基于红外边缘检测的服装面料铺布自动纠偏控制方法与流程
本申请涉及面料边缘检测纠偏,具体涉及基于红外边缘检测的服装面料铺布自动纠偏控制方法。
背景技术:
1、在服装加工生产过程中,自动铺布需要实时检测面料边缘位置,当检测到面料偏离预定轨道时,通过伺服电机驱动纠偏机构进行调整,确保面料铺设整齐,避免后续裁剪误差和材料浪费。目前自动铺布机的主流技术为红外边缘检测,通过红外光源照射和红外传感器接收反射信号,根据反射强度差异判断面料边缘。该方法具有抗环境光干扰能力强、响应速度快、成本适中等优点。
2、但在实际生产中,印花面料、提花面料、条纹面料、格子面料等具有表面图案纹理的面料市场比例较高,这些面料的图案纹理会在面料内部产生明显的红外反射率变化。针对纹理干扰问题,现有技术中用形态学滤波进行预处理。但形态学操作的结构元素尺寸难以自适应调整,对不同频率的纹理模式效果差异大,且可能造成真实边缘的模糊。因此,目前在复杂纹理面料的边缘检测中仍然存在显著的精度不足问题,导致纠偏系统的位置调整效果不佳。
技术实现思路
1、为了解决上述技术问题,本申请提供基于红外边缘检测的服装面料铺布自动纠偏控制方法,以解决现有的问题。
2、本申请的基于红外边缘检测的服装面料铺布自动纠偏控制方法采用如下技术方案:
3、本申请一个实施例提供了基于红外边缘检测的服装面料铺布自动纠偏控制方法,该方法包括以下步骤:
4、s1,设置红外传感器阵列,在铺布过程中实时获取各采样点的红外信号;所述红外传感器阵列沿面料宽度方向呈线性排列,垂直于面料行进方向;
5、s2,计算各采样点在面料宽度方向的信号梯度值,提取所有所述信号梯度值的局部极值点作为候选边缘点集合;
6、s3,对于候选边缘点集合中的每个候选边缘点,设置邻域窗口,对邻域窗口内所有采样点的红外信号进行小波变换,提取边缘低频分量;基于边缘低频分量的突变情况,计算边缘强度指标;根据相邻时刻下候选边缘点的边缘强度一致性与时空连续性,提取边缘检测点;
7、s4,计算各时刻边缘检测点相对于上一时刻最优边缘位置的横向偏移速度;对于当前时刻,采用卡尔曼滤波器对边缘检测点进行迭代计算,得到最优边缘位置;
8、其中,卡尔曼滤波器中的观测向量为边缘检测点位置与横向偏移速度组成的列向量;
9、s5,获取理想边缘位置,计算当前最优边缘位置相对于理想边缘位置的纠偏偏差;基于纠偏偏差,调节pid控制算法的比例增益进行纠偏控制。
10、进一步地,所述信号梯度值的计算过程,包括:计算第i个采样点与第i-1个采样点的红外信号差值,将所述差值与相邻采样点间距的比值,记为第i个采样点的信号梯度值;所述采样点从左到右排列。
11、进一步地,所述候选边缘点集合的获取过程,包括:
12、对所有采样点的信号梯度值进行阈值分析,设置梯度阈值;选取信号梯度值的绝对值大于梯度阈值的采样点作为粗选点;
13、以粗选点为中心设置判断窗口,若粗选点的信号梯度值的绝对值为判断窗口中所有采样点的信号梯度值绝对值的最大值,则将所述粗选点为候选边缘点,划入候选边缘点集合。
14、进一步地,所述边缘低频分量的提取过程,包括:
15、对每个候选边缘点,提取预先设定的邻域窗口内的信号段,通过分析信号的功率谱密度,确定纹理特征的主导频率,根据主导频率确定小波分解层数;
16、采用小波变换对信号段进行分解,得到表示真实边缘特征的低频分量,记为边缘低频分量。
17、进一步地,所述小波分解层数具体确定过程,包括:;其中, 为主导频率,由傅里叶快速变换得到;为采样频率对应的空间频率;为向上取整函数;为以2为底的对数函数;为最优的小波分解层数。
18、进一步地,所述边缘强度指标的计算公式为:
19、
20、式中,为第a个候选边缘点的边缘强度指标;为第a个候选边缘点的邻域窗口中,位于第a个候选边缘点右侧的边缘低频分量均值;为第a个候选边缘点的邻域窗口中,位于第a个候选边缘点左侧的边缘低频分量均值;为防止分母为零的极小数;为绝对值符号。
21、进一步地,所述根据相邻时刻下候选边缘点的边缘强度一致性与时空连续性,提取边缘检测点,包括:
22、计算边缘连续指数:
23、
