CN117670841A - 一种玻纤布面嵌入式毛团检测方法、设备及存储介质 - Google Patents

一种玻纤布面嵌入式毛团检测方法、设备及存储介质 Download PDF

Info

Publication number
CN117670841A
CN117670841A CN202311680057.6A CN202311680057A CN117670841A CN 117670841 A CN117670841 A CN 117670841A CN 202311680057 A CN202311680057 A CN 202311680057A CN 117670841 A CN117670841 A CN 117670841A
Authority
CN
China
Prior art keywords
gray level
gray
occurrence matrix
glass fiber
fiber cloth
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.)
Pending
Application number
CN202311680057.6A
Other languages
English (en)
Inventor
谈昆伦
陆长丽
周腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Original Assignee
Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd filed Critical Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Priority to CN202311680057.6A priority Critical patent/CN117670841A/zh
Publication of CN117670841A publication Critical patent/CN117670841A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及玻纤布生产技术领域，尤其涉及一种玻纤布面嵌入式毛团检测方法、设备及存储介质，检测方法包括以下步骤：设置监测区并获取玻纤布面的图像数据；对图像数据进行灰度处理，并转换为灰度图像数据f(x，y)；通过基于灰度的区域生长法对灰度图像数据进行分割，获取疑似区域；求取疑似区域的灰度共生矩阵；计算各疑似区域的灰度共生矩阵能量值；通过能量值判定疑似区域是否为毛团区域。检测方法具体分两步，先通过区域生长法找出疑似的毛团区域；再创建疑似区域的灰度共生矩阵并计算其能量值。鉴于灰度共生矩阵的能量特征反应了图像灰度分布均匀程度，因此便于判断疑似区域中是否存在嵌入式毛团缺陷。

