一种织布机在线布匹质量检测与ERP系统联动的方法与流程

本发明涉及布匹检测，具体的说，尤其是一种织布机在线布匹质量检测与erp系统联动的方法。

背景技术：

1、纺织工业作为制造业的重要组成部分，其产品质量直接影响企业的市场竞争力和经济效益。在织布生产过程中，布匹质量检测是保障产品合格率的关键环节。

2、传统的人工检测方式虽然能够发现部分质量问题，但面对高速运转的织布机和连续生产的布匹，检测人员难以在有限时间内对每一处细微缺陷进行全面识别，且长时间重复性工作容易导致疲劳误判。近年来，部分企业引入了离线检测设备，但这种方式需要将布匹从生产线上取下后再进行检测，不仅延长了生产周期，还可能因时间滞后导致大批次不合格品的产生，造成原材料和生产时间的双重浪费。更为棘手的是，缺陷信息的精准定位与生产记录的关联成为技术瓶颈。例如，当检测到某段布匹存在缺陷时，如果无法准确标记缺陷在整匹布中的具体位置，并将这一位置信息与织布机的运行参数和原料批次等生产要素建立对应关系，企业就无法开展有效的质量分析和工艺改进。这种缺陷定位信息与生产管理数据之间的脱节，直接制约了质量追溯体系的建立。

技术实现思路

1、为了克服现有技术存在的缺陷，本发明提供一种织布机在线布匹质量检测与erp系统联动的方法，旨在解决上述现有技术中的问题。

2、本发明解决其技术问题所采用的技术方案是：一种织布机在线布匹质量检测与erp系统联动的方法，包括以下步骤：

3、s1：获取在线检测的布匹表面图像，采用卷积神经网络对布匹表面图像进行特征提取，得到表征缺陷区域的疵点掩膜图像；

4、s2：获取疵点掩膜图像中疵点像素的掩膜坐标，根据所述掩膜坐标计算所述缺陷区域的重心像素坐标；

5、s3：获取织布设备在产生缺陷区域时的张力值、转速值以及布匹原料批次标；

6、s4：若张力值大于预设的张力阈值且转速值大于预设的转速阈值，则判定缺陷区域对应的缺陷类型为机械致损缺陷，并根据张力值与转速值对机械致损缺陷进行缺陷评分；

7、s5：若张力值不大于预设的张力阈值或转速值不大于预设的转速阈值，则判定缺陷区域对应的缺陷类型为原料致损缺陷，根据当前缺陷区域的面积确定缺陷评分；

8、s6：把缺陷类型、缺陷评分、重心像素坐标、张力值、转速值和布匹原料批次标识组成质检数据包，并发送至erp系统的数据库中。

9、值得说明的是，在所述步骤s1中，得到表征缺陷区域的疵点掩膜图像的步骤包括：

10、获取在线检测的布匹表面图像，对匹表面图像进行预处理得到排列特征图；

11、采用卷积神经网络对所述排列特征图进行特征提取获得疵点概率图，提取所述疵点概率图中的疵点连通域；

12、提取所述疵点连通域的形态轮廓的轮廓边缘；

13、采用索贝尔算子计算轮廓边缘像素在水平方向的梯度分量与竖直方向的梯度分量，并合成梯度幅值；

14、若梯度幅值大于预设阈值，将该梯度幅值所属的轮廓边缘的像素标记为突变像素，并定位该突变像素所属的轮廓边缘局部片段，生成局部破损子区域；

15、计算任意两个突变像素之间的欧氏距离作为中心点间距，将中心点间距小于预设距离阈值的局部破损子区域划分至同一疵点分组；对同一分组内的局部破损子区域求取最小的外接矩形作为最终疵点区域，根据最终疵点区域的像素坐标生成疵点掩膜图像。

16、优选的，在所述步骤s1中，对匹表面图像进行预处理得到排列特征图的步骤包括：

17、采用灰度共生矩阵提取所述布匹表面图像中的表面纹理，根据所述表面纹理确定纹理周期，根据所述纹理周期划分纹理单元；

18、采用灰度投影函数从所述纹理单元中提取经纬交织特征，根据所述经纬交织特征确定纱线排列规律，将所述纱线排列规律映射为排列特征图。

19、可选的，在所述步骤s1中，提取所述疵点概率图中的疵点连通域的步骤包括：

20、将疵点概率图中概率值大于预设概率阈值的像素判定为疵点候选像素，将疵点概率图中像素值不大于概率阈值的像素判定为正常背景像素，生成第一二值图像；

21、采用预设尺寸的结构元对第一二值图像进行形态学开运算处理，得到第二二值图像；

22、基于8邻域连通规则并采用two-pass两遍扫描法对第二二值图像进行连通域标记，得到多个初始连通域；

23、针对得到的多个初始连通域，获取各初始连通域的面积，并将各初始连通域内的像素坐标映射至疵点概率图，获取对应概率值并求均值，得到各初始连通域的平均概率值；

24、根据获取的各初始连通域的面积和平均概率值，预设最小疵点面积阈值和预设置信阈值，若初始连通域的面积小于最小疵点面积阈值或者平均概率值低于预设置信阈值，则剔除对应的初始连通域，确定保留的初始连通域为疵点连通域。

