【技术实现步骤摘要】
本专利技术涉及的是纺织检测，特别涉及一种基于视觉识别并条机喂入条断缺条的检测方法。
技术介绍
1、现有纺织行业并条机喂入条断缺条检测手段主要有：对射式光电断条检测、反射式红外光电多路检测等。由于光电式传感器的检测原理，某些特定喂入条材料或场景会对光线的透过性能带来影响，这就容易出现误判现象。同时，由于传感器的灵敏度不高，在复杂的环境下容易受到其他物体的干扰，出现误判的情况，且对深色喂入条反应最不敏感，使光电式传感器无法正确探测到光的反射或散射，导致应用比较受限。实际应用还会经常出现卡条在光电检测区导致无法正常工作，因为是点检测，很难去判断喂入条所有运动实际情况。因此，亟需一种基于视觉识别并条机喂入条断缺条的检测方法，更好在实际应用中解决相关系列问题，提高检测的准确性和稳定性，为长期连续运行提供更好保障。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于视觉识别并条机喂入条断缺条的检测方法。
2、为了解决上述技术问题，本申请实施例公开了如下技术方案：
3、本专利技术实施例公开了一种基于视觉识别并条机喂入条断缺条的检测方法，包括：
4、s100.搭建喂入条图像数据采集环境，采集多种条件下包含喂入条的图像数据，将所述图像数据输入喂入条学习初始识别模型进行训练，得到最终喂入条学习初始识别模型；
5、s200.连续采集喂入条运动帧并转换为灰度图像，将所述灰度图像输入最终喂入条学习初始识
6、s300.判断所述得到喂入条数量及位置与设置的喂入条数量及位置是否符合，若符合，则对后续连续帧进行高斯模糊、光圈效应补偿及学习阀值加权平均求值计算，最后得出灰度识别阀值；
7、s400.对当前帧图像与前预设个数帧图像进行差分运算，得到差分图像，将所述差分图像与规定的运动阈值比较确定当前喂入条状态；
8、s500.根据所述灰度识别阀值和差分图像，识别当前喂入条并确认喂入条运动状态，根据所述喂入条运动状态按预设规则进行处理。
9、进一步地，s100中，搭建喂入条图像数据采集环境，采集多种条件下包含喂入条的图像数据，具体方法包括：设定喂入条图像数据采集环境，具体包括预设的多种角度、光照条件和场景，光敏电阻感知环境光的强度，按照设定阀值来调整补光led亮度，始化摄像头，所述摄像头采用cmos图像传感器ov5640，工作时由时钟控制感光阵列将图像信号转换成模拟信号, 再经过a/d转换器转换成数字信号，通过寄存器配置指定读取为灰度图像；所述摄像头内部使用iic总线驱动两线式sccb接口，ai智能芯片通过sccb协议对ov5640摄像头进行寄存器地址的配置，并控制初始化的开始与结束。
10、进一步地，s100中，将所述图像数据输入喂入条学习初始识别模型进行训练，得到最终喂入条学习初始识别模型；具体方法包括：对所述图像数据进行标注，使用labelimg为每张图像中的喂入条标注边界框，并分配相应的类别标签；将标注好的数据集分为训练集、验证集和测试集，使用训练集对 yolov2 模型进行训练；在训练过程中，监控模型的损失函数和评估指标的变化，使用测试集对最终优化后的模型进行测试，测试成功后，得到最终喂入条学习初始识别模型。
11、进一步地，s200中，连续采集喂入条运动帧并转换为灰度图像，将所述灰度图像输入最终喂入条学习初始识别模型，得到喂入条数量及位置；具体方法包括：将所述灰度图像输入到最终喂入条学习初始识别模型，所述模型对图像进行计算，将计算结果进行yolo2运算，并绘制识别喂入条特征blob，得到喂入条数量及位置。
12、进一步地，s300中，对后续连续帧进行高斯模糊、光圈效应补偿及学习阀值加权平均求值计算，具体包括：利用识别喂入条特征blob区域内动态描框，动态框布局在特征blob区域内，反复通过高斯模糊过滤消去噪声和光污染细节保证区域均匀度，所述高斯模糊计算公式为，其中，()是图像中的像素坐标，(、)是高斯函数的中心坐标，设置为blob区域的中心，是标准差，控制着高斯函数的模糊程度，对blob区域中的每个像素，将其周围的像素值与高斯函数进行加权平均，得到模糊后的像素值，加入光圈效应补偿，对学习值加权平均数求出喂入条识别区域灰度识别阈值数。
13、进一步地，s400中，当差分图像大于所述与规定的运动阈值时，当前喂入条状态为运动状态，当差分图像大于所述与规定的运动阈值时，当前喂入条状态为停止状态。