Description

一种玻纤布面嵌入式毛团检测方法、设备及存储介质
技术领域
本发明涉及玻纤布生产技术领域，尤其涉及一种玻纤布面嵌入式毛团检测方法、设备及存储介质。
背景技术
玻纤布主要由玻璃纤维和短线针刺无纺布复合而成，玻璃纤维是一种性能优异的无机非金属材料，种类繁多，优点使绝缘性好、耐热性强、抗腐蚀性好，机械强度高，它是叶腊石、石英石、石灰石、白云石、硼钙石、硼镁石六种矿石为原料经高温熔制、拉丝、络纱、织布等工艺制造而成，玻纤布是玻璃纤维的产品之一。
玻纤布在生产过程中，机械摩擦产生的毛丝以及沉积的毛团会被织进布里，造成布面的报废。目前针对被编织进入布面的毛团采用人工抽检为主，无法保证玻纤布面的整体质量。而在大批量工业生产过程中，由于现场产线的速度过快，通过人眼也无法实时检测布面状态的。
发明内容
本发明提供了一种玻纤布面嵌入式毛团检测方法、设备及存储介质，可有效解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：
一种玻纤布面嵌入式毛团检测方法、设备及存储介质，包括以下步骤：
设置监测区并获取玻纤布面的图像数据；
对所述图像数据进行灰度处理，并转换为灰度图像数据f(x，y)；
通过基于灰度的区域生长法对所述灰度图像数据进行分割，获取疑似区域；
求所述取疑似区域的灰度共生矩阵；
计算各所述疑似区域的灰度共生矩阵能量值；
通过能量值判定疑似区域是否为毛团区域。
进一步的，所述疑似区域的获取包括以下步骤：
S11：按顺序遍历所述灰度图像数据的像素点，并将扫描到的第一个未归属的像素点设为f(x0，y0)；
S12：以f(x0，y0)为中心进行8邻域生长，并将满足生长准则的像素点统计为新增区域；
S13：从所述新增区域中选取一个像素点，并临时设为f(x0，y0)返回步骤S12；
S14：遍历所述新增区域中的所有像素点，返回步骤S11；
S15：重复步骤S11～S14至所述灰度图像数据所有像素点均有归属，得到多个所述疑似区域。
进一步的，所述生长规则为两个像素点的灰度差小于设定的像素灰度级；
在玻纤布面检测过程中，所述生长规则中设定的像素灰度级采用两像素点的灰度值差在10以内表示。
进一步的，在所述疑似区域的灰度共生矩阵的创建过程中，首先根据所述疑似区域输出其所对应的灰度直方图，其次根据所述灰度直方图中灰度级别的数量将所述疑似区域转换为像素矩阵，最后创建所述像素矩阵的灰度共生矩阵并计算其能量值。
进一步的，将所述疑似区域中的像素点转换为其所对应的灰度级，并生成所述像素矩阵；
根据灰度直方图中的灰度阶确定灰度共生矩阵的阶数。
进一步的，在灰度共生矩阵的创建过程中，根据玻纤布面特征，设定45°扫查方向以及1个像素单位的距离，用于定义像素对；
历遍像素矩阵中的所有元素，并排列出每个元素在设定方向和距离的像素对，统计并输出至灰度共生矩阵中相应元素的值。
进一步的，在灰度共生矩阵能量值的计算过程中，首先对灰度共生矩阵进行归一化处理，再根据归一化灰度共生矩阵计算能量值ASM，具体采用如下公式：
其中，P(i,j)表示灰度级i和灰度级j在设定方向和距离上共同出现的概率，N表示灰度级别的数量，i和j是灰度共生矩阵行和列的索引，分别代表灰度级别。
进一步的，将灰度共生矩阵的能量值与预设阈值比较，若能量值小于预设阈值，则判定对应所述疑似区域存在毛团区域。
一种计算机设备，包括相机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述方法。
一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述方法。
本发明的有益效果为：本发明通过基于灰度的区域生长法对灰度图像数据进行分割，找出疑似的毛团区域；再创建疑似区域的灰度共生矩阵并计算其能量值。鉴于灰度共生矩阵的能量特征反应了图像灰度分布均匀程度和纹理粗细度。能量值大表明当前纹理是一种规则变化较为稳定的纹理，因此便于判断疑似区域中是否存在嵌入式毛团缺陷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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中记载的一些实施例，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为本发明中方法的流程图；
图2为本发明实施例中疑似区域的示意图；
图3为本发明实施例中疑似区域对应像素矩阵的示意图；
图4为本发明实施例中疑似区域对应灰度共生矩阵的示意图；
图5为本发明中计算机设备的示意图；
图6为本发明中玻纤布面嵌入式毛团的图像数据示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1至图6所示的一种玻纤布面嵌入式毛团检测方法、设备及存储介质，其检测方法包括以下步骤：
设置监测区并获取玻纤布面的图像数据；对图像数据进行灰度处理，并转换为灰度图像数据f(x，y)；通过基于灰度的区域生长法对灰度图像数据进行分割，获取疑似区域；求取疑似区域的灰度共生矩阵；计算各疑似区域的灰度共生矩阵能量值；通过能量值判定疑似区域是否为毛团区域。
玻纤布面的生产过程中存在毛丝、毛团落入针床并被编织进入布面的情况，采用视觉检测技术识别被编入的毛团时，单一通过灰度检测，由于毛团的灰度和布面的灰度基本上是接近，因此无法准确测出毛团。
本发明通过编织完成后玻纤布面的纹理特性来进行相应的检测，即当玻纤布面出现被编入毛团的情况时，该毛团区域的布面纹理一定比正常布面纹理更加复杂，因此通过选择合适的特征量度量布面纹理特性，用于玻纤布面嵌入式毛团的检测；检测方法大体分为两步，首先在图像数据中找出疑似的毛团区域，再通过区域的纹理特征量来精确的筛选出毛团区域。
纹理特征量来精确的筛选出毛团区域，疑似区域的获取包括以下步骤：
S11：按顺序遍历灰度图像数据的像素点，并将扫描到的第一个未归属的像素点设为f(x0，y0)；
S12：以f(x0，y0)为中心进行8邻域生长，并将满足生长准则的像素点统计为新增区域；
S13：从新增区域中选取一个像素点，并临时设为f(x0，y0)返回步骤S12；
S14：遍历新增区域中的所有像素点，返回步骤S11；
S15：重复步骤S11～S14至灰度图像数据所有像素点均有归属，得到多个疑似区域。
其中，生长规则为两个像素点的灰度差小于设定的像素灰度级；在玻纤布面检测过程中，生长规则中设定的像素灰度级采用两像素点的灰度值差在10以内表示。
在具体实施过程中，设一幅图像为f(x,y)，首先找到图像的左上角原点灰度值f(0,0)，然后按照图像的8领域路径进行生长，生长的规则在于两个像素点的灰度差必须要小于一定的像素灰度级，一般在使用的过程中是设定10，也即根据一个基点，从该像素点的8邻域出发，若有一个像素点和基点的像素灰度值差在10以内，那就把像素点和基点归到一类，并把新的像素点作为基点，按照此方法，遍历整幅图像计算出一幅图像中所有灰度值相差不大的区域。
进一步的，比较出疑似区域和正常区域的纹理不同之处，本发明在此引入统计学的原理也即计算出不同位置下像素的分布情况，因为如果是纹理图像，那么不同位置的像素在不同的空间灰度会呈现相应的特性，也叫做灰度共生矩阵。然后再利用灰度共生矩阵的能量特性来筛选出相应的毛团区域。
