[發(fā)明專利]一種基于機器視覺的紗線疵點檢測方法

在審

• 申請?zhí)枺?/td>: 202010631741.5
• 申請日: 2020-07-03
• 公開（公告）號: CN111862008A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 張緩緩;趙妍;景軍鋒;李鵬飛;蘇澤斌
• 申請（專利權(quán)）人: 西安工程大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/155;G06T7/62;G06K9/62;G01B11/08;G01N21/88
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 燕肇琪

1.一種基于機器視覺的紗線疵點檢測方法，其特征在于，步驟為：

步驟1，將待檢測的紗線圖像預(yù)處理后得到預(yù)處理圖像；

步驟2，對預(yù)處理圖像進行融合空間的模糊C-均值聚類方法處理，得到紗線條干圖片；

步驟3，將紗線條干圖像采用形態(tài)學(xué)開運算進行處理，得到更精確的紗線條干圖片，計算更精確的紗線條干圖片中紗線平均直徑與測量直徑；

步驟4，利用紗線疵點判定標準檢測開運算圖像中紗線疵點的種類和個數(shù)。

2.如權(quán)利要求1所述的一種基于機器視覺的紗線疵點檢測方法，其特征在于，所述步驟1的步驟為：將待檢測的紗線圖像縮放至256×256像素，然后將紗線圖像轉(zhuǎn)為灰度圖像，得到預(yù)處理圖像。

3.如權(quán)利要求1所述的一種基于機器視覺的紗線疵點檢測方法，其特征在于，所述步驟2具體步驟為：

步驟2.1，用X＝(x₁,x₂,…x_i....x_N)標記預(yù)處理圖像，將N個像素分成C類，其中X_i表示光譜特征；

步驟2.2，定義最小化目標函數(shù)為：

式中：u′_ij為融合空間信息的隸屬函數(shù)，表示x_j像素在第i類中的隸屬度；v_i為聚類中心的更新公式，表示第i個聚類中心，||.||表示范數(shù)度量，m控制產(chǎn)生分區(qū)的模糊性；

所述聚類中心的更新公式為：

所述融合空間信息的隸屬函數(shù)的公式為：

其中k為常數(shù)，p和q分別表示兩個常數(shù)，控制產(chǎn)生分區(qū)的模糊性；

所述u_ij為模糊C-均值聚類方法的隸屬函數(shù)；所述h_ij為空間函數(shù)，表示像素x_j屬于第i類的概率，其中u_ij和h_ij的公式如公式(4)和公式(5)：

式中：NB(x_j)表示在空間鄰域中以像素x_j為中心的窗口(5×5)；

步驟2.3，以每個聚類中心的初始假設(shè)開始即i＝0，對最小化目標函數(shù)進行迭代操作，得到新的空間映射圖片和迭代中心，通過判斷相鄰兩次聚類中心之間的差值來判斷迭代是否結(jié)束，迭代結(jié)束后，取最終得到的新的空間映射圖片作為更精確的紗線條干圖像。

4.如權(quán)利要求3所述的一種基于機器視覺的紗線疵點檢測方法，其特征在于，所述步驟2.3中判斷迭代是否結(jié)束的方式為，若相鄰兩次聚類中心之間的差值0.02時即v_i+1-v_i0.02，迭代停止，否則繼續(xù)迭代。

5.如權(quán)利要求1所述的一種基于機器視覺的紗線疵點檢測方法，其特征在于，所述步驟3的具體方法為：

步驟3.1，對紗線條干圖像以大小為7*7的圓盤進行形態(tài)學(xué)開運算處理，獲取到更精確的紗線條干圖像；

步驟3.2，根據(jù)提取的紗線條干計算紗線測量直徑與平均直徑，測量直徑即條干上下邊緣點之間的距離，紗線平均直徑即測量直徑之和的平均值。

6.如權(quán)利要求1所述的一種基于機器視覺的紗線疵點檢測方法，其特征在于，所述步驟4具體包括以下步驟：

步驟4.1，輸入紗線平均直徑；

步驟4.2，設(shè)置紗線疵點的閾值；紗線疵點分為棉結(jié)、粗節(jié)和細節(jié)三種；其中粗節(jié)定義為紗線直徑大于130％平均直徑且小于200％平均直徑，長度不小于4mm；細節(jié)定義為紗線直徑小于50％平均直徑且長度不小于4mm；棉結(jié)定義為紗線直徑大于200％平均直徑且長度為1至4mm；

步驟4.3，輸入測量直徑，根據(jù)步驟4.2中設(shè)置的閾值判定紗線疵點的種類；

步驟4.4，對各個種類的紗線疵點進行計數(shù)。