25、具体地，在所述步骤s2中，计算所述缺陷区域的重心像素坐标的步骤包括：

26、获取疵点掩膜图像中疵点像素的掩膜坐标，得到缺陷坐标集合；将所述缺陷坐标集合输入至空间矩计算工具；

27、空间矩计算工具针对缺陷坐标集合中的所有横坐标进行求和操作，得到横坐标总和空间矩计算工具将横坐标总和除以缺陷坐标集合中的坐标总数，得到重心横坐标；

28、空间矩计算工具针对缺陷坐标集合中的所有纵坐标进行求和操作，得到纵坐标总和；空间矩计算工具将纵坐标总和除以缺陷坐标集合中的坐标总数，得到重心纵坐标；

29、根据重心横坐标与重心纵坐标，确定缺陷区域的重心像素坐标。

30、值得说明的是，在所述步骤s3中，获取织布设备在产生缺陷区域时的张力值、转速值以及布匹原料批次标的步骤包括：

31、获取通过预设编码器触发采集布匹表面图像时对应的锁存编码器脉冲值；

32、获取预先建立的仿射变换矩阵，将所述重心像素坐标与所述仿射变换矩阵进行矩阵乘法运算得到疵点物理坐标；将布匹表面图像的基准坐标与所述仿射变换矩阵进行矩阵乘法运算得到基准物理坐标；根据疵点物理坐标和基准物理坐标计算在布匹行进方向上的疵点物理偏移距离；

33、获取预设的编码器单脉冲布匹移动距离，将所述疵点物理偏移距离除以所述编码器单脉冲布匹移动距离，得到脉冲偏移量；

34、将所述锁存编码器脉冲值减去所述脉冲偏移量，得到疵点织造目标脉冲值；

35、获取预先建立的脉冲时间戳映射表，从所述脉冲时间戳映射表中检索与所述疵点织造目标脉冲值对应的布匹织造时刻，根据所述布匹织造时刻与预设的时间窗口半径构建检索区间；

36、以所述检索区间为索引，从织布设备时序数据库中调取布匹的张力值和设备牵引辊的转速值；

37、获取布匹织造时刻所在的单次织布时间段对应的布匹原料批次标识。

38、具体地，在所述步骤s4中，根据张力值与转速值对机械致损缺陷进行缺陷评分的步骤包括：

39、若张力值大于预设的张力阈值且转速值大于预设的转速阈值，则确定缺陷区域对应的缺陷类型为机械致损缺陷；

40、计算张力值与张力阈值的差值得到张力偏差，计算转速值与转速阈值的差值得到转速偏差；

41、获取机械致损缺陷对应的预设的张力评分权重与转速评分权重，将张力偏差乘以张力评分权重得到第一乘积，将转速偏差乘以转速评分权重得到第二乘积，计算第一乘积与第二乘积的和得到机械致损缺陷对应的缺陷评分。

42、优选的，在所述步骤s5中，根据当前缺陷区域的面积确定缺陷评分的步骤包括：

43、若张力值不大于预设的张力阈值或转速值不大于预设的转速阈值，则判定缺陷区域对应的缺陷类型为原料致损缺陷；

44、获取疵点掩膜图像的缺陷坐标集合，从缺陷坐标集合中提取最大横坐标、最小横坐标、最大纵坐标以及最小纵坐标；将最大横坐标与最小横坐标的差值乘以最大纵坐标与最小纵坐标的差值，得到该疵点掩膜图像的缺陷面积；

45、获取原料致损缺陷对应的预设的转换系数，将缺陷面积乘以的预设的转换系数得到原料致损缺陷对应的缺陷评分。

46、本发明的有益效果在于：在所述织布机在线布匹质量检测与erp系统联动的方法中，通过卷积神经网络提取布匹表面缺陷特征生成疵点掩膜图像并计算缺陷区域重心坐标，同步采集织布设备的张力值、转速值和原料批次标识，根据张力值与转速值是否同时超过预设阈值自动判别缺陷类型属于机械致损还是原料致损，针对不同类型采用差异化评分策略，机械致损缺陷根据张力值和转速值进行评分以反映设备运行状态，原料致损缺陷根据缺陷面积评分以反映原料质量问题，最终将缺陷类型、评分、坐标及设备参数封装为质检数据包发送至企业erp系统数据库，实现了缺陷自动分类、责任精准定位和质量数据可追溯，为生产工艺优化和原料供应商管理提供数据支撑。