行所述纱线识别方法。

在本发明的另一个实施例中，还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述纱线识别方法。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

本发明实施例所提供的纱线识别方法及装置计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述功能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)执行本发明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。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种纱线识别方法，其特征在于，应用于视觉检测模块，包括：

获取图像采集设备采集的待测纱线的图像帧；

在所述图像帧中提取所述待测纱线的图像特征；

根据所述图像特征确定所述待测纱线的图像属性；

若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。

2.根据权利要求1所述的纱线识别方法，其特征在于，所述图像属性包括：区域面积、区域周长、线性特征、孔洞欧拉数和行扫描脉冲数等属性。

3.根据权利要求2所述的纱线识别方法，其特征在于，所述预设属性条件包括：属性参数范围，在获取用于采集待测纱线的图像的图像采集设备采集的图像帧之前，包括：

获取所述图像采集设备采集的一根或多根纱线的样本图像序列；

对所述样本图像序列的多帧样本图像进行形态学处理，得到满足特征提取条件的多帧样本图像帧；

根据在每帧样本图像帧中提取的图像特征确定图像属性的多个属性参数；

针对所述图像属性中的每个属性，将从多帧样本图像帧中提取的与自身对应的多个属性参数按照预设取值规则进行取值，得到自身的属性阈值；

根据按照取值规则取值的多个属性阈值确定一根或多根纱线的预设属性阈值；

根据预设属性阈值和预设偏差范围确定属性参数范围。

4.根据权利要求3所述的纱线识别方法，其特征在于，所述方法还包括：

判断所述图像属性是否满足任一预设属性条件；

所述判断所述图像属性是否满足任一预设属性条件，包括：

判断所述图像属性中的任一属性是否均位于单根纱线对应的属性参数范围内；

如果所述图像属性中的任一属性均位于单根纱线对应的属性参数范围内，确定识别到的纱线数量为单根；

如果所述图像属性中的任一属性均不位于单根纱线对应的属性参数范围内，判断所述图像属性中的任一属性是否位于多根纱线对应的属性参数范围；

如果所述图像属性中的任一属性均位于多根纱线对应的属性参数范围，确定识别到的纱线数量为多根。

5.根据权利要求4所述的纱线识别方法，其特征在于，判断所述图像属性中的任一属性是否均位于单根纱线对应的属性参数范围内，包括：

根据优先级信息，将每个属性的属性参数与单根纱线的属性参数范围中与其对应的属性参数范围进行比较。

6.根据权利要求5所述的纱线识别方法，其特征在于，所述图像采集设备包括：同步采集的第一相机和第二相机，所述第一相机的光轴和所述第二相机的光轴之间呈预设锐角或直角，所述获取用于采集待测纱线的图像的图像采集设备采集的图像帧，包括：

获取所述第一相机采集的第一图像帧和第二相机采集的第二图像帧。

7.根据权利要求6所述的纱线识别方法，其特征在于，在所述图像帧中提取所述待测纱线的图像特征，包括：

对所述图像帧进行预处理、图像分割处理和形态学处理；

在经过形态学处理后的图像帧提取所述待测纱线的图像特征。

8.一种经纱线识别装置，其特征在于，包括：

获取模块，用于获取图像采集设备采集的待测纱线的图像帧；

提取模块，用于在所述图像帧中提取所述待测纱线的图像特征；

第一确定模块，用于根据所述图像特征确定所述待测纱线的图像属性；

第二确定模块，用于若所述图像属性满足任一预设属性条件，将与所述预设属性条件对应的预设纱线数量确定为识别到的纱线数量。

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一所述的方法。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一所述的方法。