14、进一步地，所述喂入条识别区域灰度识别阈值识别当前喂入条并确认喂入条处于运动状态，对运动喂入条使用腐蚀运算对差分二值图像进行形态学滤波处理，识别运动喂入条并完成喂入条在视觉识别区间段的描框，判断描框喂入条是不是保持在设定区域内及完整性，一直处于完整运动，则正常工作，否则将给出断缺条信号。
15、进一步地，所述喂入条识别区域灰度识别阈值识别当前喂入条并确认喂入条处于运动状态，在两个相邻喂入条目标之间的距离大于或接近设定阈值，即外离与相交时，判定给出喂入条交错信号；而对于内含，两个目标距离小于阈值，则喂入条叠合在一起运动，判定并给出内含信号。
16、进一步地，所述喂入条识别区域灰度识别阈值识别当前喂入条并确认喂入条处于运动状态，当环境光会随着外界日出和日落、气候变化、室内光照因素变化时，加入定时边界环境学习，首先定义环境状态变量，设表示在时间t的环境状态向量，包含多个环境参数，光照强度、覆盖阴影，即，其中，表示第i个环境参数在时间t的值； 加权平均来更新对环境的认知, 设表示在时间t的学习函数结果,是第i个环境参数的权重，则,基于过去一段时间的学习结果进行预测,设表示对时间的预测环境状态,是预测的权重系数， ，，…，，是过去n个时间点的学习结果，则。
17、本专利技术实施例还公开了一种电子设备，包括：
18、一个或多个处理器；
19、存储器，用于存储一个或多个程序；
20、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述并条机喂入条断缺条的检测的方法。
21、本专利技术实施例提供的上述技术方案的有益效果至少包括：
22、本专利技术公开了一种基于视觉识别并条机喂入条断缺条的检测方法，包括：搭建喂入条图像数据采集环境，采集多种条件下包含喂入条的图像数据，将所述图像数据输入喂入条学习初始识别模型进行训练，得到最终喂入条学习初始识别模型；连续采集喂入条运动帧并转换为灰度图像，将所述灰度图像输入最终喂入条学习初始识别模型，得到喂入条数量及位置；判断所述得到喂入条数量及位置与设置的喂入条数量及位置是否符合，若符合，则对后续连续帧进行高斯模糊、光圈效应补偿及学习阀值加权平均求值计算，最后得出灰度识别阀值；对当前帧图像与前预设个数帧图像进行差分运算，得到差分图像，将所述差分图像与规定的运动阈值比较确定当前喂入条状态；根据所述本文档来自技高网...
【技术保护点】
1.一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，S100中，搭建喂入条图像数据采集环境，采集多种条件下包含喂入条的图像数据，具体方法包括：设定喂入条图像数据采集环境，具体包括预设的多种角度、光照条件和场景，光敏电阻感知环境光的强度，按照设定阀值来调整补光LED亮度，始化摄像头，所述摄像头采用CMOS图像传感器OV5640，工作时由时钟控制感光阵列将图像信号转换成模拟信号, 再经过A/D转换器转换成数字信号，通过寄存器配置指定读取为灰度图像；所述摄像头内部使用IIC总线驱动两线式SCCB接口，AI智能芯片通过SCCB协议对OV5640摄像头进行寄存器地址的配置，并控制初始化的开始与结束。
3.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，S100中，将所述图像数据输入喂入条学习初始识别模型进行训练，得到最终喂入条学习初始识别模型；具体方法包括：对所述图像数据进行标注，使用LabelImg 为每张图像中的喂入条标注边界框，并分配相
4.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，S200中，连续采集喂入条运动帧并转换为灰度图像，将所述灰度图像输入最终喂入条学习初始识别模型，得到喂入条数量及位置；具体方法包括：将所述灰度图像输入到最终喂入条学习初始识别模型，所述模型对图像进行计算，将计算结果进行YOLO2运算，并绘制识别喂入条特征Blob，得到喂入条数量及位置。
5.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，S300中，对后续连续帧进行高斯模糊、光圈效应补偿及学习阀值加权平均求值计算，具体包括：利用识别喂入条特征blob区域内动态描框，动态框布局在特征blob区域内，反复通过高斯模糊过滤消去噪声和光污染细节保证区域均匀度，所述高斯模糊计算公式为，其中，()是图像中的像素坐标，(、)是高斯函数的中心坐标，设置为blob区域的中心，是标准差，控制着高斯函数的模糊程度，对blob区域中的每个像素，将其周围的像素值与高斯函数进行加权平均，得到模糊后的像素值，加入光圈效应补偿，对学习值加权平均数求出喂入条识别区域灰度识别阈值数。