24、其中,为t时刻下第a个候选边缘点的边缘连续指数;为t时刻下第a个候选边缘点的边缘强度指标;为t-1时刻下边缘检测点的边缘强度指标;为t时刻下第a个候选边缘点位置;为t-1时刻下边缘检测点位置;为以常数e为底的指数函数;为预设的最大允许偏移距离;为绝对值符号;
25、取边缘连续指数最大的候选边缘点,作为边缘检测点。
26、进一步地,所述横向偏移速度的计算过程为:计算当前时刻边缘检测点与上一时刻最优边缘位置的横向位置差,将所述横向距离与采样时间间隔的比值记为横向偏移速度。
27、进一步地,所述纠偏偏差为:最优边缘位置与理想边缘位置的差值。
28、进一步地,所述pid控制算法的比例增益的调节过程,包括:;其中,为t时刻的自适应比例增益;为预设初始比例增益;为最大允许偏差;为t时刻的纠偏偏差;为以常数e为底的指数函数;为绝对值符号。
29、本申请至少具有如下有益效果:
30、本申请通过分析纹理图案与边缘在红外信号中存在频域特性差异、空间连续性差异、时间稳定性差异的本质特征;首先,利用了面料边缘处信号突变明显的特征,根据信号梯度筛选候选边缘点,能够有效减少噪声点、纹理波动或光照变化对边缘识别结果的干扰;其次,基于频域特性差异,自适应地对红外信号进行小波变换,分离纹理与边缘特征,有效抑制了面料图案纹理对边缘检测的干扰。进一步地,基于候选边缘点两侧的边缘低频分量差异程度,构建边缘强度,量化了候选边缘点的边缘强度,强化边缘点特征。利用真实边缘在铺布方向上的几何连续性约束,对候选边缘点进行验证筛选,提取一个边缘检测点,通过联合评价提高了边缘点的检测精度。进一步卡尔曼滤波时空融合机制,有效消除了纹理干扰引起的边缘位置跳变,得到最优边缘位置。最终,基于纠偏偏差,调节pid控制算法的比例增益进行纠偏控制,保证了面料在纠偏过程中的稳定性,提高了纠偏控制精度
1.基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述信号梯度值的计算过程,包括:计算第i个采样点与第i-1个采样点的红外信号差值,将所述差值与相邻采样点间距的比值,记为第i个采样点的信号梯度值;所述采样点从左到右排列。
3.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述候选边缘点集合的获取过程,包括:
4.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述边缘低频分量的提取过程,包括:
5.如权利要求4所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述小波分解层数具体确定过程,包括:;其中, 为主导频率,由傅里叶快速变换得到;为采样频率对应的空间频率;为向上取整函数;为以2为底的对数函数;为最优的小波分解层数。
6.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述边缘强度指标的计算公式为:
7.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述根据相邻时刻下候选边缘点的边缘强度一致性与时空连续性,提取边缘检测点,包括:
8.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述横向偏移速度的计算过程为:计算当前时刻边缘检测点与上一时刻最优边缘位置的横向位置差,将所述横向距离与采样时间间隔的比值记为横向偏移速度。
9.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述纠偏偏差为:最优边缘位置与理想边缘位置的差值。
10.如权利要求1所述的基于红外边缘检测的服装面料铺布自动纠偏控制方法,其特征在于,所述pid控制算法的比例增益的调节过程,包括:;其中,为t时刻的自适应比例增益;为预设初始比例增益;为最大允许偏差;为t时刻的纠偏偏差;为以常数e为底的指数函数;为绝对值符号。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com