一种络筒机智能清纱控制方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种络筒机智能清纱控制方法及系统，该方法包括分割纱线图像中的纱线与背景；基于纱线的分割图确定缺陷的感兴趣区域和纱线本体；获取感兴趣区域的第一像素和以及每个像素点与纱线本体的距离，根据距离对像素点分配权重，以权重对像素值加权求和得到第二像素和；根据第一像素和与第二像素和得到聚集程度；获取感兴趣区域中每列像素的第三像素和，根据第三像素和得到感兴趣区域中每列像素的均值和方差；根据均值和方差得到均匀程度；根据均匀程度和聚集程度计算分布集中度，进而判断缺陷的类型为飞花或粗节；基于缺陷的类型控制相应的修剪工具对实际的纱线进行处理，解决了不能准确区分飞花和粗节类型的问题。和粗节类型的问题。和粗节类型的问题。

【技术实现步骤摘要】
一种络筒机智能清纱控制方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种络筒机智能清纱控制方法及系统。

技术介绍

[0002]纺织行业中纺纱环节是织造布料的重要一环，在纺纱环节中会出现各种各样的缺陷，这些缺陷大都会影响纱线的粗细，进而影响布面平整度，而其中飞花与粗节这两种类型的缺陷形成过程相似，从外观上看难以准确区分，导致络筒机清纱过程难以精准控制。但是飞花是在成纱过程中空气中的浮纱轻微纺入纱线，为缠绕在纱线本体表面的浮纱纤维，修复简单；而粗节是空气中的浮纱纺入纱线的内部，在纱线内部形成高密度纤维节，使纱线本体变粗，影响纱线整体的强度，修复繁琐。
[0003]目前检测飞花与粗节这两种缺陷的方法通常为阈值分割等常规图像处理技术，通过将纱线图像进行阈值分割，能够将缺陷分割出来。
[0004]专利技术人在实践中，发现上述现有技术存在以下缺陷：由于上述现有技术能够分割缺陷，但是无法准确区分缺陷的类型是粗节还是飞花。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种络筒机智能清纱控制方法及系统，所采用的技术方案具体如下：第一方面，本专利技术实施例提供了一种络筒机智能清纱控制方法，包括：采集纱线的图像，所述图像包括纱线和背景；分割所述图像中的纱线与背景，得到纱线的分割图；基于所述纱线的分割图确定缺陷的感兴趣区域和纱线本体；获取所述感兴趣区域的第一像素和以及每个像素点与所述纱线本体的距离，根据所述距离对相应的像素点分配权重，以所述权重对相应的像素值进行加权求和得到第二像素和；计算所述第一像素和与第二像素和的比值得到缺陷的聚集程度；获取所述感兴趣区域中每列像素的第三像素和，根据所述第三像素和得到所述感兴趣区域中每列像素的均值，基于所述均值得到每列像素的方差；根据所述均值和方差得到缺陷的均匀程度；根据所述均匀程度和所述聚集程度计算所述缺陷的分布集中度；利用所述分布集中度判断所述缺陷的类型为飞花或者粗节；基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理。
[0006]进一步，所述根据所述均值和方差得到缺陷的均匀程度的步骤还包括：通过计算所述均值与所述方差的差值，所述差值与所述均值的比值为所述均匀程度。
[0007]进一步，所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括：基于所述纱线的延伸方向，获取所述分割图中平行于所述延伸方向的每行像素点
的第一像素和，最大的所述第一像素和为所述纱线本体所在的第一目标行，最小的第一像素和为纱线间隙的第二目标行；将所述第一目标行和所述第二目标行之间的区域确定为所述感兴趣区域。
[0008]进一步，所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括：基于所述纱线的延伸方向，获取所述分割图中平行于所述延伸方向的每行像素点的第一像素和，最大的所述第一像素和为所述纱线本体所在的第一目标行，最小的第一像素和为纱线间隙的第二目标行；将与所述纱线相邻的两个所述第二目标行和之间的区域确定为所述感兴趣区域。
[0009]进一步，所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括：利用窗口对所述感兴趣区域进行遍历，在所述窗口的灰度值大于阈值时，确定所述窗口的位置为缺陷位置；利用所述缺陷位置进一步缩小所述感兴趣区域。
[0010]进一步，所述缺陷的分布集中度为所述均匀程度和所述聚集程度的均方根。
[0011]进一步，分割所述图像中的纱线与背景的方法采用自适应阈值分割法。
[0012]进一步，所述基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理的步骤包括：在所述缺陷类型为粗节时，控制相应的剪刀将粗节的两端剪开并重新接线。
[0013]进一步，所述基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理的步骤包括：在所述缺陷类型为飞花时，对于轻度飞花则控制相应的扁口夹采用柱面遍历夹取的方式去除飞花。