6.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，S400中，当差分图像大于所述与规定的运动阈值时，当前喂入条状态为运动状态，当差分图像大于所述与规定的运动阈值时，当前喂入条状态为停止状态。
7.如权利要求6所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，所述喂入条识别区域灰度识别阈值识别当前喂入条并确认喂入条处于运动状态，对运动喂入条使用腐蚀运算对差分二值图像进行形态学滤波处理，识别运动喂入条并完成喂入条在视觉识别区间段的描框，判断描框喂入条是不是保持在设定区域内及完整性，一直处于完整运动，则正常工作，否则将给出断缺条信号。
8.如权利要求6所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，所述喂入条识别区域灰度识别阈值识别当前喂入条并确认喂入条处于运动状态，在两个相邻喂入条目标之间的距离大于或接近设定阈值，即外离与相交时，判定给出喂入条交错信号；而对于内含，两个目标距离小于阈值，则喂入条叠合在一起运动，判定并给出内含信号。
9.如权利要求6所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，所述喂入条识别区域灰度识别阈值识别当前喂入条并确认喂入条处于运动状态，当环境光会随着外界日出和日落、气候变化、室内光照因素变化时，加入定时边界环境学习，首先定义环境状态变量，设表示在时间t的环境状态向量，包含多个环境参数，光照强度、覆盖阴影，即，其中，表示第i个环境参数在时间t的值； 加权平均来更新对环境的认知, 设表示在时间t的学习函数结果, 是第i个环境参数的权重，则,基于过去一段时间的学习结果进行预测,设表示对时间的预测环境状态, 是预测的权重系数， ，，…，，是过去n个时间点的学习结果，则。
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，s100中，搭建喂入条图像数据采集环境，采集多种条件下包含喂入条的图像数据，具体方法包括：设定喂入条图像数据采集环境，具体包括预设的多种角度、光照条件和场景，光敏电阻感知环境光的强度，按照设定阀值来调整补光led亮度，始化摄像头，所述摄像头采用cmos图像传感器ov5640，工作时由时钟控制感光阵列将图像信号转换成模拟信号, 再经过a/d转换器转换成数字信号，通过寄存器配置指定读取为灰度图像；所述摄像头内部使用iic总线驱动两线式sccb接口，ai智能芯片通过sccb协议对ov5640摄像头进行寄存器地址的配置，并控制初始化的开始与结束。
3.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，s100中，将所述图像数据输入喂入条学习初始识别模型进行训练，得到最终喂入条学习初始识别模型；具体方法包括：对所述图像数据进行标注，使用labelimg 为每张图像中的喂入条标注边界框，并分配相应的类别标签；将标注好的数据集分为训练集、验证集和测试集，使用训练集对 yolov2 模型进行训练；在训练过程中，监控模型的损失函数和评估指标的变化，使用测试集对最终优化后的模型进行测试，测试成功后，得到最终喂入条学习初始识别模型。
4.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，s200中，连续采集喂入条运动帧并转换为灰度图像，将所述灰度图像输入最终喂入条学习初始识别模型，得到喂入条数量及位置；具体方法包括：将所述灰度图像输入到最终喂入条学习初始识别模型，所述模型对图像进行计算，将计算结果进行yolo2运算，并绘制识别喂入条特征blob，得到喂入条数量及位置。
5.如权利要求1所述的一种基于视觉识别并条机喂入条断缺条的检测方法，其特征在于，s300中，对后续连续帧进行高斯模糊、光圈效应补偿及学习阀值加权平均求值计算，具体包括：利用识别喂入条特征blob区域内动态描框，动态框布局在特征blob区域内，反复通过高斯模糊过滤消去噪声和光污染细节保...
【专利技术属性】
技术研发人员：沈方勇，王卫，杨文峰，沈天赐，谢文慧，谭鹏飞，游志兵，梁波，吴洪武，吴阳，
申请(专利权)人：湖北天门纺织机械股份有限公司，
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。