一种络筒机筒纱多维度光谱视觉AI检测系统的制作方法

本发明涉及纺纱质量检测，具体而言，涉及一种络筒机筒纱多维度光谱视觉ai检测系统。

背景技术：

1、络筒工序作为纺纱生产过程中的关键环节，主要用于将前道工序形成的细纱卷绕成为具有一定形态和规格的筒纱，以满足后续织造、针织、整经等工序的使用需求。由于筒纱质量直接影响后续织物加工效果，因此，在络筒过程中对筒纱品种一致性、纱线成型状态以及纤维材料特征进行准确检测具有重要意义。

2、目前，络筒生产过程中的筒纱质量检测通常采用人工抽检方式，即由工作人员按照设定周期对部分筒纱进行外观观察、规格核验以及质量判断。然而，随着络筒设备锭位数量不断增加以及生产速度不断提升，人工抽检方式存在检测覆盖范围有限、实时性不足等问题，无法对全部锭位筒纱进行持续检测。当出现原料批次混淆、纱支规格错误、混纺比例异常、捻向错误等情况时，部分不合格筒纱可能未被及时发现并进入后续生产环节，容易造成批量产品质量异常，增加生产成本和质量控制难度。

3、因此，有必要提供一种络筒机筒纱多维度光谱视觉ai检测系统用以解决现有筒纱检测过程中人工抽检覆盖率低、检测实时性不足、单一视觉检测方式难以准确识别不同纤维材料以及异常筒纱无法及时定位处理的问题。

技术实现思路

1、鉴于此，本发明提出了一种络筒机筒纱多维度光谱视觉ai检测系统，旨在解决现有筒纱检测过程中人工抽检覆盖率低、检测实时性不足、单一视觉检测方式难以准确识别不同纤维材料以及异常筒纱无法及时定位处理的问题。

2、本发明提出了一种络筒机筒纱多维度光谱视觉ai检测系统，包括：

3、图像采集模块，设置在锭位卷绕机构外侧的支架上，所述图像采集模块用于采集筒纱表层图像；

4、光谱采集模块，设置在锭位卷绕机构外侧的支架上，所述光谱采集模块用于采集筒纱表层光谱数据；

5、特征比对模块，用于提取所述筒纱表层图像的图像特征和筒纱表层光谱数据的光谱特征，将所述图像特征和光谱特征分别与预先存储的标准数据库进行比对，根据比对结果得到筒纱是否合格，若不合格判断筒纱缺陷类型，将比对结果和缺陷类型与锭位编号进行关联存储；

6、人机交互模块，用于输出筒纱是否合格、筒纱缺陷类型、不合格筒纱所在锭位编号、处置方案和提示信息。

7、进一步的，所述络筒机筒纱多维度光谱视觉ai检测系统还包括：

8、锭位启停模块，分别与所述特征比对模块和人机交互模块电连接，所述锭位启停模块用于根据所述处置方案控制所述锭位卷绕机构启停。

9、进一步的，所述特征比对模块用于提取所述筒纱表层图像的图像特征和筒纱表层光谱数据的光谱特征前，包括：

10、对所述筒纱表层图像进行预处理；其中，所述预处理包括图像去噪、亮度校正、图像增强和目标区域分割，以去除环境光干扰、设备振动和背景区域对图像特征提取的影响，得到筒纱表层标准化图像；

