【技术实现步骤摘要】
本专利技术涉及激光雷达，更具体地说，本专利技术是纺织材料激光雷达图像增强式断线识别方法及系统。
技术介绍
1、纱线牵伸过程中可能产生断线故障，导致牵伸中断影响细纱生产，现有的基于视觉检测的断线识别方法，通过设定移动光学摄像头对纱线区域进行拍摄成像，并对纱线图像进行识别处理，判断纱线断线故障，然而，光学摄像头难以对多个纱线区域进行实时的监控处理，且移动启停的控制方式结构复杂，容易发生故障，断线检测的故障停滞时间过长，影响细纱生产的恢复时效性；
2、运用激光雷达技术对细纱断线进行检测，若多条细纱的材料特性不同，不同细纱对激光的反射效率存在差异，用于捕捉反射激光的光电探测器难以识别不同的细纱，无法有效地对细纱断线故障进行有效的识别判断，若叠加细纱机中细纱运行速度的差异，则激光扫描会产生动态模糊，提高了对激光雷达成像的比对的判断难度，难以对细纱断线进行有效识别，同时，对实时传输的图像数据进行持续处理对断线识别系统的计算资源产生了沉重压力。
3、为解决上述缺陷，现提出一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供纺织材料激光雷达图像增强式断线识别方法及系统，具体步骤包括：
2、步骤s1，通过激光雷达对目标区域进行激光脉冲扫描，采集目标区域的纱线运动变化信息，并记录激光脉冲的扫描模式，结合网络实时将激光雷达图像数据上传至图像处理服务器；所述目标区域为细纱机前罗拉下端至钢领的细纱区域；
3、步骤s2，在图像处理
4、步骤s3，根据对激光脉冲扫描与纱线运动的匹配性评估结果对激光雷达图像的真伪性进行检验，并根据已知的激光雷达图像的真伪性检验结果建立置信模型，对图像处理服务器实时获取的激光雷达图像进行置信检验，根据置信检验的结果将激光雷达图像添加置信标签，置信标签包括高置信图像和低置信图像；
5、步骤s4，对高置信图像进行去噪增强和标准化处理，生成待处理图像，结合边缘检测方法提取待处理图像中纹理特征和反射强度波动特征，对纹理特征和反射强度波动特征进行融合后转化为特征向量，运用深度学习方法对断线图像进行识别，结合待处理图像的置信度标签和真伪标签对断线识别进行验证。
6、在一个优选的实施方式中，步骤s1包括以下内容：
7、s1-1，确定激光雷达的目标区域，包括目标区域内细纱的位置、分布、数量，将目标区域分为若干子区域，每个子区域对应一条细纱的激光扫描；
8、s1-2，确定激光雷达的参数和纱线的特性信息，包括激光雷达的波长范围，功率范围，速度范围，每条纱线的反射率，每条细纱的运动速度，其中为细纱的索引；
9、s1-3，在激光雷达扫描过程中记录激光雷达的实时波长和功率作为扫描模式，通过激光扫描记录目标区域细纱的反射率和运动速度作为纱线运动变化信息，对扫描模式和纱线运动信息标记时间戳，并将实时获取的激光雷达图像与对应时间戳的扫描模式和纱线运动信息通过配置网络上传至图像处理服务器。
10、在一个优选的实施方式中，步骤s2包括以下内容：
11、s2-1，根据激光脉冲的扫描模式，标记激光脉冲在照射上一子区域时的波长为，激光脉冲在时间间隔后照射下一子区域时的波长为，则激光脉冲在时间间隔后的波长变化率为；
12、s2-2，根据激光脉冲的扫描模式，标记激光脉冲在照射上一子区域时的功率为，激光脉冲在时间间隔后照射下一子区域时的功率为，则激光脉冲在时间间隔后的功率变化率为；
13、s2-3，通过定义激光扫描的功率和波长对纱线反射强度的影响函数评估激光调整逻辑变化对目标区域的影响程度，获得激光扫描影响系数；
14、s2-4，根据激光脉冲的波长变化率、功率变化率和激光扫描影响系数获得激光特征变化率，激光特征变化率的计算表达式为；
15、s2-5，根据纱线运动变化信息，将各纱线的反射率和运动速度转化为时域信号，标定纱线的反射率在时刻为，纱线的运动速度在时刻为，并对和进行滤波去噪和标准化处理；
16、s2-6，运用小波分解方法对滤波去噪和标准化处理后的时域信号进行分解，对纱线的反射率进行小波分解获得反射率信号的高频部分系数，计算反射率变化率为，式中，和分别为时刻和时刻的反射率信号的高频部分系数，对纱线的运动速度进行小波分解获得反射率信号的高频部分系数，计算运动速度变化率为，式中，和分别为时刻和时刻的运动速度信号的高频部分系数；
17、s2-7，根据反射率变化率和运动速度变化率获取目标特征变化率，目标特征变化率的表达式为，式中，为目标特征变化率，分别为反射率变化率和运动速度变化率的权重系数，且均为正数；