[0014]第二方面，本专利技术实施例提供了一种络筒机智能清纱控制系统，包括存储器、处理器以及存储在所述存储器中并可在所述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上述任意一种所述方法的步骤。
[0015]本专利技术实施例的有益效果：本专利技术实施例通过获取待检测的纱线的灰度化图像，并对其进行灰度自适应阈值分割，得到纱线与背景的分割图；根据分割图计算出单支纱线的检测区域，根据检测区域内的灰度分布计算单支纱线的灰度分布集中度。根据灰度分布集中度判断缺陷为飞花或粗节，基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理，本专利技术实施例所提供的方法不仅能够准确区分缺陷的类型是粗节还是飞花，还能够根据缺陷类型控制相应的修剪工具对纱线进行处理，解决了现有技术中不能准确区分飞花和粗节类型的缺陷问题。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0017]图1为本专利技术一个实施例提供的一种络筒机智能清纱控制方法的流程图；图2为本专利技术一个实施例提供的对纱线进行阈值分割的示意图；图3为本专利技术一个实施例提供的粗节和飞花缺陷类型的对照图；图4为本专利技术一个实施例提供的无缺陷的灰度分布曲线示意图；图5为本专利技术一个实施例所提供的基于所述纱线的分割图确定缺陷的感兴趣区域
的步骤示意图；图6为本专利技术一个实施例提供的存在缺陷的灰度分布曲线示意图；图7为本专利技术另一个实施例所提供的所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤示意图；图8为本专利技术一个实施例提供的窗口遍历感兴趣区域的示意图；图9为本专利技术一个实施例提供的在单支纱线上存在两个缺陷区域的示意图；图10为本专利技术一个实施例提供的优化后的感兴趣区域的示意图；图11为本专利技术一个实施例提供的在感兴趣区域内浮纱的像素点与纱线本体之间的位置关系的示意图。
具体实施方式
[0018]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种络筒机智能清纱控制方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0019]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专利技术的
的技术人员通常理解的含义相同。
[0020]为了识别纱线的缺陷类型是飞花还是粗节，以根据该缺陷类型对相应的纱线进行修复，本专利技术实施例根据纱线本体与浮纱在图像中所呈现的像素特征确定缺陷的感兴趣区域，通过对感兴趣区域中相应像素分布的集中程度确定缺陷类型，进而根据该缺陷类型确定修复手段。本专利技术实施例所提供的方法相对于现有技术来说能够准确的确定缺陷的类型，相比较利用机器学习的方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.络筒机智能清纱控制方法，其特征在于，包括：采集纱线的图像，所述图像包括纱线和背景；分割所述图像中的纱线与背景，得到纱线的分割图；基于所述纱线的分割图确定缺陷的感兴趣区域和纱线本体；获取所述感兴趣区域的第一像素和以及每个像素点与所述纱线本体的距离，根据所述距离对相应的像素点分配权重，以所述权重对相应的像素值进行加权求和得到第二像素和；计算所述第一像素和与第二像素和的比值得到缺陷的聚集程度；获取所述感兴趣区域中每列像素的第三像素和，根据所述第三像素和得到所述感兴趣区域中每列像素的均值，基于所述均值得到每列像素的方差；根据所述均值和方差得到缺陷的均匀程度；根据所述均匀程度和所述聚集程度计算所述缺陷的分布集中度；利用所述分布集中度判断所述缺陷的类型为飞花或者粗节；基于所述缺陷的类型控制相应的修剪工具对实际的纱线进行处理。2.权利要求1所述的一种络筒机智能清纱控制方法，其特征在于，所述根据所述均值和方差得到缺陷的均匀程度的步骤还包括：通过计算所述均值与所述方差的差值，所述差值与所述均值的比值为所述均匀程度。3.权利要求1所述的一种络筒机智能清纱控制方法，其特征在于，所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括：基于所述纱线的延伸方向，获取所述分割图中平行于所述延伸方向的每行像素点的第一像素和，最大的所述第一像素和为所述纱线本体所在的第一目标行，最小的第一像素和为纱线间隙的第二目标行；将所述第一目标行和所述第二目标行之间的区域确定为所述感兴趣区域。4.权利要求1所述的一种络筒机智能清纱控制方法，其特征在于，所述基于所述纱线的分割图确定缺陷的感兴趣区域的步骤包括：基于所...

【专利技术属性】
技术研发人员：林康群，黄曼贞，
申请(专利权)人：海门市恒昌织带有限公司，
类型：发明
国别省市：