在疑似区域的灰度共生矩阵的创建过程中，首先根据疑似区域输出其所对应的灰度直方图，其次根据灰度直方图中灰度级别的数量将疑似区域转换为像素矩阵，最后创建像素矩阵的灰度共生矩阵并计算其能量值。
灰度共生矩阵的能量特征反应了图像灰度分布均匀程度和纹理粗细度。能量值大表明当前纹理是一种规则变化较为稳定的纹理。
其中，将疑似区域中的像素点转换为其所对应的灰度级，并生成像素矩阵；根据灰度直方图中的灰度阶确定灰度共生矩阵的阶数。即疑似区域中具备几个灰度级数，便设定对应阶数的灰度共生矩阵。
进一步的，在灰度共生矩阵的创建过程中，根据玻纤布面特征，设定45°扫查方向以及1个像素单位的距离，用于定义像素对；历遍像素矩阵中的所有元素，并排列出每个元素在设定方向和距离的像素对，统计并输出至灰度共生矩阵中相应元素的值。
在灰度共生矩阵能量值的计算过程中，首先对灰度共生矩阵进行归一化处理，将灰度共生矩阵的每个元素除以元素的总数，以得到每个元素的概率，再根据归一化灰度共生矩阵计算能量值ASM，具体采用如下公式：
其中，P(i,j)表示灰度级i和灰度级j在设定方向和距离上共同出现的概率，N表示灰度级别的数量，i和j是灰度共生矩阵行和列的索引，分别代表灰度级别。
在具体实施过程中，首先计算出疑似区域的灰度直方图，疑似区域可参见图2所示，若此时得到的灰度直方图中有0，2，4，8，16这些灰度值，那么从小到大需要对灰度值进行排列，那么可以分为5级，并采用灰度级数替换疑似区域中各像素点灰度值，得到像素矩阵，如图3所示；此时像素矩阵所对应的灰度共生矩阵是5阶矩阵，统计得到的灰度共生矩阵如图4所示。
其中，注意根据现场玻纤布品种的特性扫查方向为45度方向，也即斜向扫查。在得到灰度共生矩阵后通过共生矩阵的能量特性，求出疑似区域关于灰度共生矩阵的能量特性。
最后将灰度共生矩阵的能量值与预设阈值比较，若能量值小于预设阈值，则判定对应疑似区域存在毛团区域。
能量值是对图像纹理的灰度变化稳定程度的度量，反应了图像灰度分布均匀程度和纹理粗细度。能量值大才表明当前纹理是一种规则变化较为稳定的纹理。
请参见图5示出的本申请实施例提供的计算机设备的结构示意图。本申请实施例提供的一种计算机设备400，包括：相机、处理器410和存储器420，存储器420存储有处理器410可执行的计算机程序，计算机程序被处理器410执行时执行如上的方法。
本申请实施例还提供了一种存储介质430，该存储介质430上存储有计算机程序，该计算机程序被处理器410运行时执行如上的方法。
其中，存储介质430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory,简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM)，可编程只读存储器(Programmable Red-Only Memory,简称PROM)，只读存储器(Read-Only Memory,简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种玻纤布面嵌入式毛团检测方法，其特征在于，包括以下步骤：
设置监测区并获取玻纤布面的图像数据；
f(x，y)
通过基于灰度的区域生长法对所述灰度图像数据进行分割，获取疑似区域；
求所述取疑似区域的灰度共生矩阵；
计算各所述疑似区域的灰度共生矩阵能量值；
通过能量值判定疑似区域是否为毛团区域。
2.根据权利要求1所述的玻纤布面嵌入式毛团检测方法，其特征在于，所述疑似区域的获取包括以下步骤：
S11：按顺序遍历所述灰度图像数据的像素点，并将扫描到的第一个未归属的像素点设为f(x0，y0)；
S12：以f(x0，y0)为中心进行8邻域生长，并将满足生长准则的像素点统计为新增区域；
S13：从所述新增区域中选取一个像素点，并临时设为f(x0，y0)返回步骤S12；
S14：遍历所述新增区域中的所有像素点，返回步骤S11；
S15：重复步骤S11～S14至所述灰度图像数据所有像素点均有归属，得到多个所述疑似区域。
3.根据权利要求2所述的玻纤布面嵌入式毛团检测方法，其特征在于，所述生长规则为两个像素点的灰度差小于设定的像素灰度级；
在玻纤布面检测过程中，所述生长规则中设定的像素灰度级采用两像素点的灰度值差在10以内表示。
4.根据权利要求1所述的玻纤布面嵌入式毛团检测方法，其特征在于，在所述疑似区域的灰度共生矩阵的创建过程中，首先根据所述疑似区域输出其所对应的灰度直方图，其次根据所述灰度直方图中灰度级别的数量将所述疑似区域转换为像素矩阵，最后创建所述像素矩阵的灰度共生矩阵并计算其能量值。
5.根据权利要求4所述的玻纤布面嵌入式毛团检测方法，其特征在于，将所述疑似区域中的像素点转换为其所对应的灰度级，并生成所述像素矩阵；
根据灰度直方图中的灰度阶确定灰度共生矩阵的阶数。
6.根据权利要求4所述的玻纤布面嵌入式毛团检测方法，其特征在于，在灰度共生矩阵的创建过程中，根据玻纤布面特征，设定45°扫查方向以及1个像素单位的距离，用于定义像素对；
历遍像素矩阵中的所有元素，并排列出每个元素在设定方向和距离的像素对，统计并输出至灰度共生矩阵中相应元素的值。
7.根据权利要求4所述的玻纤布面嵌入式毛团检测方法，其特征在于，在灰度共生矩阵能量值的计算过程中，首先对灰度共生矩阵进行归一化处理，再根据归一化灰度共生矩阵计算能量值ASM，具体采用如下公式：
其中，P(i,j)表示灰度级i和灰度级j在设定方向和距离上共同出现的概率，N表示灰度级别的数量，i和j是灰度共生矩阵行和列的索引，分别代表灰度级别。
8.根据权利要求4所述的玻纤布面嵌入式毛团检测方法，其特征在于，将灰度共生矩阵的能量值与预设阈值比较，若能量值小于预设阈值，则判定对应所述疑似区域存在毛团区域。
9.一种计算机设备，包括相机、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-8中任一项所述的方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
CN202311680057.6A 2023-12-07 2023-12-07 一种玻纤布面嵌入式毛团检测方法、设备及存储介质 Pending CN117670841A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311680057.6A CN117670841A (zh) 2023-12-07 2023-12-07 一种玻纤布面嵌入式毛团检测方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311680057.6A CN117670841A (zh) 2023-12-07 2023-12-07 一种玻纤布面嵌入式毛团检测方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117670841A true CN117670841A (zh) 2024-03-08