18、s2-8，通过计算激光特征变化率和目标特征变化率间的皮尔逊相关系数进行相关性验证，皮尔逊相关系数的计算表达式为，式中，为激光特征变化率和目标特征变化率间的皮尔逊相关系数，为激光特征变化率和目标特征变化率间的协方差，和分别为激光特征变化率和目标特征变化率的标准差，通过计算激光特征变化率和目标特征变化率的欧几里得距离评估激光特征变化率和目标特征变化率的差异性，欧几里得距离的计算表达式为；
19、s2-9，根据皮尔逊相关系数和欧几里得距离对激光特征变化率和目标特征变化率的契合度进行评估，契合度的表达式为，设定契合度阈值为，若契合度大于等于契合度阈值，则标记激光扫描契合纱线运动特征，若契合度小于契合度阈值，则标记激光扫描偏离纱线运动特征。
20、在一个优选的实施方式中，s2-3中通过定义激光扫描的功率和波长对纱线反射强度的影响函数评估激光调整逻辑变化对目标区域的影响程度，获得激光扫描影响系数的逻辑为：
21、s2-3-1，标定波长影响函数表征激光调整逻辑变化时激光波长对目标区域的影响程度，使用二次多项式模型对波长影响函数进行定义，则波长影响函数为，式中，为通过激光扫描获得的纱线反射强度，为激光扫描的波长，其中为模型参数，使用最小二乘法对二次多项式模型进行拟合，定义误差函数为，式中，为第次扫描的纱线实际反射强度，为激光扫描的次数，为模型预测的纱线反射强度，对关于求偏导数并设置为0，获得波长方程为，求解波长方程获得模型参数，并代入二次多项式模型获得波长影响函数；
22、s2-3-2，标定功率影响函数表征激光调整逻辑变化时激光功率对目标区域的影响程度，使用对数型模型对功率影响函数进行定义，则功率影响函数为，式中，为通过激光扫描获得的纱线反射强度，为激光扫描的功率，其中为模型参数，使用最小二乘法对对数型模型进行拟合，定义误差函数为，式中，为第次扫描的纱线实际反射强度，为模型预测的纱线反射强度，对关于求偏导数并设置为0，获得功率方程为，求解功率方程获得模型参数，并代入对数型模型获得功率影响函数为；
<本文档来自技高网...【技术保护点】
1.纺织材料激光雷达图像增强式断线识别方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，步骤S1包括以下内容：
3.根据权利要求2所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，步骤S2包括以下内容：
4.根据权利要求3所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，S2-3中通过定义激光扫描的功率和波长对纱线反射强度的影响函数评估激光调整逻辑变化对目标区域的影响程度，获得激光扫描影响系数的逻辑为：
5.根据权利要求4所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，步骤S3包括以下内容：
6.根据权利要求5所述的纺织材料激光雷达图像增强式断线识别系统，其特征在于，在步骤S3中对激光雷达图像进行真伪性检验的方法为：
7.根据权利要求5所述的纺织材料激光雷达图像增强式断线识别系统，其特征在于，在步骤S3中置信调整信息的生成逻辑为：
8.根据权利要求7所述的纺织材料激光雷达图像增强式断线识别系统，其特征在于，在步骤
9.根据权利要求8所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，在步骤S4中纱线的轮廓特征和反射强度特征的获取方法为：
10.纺织材料激光雷达图像增强式断线识别系统，用于实现权利要求1-7任一项所述的识别方法，包括激光扫描模块、服务器过滤模块、激光雷达图像处理模块、特征提取模块、深度学习模块；
...【技术特征摘要】
1.纺织材料激光雷达图像增强式断线识别方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，步骤s1包括以下内容：
3.根据权利要求2所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，步骤s2包括以下内容：
4.根据权利要求3所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，s2-3中通过定义激光扫描的功率和波长对纱线反射强度的影响函数评估激光调整逻辑变化对目标区域的影响程度，获得激光扫描影响系数的逻辑为：
5.根据权利要求4所述的纺织材料激光雷达图像增强式断线识别方法，其特征在于，步骤s3包括以下内容：
6.根据权利要求5所述的纺织材...
【专利技术属性】
技术研发人员：高梯学，葛陈鹏，张健，张胜明，邓小成，
申请(专利权)人：江苏格罗瑞节能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。