11、对所述筒纱表层光谱数据进行光谱数据校准、异常数据剔除和光谱曲线平滑处理，以消除光谱采集过程中产生的数据偏差，得到筒纱表层标准化光谱数据。

12、进一步的，所述特征比对模块用于提取所述筒纱表层图像的图像特征和筒纱表层光谱数据的光谱特征时，包括：

13、对所述筒纱表层标准化图像进行图像处理，提取所述筒纱表层图像中的纹理特征、纱线排列密度特征、捻纹方向特征和表面缺陷特征；

14、对所述筒纱表层标准化光谱数据进行光谱分析，获取不同波段下的光谱反射强度特征，并根据所述光谱反射强度特征确定纤维材料特征；

15、将所述纹理特征、纱线排列密度特征、捻纹方向特征、表面缺陷特征和纤维材料特征进行特征融合，生成筒纱综合检测特征。

16、进一步的，所述特征比对模块用于将所述图像特征和光谱特征分别与预先存储的标准数据库进行比对时，包括：

17、获取与当前待检测筒纱对应的标准特征档案；其中，所述标准特征档案包括标准图像特征数据、标准光谱特征数据和对应的纱线品种信息；

18、将所述筒纱综合检测特征中的图像特征数据与所述标准特征档案中的标准图像特征数据进行比对，确定图像特征匹配结果；

19、将所述筒纱综合检测特征中的光谱特征数据与所述标准特征档案中的标准光谱特征数据进行比对，确定光谱特征匹配结果；

20、根据所述图像特征匹配结果和所述光谱特征匹配结果生成综合匹配结果；

21、当所述综合匹配结果满足预设合格条件时，判定当前筒纱为合格产品；

22、当所述综合匹配结果不满足预设合格条件时，判定当前筒纱为不合格产品。

23、进一步的，所述标准数据库包括多个纱线品种对应的标准特征档案，每一所述标准特征档案包括对应纱线品种信息、纱支参数信息、纤维材料信息、混纺比例信息、捻度信息、捻向信息、标准图像特征数据和标准光谱特征数据；

24、其中，所述标准图像特征数据包括标准纹理特征、标准纱线排列密度特征、标准捻纹方向特征和标准表面成型特征；

25、所述标准光谱特征数据包括不同波段对应的标准光谱反射强度数据以及纤维材料对应的光谱特征曲线；

26、所述标准数据库用于根据待检测筒纱对应的纱线品种信息调用对应的标准特征档案，并将所述标准特征档案作为筒纱综合检测特征匹配的基准数据。

27、进一步的，所述特征比对模块用于根据比对结果得到筒纱是否合格，若不合格判断筒纱缺陷类型时，包括：

28、获取所述图像特征匹配结果和所述光谱特征匹配结果中未满足预设合格条件的特征项；

29、根据所述未满足预设合格条件的特征项与对应标准特征数据之间的偏差类型，确定筒纱异常特征；

30、根据所述筒纱异常特征与预先存储的缺陷类型对应关系进行匹配，确定当前筒纱对应的缺陷类型；

31、其中，所述缺陷类型包括纱支异常、纤维材料异常、混纺比例异常、捻向异常、捻度异常和筒纱表面成型异常中的至少一种。

32、进一步的，所述络筒机筒纱多维度光谱视觉ai检测系统还包括补光模块，所述补光模块安装在所述支架上，所述补光模块用于向所述筒纱表层提供光照；

33、所述支架设置在所述锭位卷绕机构的外侧，并用于安装所述图像采集模块、光谱采集模块和补光模块；所述支架包括升降调节结构、水平调节结构和角度调节结构，调整所述图像采集模块、光谱采集模块和补光模块相对于筒纱表层的采集位置和采集角度。

34、进一步的，所述图像采集模块和光谱采集模块分别对应设置于络筒机的各个锭位卷绕机构外侧，用于对锭位卷绕机构中不同锭位上的筒纱进行独立检测。

35、进一步的，所述络筒机筒纱多维度光谱视觉ai检测系统还包括数据上传模块；

36、所述数据上传模块与所述特征比对模块通信连接，所述数据上传模块用于将各锭位对应的筒纱是否合格、筒纱缺陷类型、不合格筒纱所在锭位编号、处置方案和提示信息上传至生产管理系统；

37、所述生产管理系统用于根据上传的检测数据建立筒纱生产质量记录，以实现不同批次筒纱检测信息查询、质量追溯和生产过程管理。

38、与现有技术相比，本发明的有益效果在于：通过在络筒机各锭位卷绕机构外侧分别设置图像采集模块和光谱采集模块，实现对每个锭位筒纱表层状态的同步采集，相较于传统人工抽检方式，可实现筒纱生产过程中的逐锭在线检测，避免因抽检范围有限导致的不合格筒纱漏检问题；通过对筒纱表层图像特征和光谱特征进行联合分析，能够同时获取筒纱外观纹理信息以及纤维材料信息，提高了对不同纱线品种、纱支异常、混纺比例异常以及捻向异常等问题的识别准确性，避免仅依靠视觉检测导致的外观相似纱线误判；通过将检测结果、缺陷类型与对应锭位编号进行关联存储，使系统能够快速定位异常生产位置，便于工作人员进行针对性处理；同时，人机交互模块输出筒纱合格状态、缺陷类型、锭位信息以及处置方案，提高了异常处理效率，实现了络筒生产过程的自动检测、异常定位和质量追溯，有助于提升纺纱生产线的智能化管理水平。