Family

ID=90086078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311680057.6A Pending CN117670841A (zh) 2023-12-07 2023-12-07 一种玻纤布面嵌入式毛团检测方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117670841A (zh)

Similar Documents

Publication Publication Date Title
CN113724241B (zh) 一种碳纤维经编织物的毛丝检测方法、装置和存储介质
JP2012026982A (ja) 検査装置
CN110243923B (zh) 基于交流电磁场的腐蚀缺陷可视化成像及评估方法
CN113592867B (zh) 一种基于碳纤维布面残留捆绑纱的检测方法
CN110189297B (zh) 一种基于灰度共生矩阵的磁性材料外观缺陷检测方法
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN116008289B (zh) 一种非织造产品表面缺陷检测方法及***
CN111275705A (zh) 智能验布方法、装置、电子设备及存储介质
US10775349B2 (en) Defect detection using ultrasound scan data
Margraf et al. An evolutionary learning approach to self-configuring image pipelines in the context of carbon fiber fault detection
CN116843627A (zh) 玻纤布面捆绑纱的断纱检测方法、装置、设备及存储介质
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
CN115905990A (zh) 一种基于密度聚集算法的变压器油温异常监测方法
CN115861310A (zh) 一种床单表面纺织缺陷检测方法
CN113469293B (zh) 面板阵列短路检测方法、装置、电子设备及存储介质
CN117670841A (zh) 一种玻纤布面嵌入式毛团检测方法、设备及存储介质
CN111337512B (zh) 用于aoi缺陷检测的缺陷提取方法
CN108428247A (zh) 焊锡点方向的检测方法和***
CN116894840A (zh) 纺纱打样机产品质量检测方法及***
CN114140336B (zh) 一种基于红外图像的坏点处理方法及装置
CN114066881B (zh) 一种基于非线性变换检测方法、计算机设备及存储介质
US20220292662A1 (en) Information processing apparatus,information processing method,and non-transitory computer-readable storage medium
CN114782426A (zh) 基于人工智能***的针织布料断纱缺陷检测方法
CN113205497B (zh) 双丝型像质计图像处理方法、装置、设备及介质
CN115908404B (zh) 图像条纹干扰的检测方法、装置、电子设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination