一种袜子编织过程实时智能检控方法与流程

摘要: 本发明涉及纺织品质量检测,更具体地说,它涉及一种袜子编织过程实时智能检控方法。背景技术:1、袜子作为人们日常生活的必须品,其生产过程涵盖编织、缝合、染色、定型和...
一种袜子编织过程实时智能检控方法与流程

本发明涉及纺织品质量检测,更具体地说,它涉及一种袜子编织过程实时智能检控方法。

背景技术:

1、袜子作为人们日常生活的必须品,其生产过程涵盖编织、缝合、染色、定型和包装等多个工序,在编织阶段,圆筒形袜坯经针织设备成形,在缝合阶段,脚趾部位的开口被缝合形成袜头,近年来,随着织缝翻一体机的推广,编织与缝合工序逐步实现一体化,但生产过程中的质量控制仍面临严峻挑战。

2、现有的袜子检测手段单一且滞后,多数企业仍然依赖人工目视检测或单一的视觉检测方案,人工检测不仅效率低下,而且受疲劳、光照、主观判断等因素的影响,漏检率或误检率较高,虽然已有部分企业引入了基于机器视觉的检测装置,但这些检测装置通常仅针对成品袜进行表面瑕疵检测,无法在编织过程中实时发现缺陷并联动控制袜机,导致大量不合格品被批量生产后才被检出,造成纱线原料和产能的严重浪费,同时现有的检测方案无法具体检测出袜机的缺陷类型,只能判断有无故障,有故障一律需要停机操作,影响生产效率。

3、因此需要提出一种新的方案来解决这个问题。

技术实现思路

1、本发明实施例的目的就在为了解决上述的问题而提供一种袜子编织过程实时智能检控方法。

2、本发明实施例的上述技术目的是通过以下技术方案得以实现的:一种袜子编织过程实时智能检控方法,包括以下步骤:

3、在袜机编织工位部署工业面阵相机和频闪透射光源,工业面阵相机连续采集袜坯表面的图像,边缘计算节点接收图像并将每帧图像与袜机控制器发送的当前编织行号和针位编号进行关联;

4、边缘计算节点对采集的图像进行预处理,得到预处理图像;

5、在边缘计算节点部署轻量化缺陷检测模型,对预处理图像进行推理,输出缺陷类型、缺陷位置和置信度,所述缺陷类型包括漏针、破洞、断纱、错花、污渍和缝合不良共六类;

6、建立工业面阵相机—袜机坐标变换矩阵,边缘计算节点通过工业面阵相机—袜机坐标变换矩阵将缺陷位置映射为编织行号和针位编号,形成由编织行号、针位编号和缺陷类型构成的三元组,并基于三元组进行故障区分判定;

7、袜机控制器根据故障区分判定结果执行分级控制,边缘计算节点将检测结果上传云端质量数据库。

8、本发明进一步设置为:所述频闪透射光源设置于袜坯外侧,所述工业面阵相机以不低于60fps的帧率对袜坯表面的图像进行采集,所述频闪频率与工业面阵相机帧率同步,用于增强袜坯织造结构的对比度;所述编织行号由袜机控制器根据针筒编码器的脉冲计数得到,脉冲计数除以每行编织所需脉冲数得到当前编织行号。

9、本发明进一步设置为:所述对采集的图像进行预处理包括对图像进行灰度化、高斯滤波去噪和尺寸归一化,所述灰度化将彩色图像转换为灰度图像,减少后续计算量;所述高斯滤波去噪,滤波核尺寸为5×5,标准差为1.4,用于消除图像中的随机噪声;所述尺寸归一化将图像缩放至640×640像素。

10、本发明进一步设置为:所述轻量化缺陷检测模型包含特征提取主干网络、特征融合颈部网络和检测头;所述特征特征提取主干网络采用深度可分离卷积替代标准卷积,输出多尺度特征图;所述特征融合颈部网络对主干网络输出的多尺度特征图进行融合,输出融合特征图;所述检测头对融合特征图进行缺陷分类和边界框回归;所述轻量化缺陷检测模型在训练完成后采用通道剪枝策略进行压缩。

11、本发明进一步设置为:所述置信度用于判断缺陷类型,所述置信度得分通过检测头的softmax层输出,所述置信度计算公式为:

12、,

13、其中,pi为第i类缺陷的置信度,i=1,2,3,4,5,6分别对应漏针、破洞、断纱、错花、污渍、缝合不良六类缺陷;zi为检测头对第i类缺陷输出的原始得分,由检测头的卷积层对融合特征图做卷积运算得到;zj为求和索引变量,j依次取1至6;pi的取值范围为[0,1];

14、pi ≥ 0.70,确认为真实缺陷,进入故障区分判定;0.40 ≤ pi < 0.70:判定为疑似缺陷;pi < 0.40:判定为噪声或误检。

15、本发明进一步设置为:所述工业面阵相机—袜机坐标变换矩阵的建立方式为:

16、在袜机编织工位放置标定板,使标定板上的标记点与袜机针筒上的已知针位对齐,采集标定板图像并提取标记点的像素坐标,结合标记点已知的物理坐标,利用最小二乘法求解得到像素坐标到物理坐标的变换矩阵。

17、本发明进一步设置为:所述故障区分判定包括针故障、纱线故障以及疑似缺陷,当同一针位编号在连续3行及以上出现同一缺陷类型时,判定为针故障;当缺陷分散出现在不同针位编号且主要集中于其中一编织行附近时,判定为纱线故障;当判断得到缺陷类型为污渍或缝合不良时或当0.40 ≤ pi < 0.70时判定为疑似缺陷。

18、本发明进一步设置为:所述执行分级控制包括:

19、当判定为针故障时,触发停机换针控制,袜机停机并报警,袜机人机交互显示单元上显示缺陷类型、编织型号和针位编号;

20、当判定为纱线故障时,根据缺陷类型调整纱线工艺;当缺陷类型为破洞或断纱时,触发停机控制,袜机停机并报警,袜机人机交互显示单元上显示缺陷类型、编织型号和针位编号;当缺陷类型为漏针时,边缘计算节点向袜机控制器发送纱线张力调整指令,调整量根据“花型编号—纱线规格—缺陷类型—张力调整量”映射表确定,调整后持续监测后续袜坯质量,若连续5双袜子未再检测到同类缺陷类型,则恢复至原工艺参,若仍存在缺陷类型则触发停机控制,袜机停机并报警,袜机人机交互显示单元上显示缺陷类型、编织型号和针位编号;当缺陷类型为错花时,将针筒转速在当前基础上降低3%—5%;调整后持续监测后续袜坯质量,若连续5双袜子未再检测到同类缺陷,则恢复至原工艺参,若仍存在缺陷类型则触发停机控制,袜机停机并报警,袜机人机交互显示单元上显示缺陷类型、编织型号和针位编号;

21、当判定为疑似故障时,对缺陷位置进行标记,若连续5双袜子被判定为疑似故障,则袜机停机并报警,袜机人机交互显示单元上显示缺陷类型、编织型号和针位编号。

22、综上所述,本发明具有以下有益效果:

23、通过对编织过程中的袜坯缺陷进行实时监测,当生产的袜子出现瑕疵时,能够及时进行有效处理,有效避免纱线原料和产能的严重浪费,通过建立工业面阵相机—袜机坐标变换矩阵,能够将缺陷位置映射为编织行号和针位编号,形成由编织行号、针位编号和缺陷类型构成的三元组,从而能够准确得到缺陷位置进行故障处理;

24、通过计算置信度得到缺陷类型,再通过区分判定确认故障类型,通过结合缺陷类型和故障类型执行差异化的控制策略,通过三级分级控制,实现了从检测到控制的闭环,对于针故障直接停机换针;对于纱线故障则根据缺陷类型选择停机还是调节张力参数;对于疑似缺陷则进行标记和跟踪,避免过度触发控制动作,从而避免了一刀切式的停机造成的产能损失。

1.一种袜子编织过程实时智能检控方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种袜子编织过程实时智能检控方法,其特征在于:所述频闪透射光源设置于袜坯外侧,所述工业面阵相机以不低于60fps的帧率对袜坯表面的图像进行采集,所述频闪频率与工业面阵相机帧率同步,用于增强袜坯织造结构的对比度;所述编织行号由袜机控制器根据针筒编码器的脉冲计数得到,脉冲计数除以每行编织所需脉冲数得到当前编织行号。

3.根据权利要求1所述的一种袜子编织过程实时智能检控方法,其特征在于:所述对采集的图像进行预处理包括对图像进行灰度化、高斯滤波去噪和尺寸归一化,所述灰度化将彩色图像转换为灰度图像,减少后续计算量;所述高斯滤波去噪,滤波核尺寸为5×5,标准差为1.4,用于消除图像中的随机噪声;所述尺寸归一化将图像缩放至640×640像素。

4.根据权利要求1所述的一种袜子编织过程实时智能检控方法,其特征在于:所述轻量化缺陷检测模型包含特征提取主干网络、特征融合颈部网络和检测头;所述特征特征提取主干网络采用深度可分离卷积替代标准卷积,输出多尺度特征图;所述特征融合颈部网络对主干网络输出的多尺度特征图进行融合,输出融合特征图;所述检测头对融合特征图进行缺陷分类和边界框回归;所述轻量化缺陷检测模型在训练完成后采用通道剪枝策略进行压缩。

5.根据权利要求4所述的一种袜子编织过程实时智能检控方法,其特征在于:所述置信度用于判断缺陷类型,所述置信度得分通过检测头的softmax层输出,所述置信度计算公式为:

6.根据权利要求1所述的一种袜子编织过程实时智能检控方法,其特征在于:所述工业面阵相机—袜机坐标变换矩阵的建立方式为:

7.根据权利要求1所述的一种袜子编织过程实时智能检控方法,其特征在于:所述故障区分判定包括针故障、纱线故障以及疑似缺陷,当同一针位编号在连续3行及以上出现同一缺陷类型时,判定为针故障;当缺陷分散出现在不同针位编号且主要集中于其中一编织行附近时,判定为纱线故障;当判断得到缺陷类型为污渍或缝合不良时或当0.40 ≤ pi <0.70时判定为疑似缺陷。

8.根据权利要求7所述的一种袜子编织过程实时智能检控方法,其特征在于:所述执行分级控制包括: