一种空调过滤网织造疵点在线检测报警方法与流程

本技术涉及纺织机械在线检测，具体而言，涉及一种空调过滤网织造疵点在线检测报警方法。

背景技术：

1、空调过滤网作为空调系统中拦截空气中粉尘、颗粒物及微生物的核心组件，其质量直接决定空调的过滤效率、风阻特性和使用寿命。当前生产主要采用聚丙烯、聚酰胺、聚酯等化纤材料，通过泰坦系列剑杆织机或喷气织机进行织造。在织造过程中，由于经丝张力波动、纬纱引入异常、机械故障及原材料质量波动等因素，易产生经线断丝、纬线断丝、网孔不均、稀密路、破洞及跳丝等多种织造疵点。其中，结构性缺陷如断丝和破洞会显著削弱滤网的过滤精度和机械强度，必须在生产过程中及时检出。

2、目前，空调过滤网织造疵点检测主要依赖人工巡检方式。挡车工在织机运行中通过目视观察布面，发现异常后停机处理。这种方式存在显著缺陷：单名挡车工需同时监控多台高速运行的织机，难以实现连续不间断的全面检测，导致劳动强度过大；疵点往往在织造出相当长度后才被发现，造成大量已织造坯布成为废品；对于高速运行布面上的细小疵点，如单根断丝或轻微网孔不均，人眼识别能力有限，漏检率居高不下，且检测结果受检验人员经验与状态影响较大。

3、部分织机虽配备机械式或光电式断丝传感器，但其功能极为有限。此类传感器仅能检测丝线断裂，无法识别网孔偏移、稀密路、破洞等外观类疵点。此外，传感器需与织机控制系统专门对接，安装调试复杂，不同型号织机间兼容性差。更重要的是，对于具有规则周期性网格纹理的空调过滤网，传感器难以区分正常网格间隙与异常疵点，导致误报与漏报频发。

4、近年来，基于机器视觉的织物疵点自动检测技术有所发展，出现了多种算法如纹理分析、gabor滤波器、低秩分解及深度学习方法。工业应用中已有系统能识别部分瑕疵，但这些系统多为通用设计，缺乏对泰坦织机专属安装结构的适配。不同型号泰坦织机的出布辊位置、走布空间和机台结构差异显著，通用检测设备安装时易与织机传动机构、棕框或卷布机构发生物理干涉，无法实现稳固安装和稳定成像。同时，现有视觉检测算法未针对空调过滤网特有的周期性网格纹理进行优化，在检测网孔偏移、稀密路等特征性疵点时效果不佳，难以同时满足断丝检测与网格外观疵点检测的一体化需求。

5、综上所述，现有技术面临四大关键问题：人工巡检方式劳动强度大、检测滞后且漏检率高；传统断丝传感器功能单一，无法覆盖网格外观类疵点；机器视觉系统缺乏对泰坦织机安装结构的专属适配，安装困难且易与机台部件干涉；缺乏针对空调过滤网周期性网格纹理的专用检测算法，导致断丝检测与网格疵点检测无法协同实现。

6、针对上述问题，现有技术亟须改进。

技术实现思路

1、本技术的目的在于提供一种空调过滤网织造疵点在线检测报警方法，具有能够实时、准确地检测空调过滤网织造过程中的多种织造疵点，实现自动分级报警和物理标记，减少人工巡检的劳动强度和漏检率，提高产品质量和生产效率。

2、本技术提供了一种空调过滤网织造疵点在线检测报警方法，技术方案如下：

3、包括以下步骤：

4、步骤一、图像采集与速度同步：织机带动空调过滤网坯布以运行速度v向前输送，设置于滤网坯布下方的背光源对布面进行均匀透光照射，设置于滤网坯布上方的视觉传感器实时采集布面全幅宽灰度图像，同时获取织机当前运行速度信号，根据运行速度信号动态调整视觉传感器的采集帧率，使采集图像在布面行进方向上保持恒定物理分辨率；

5、步骤二、图像预处理：智能控制主机对采集到的原始灰度图像依次执行中值滤波去噪、对比度受限自适应直方图均衡化处理，增强布面丝线纹理与背景之间的灰度对比度，得到预处理后图像；

6、步骤三、动态感兴趣区域提取：智能控制主机根据布面边缘位置和网格周期性纹理特征，在预处理后图像中自动定位并提取有效检测区域，排除布面两侧非检测区域干扰；

7、步骤四、网格特征参数提取：智能控制主机对有效检测区域内的图像进行经纬线边缘检测，提取滤网网格的以下特征参数：经线间距、纬线间距、单网格面积、经线灰度梯度变化率、纬线灰度梯度变化率、网格交点数量；

8、步骤五、多模板标准比对：智能控制主机调用预存的标准网格纹理数据库，数据库存储有与当前生产品种对应的标准特征参数范围及标准网格拓扑结构；将步骤四提取的实时特征参数与标准特征参数进行逐项比对，计算各项偏差率；

9、步骤六、综合差异度计算与初筛判定：智能控制主机对各项偏差率进行加权求和，得到综合差异度d；当d大于预设的第一动态阈值t1时，判定该区域存在疑似疵点，记录疑似疵点的位置坐标、所在帧号及局部图像块；

10、步骤七、局部二次复核：智能控制主机控制视觉传感器对疑似疵点所在区域进行光学变焦放大或数字裁剪放大，采集局部高分辨率复核图像；对复核图像重复执行步骤二至步骤六，若复核综合差异度d'小于预设的第二动态阈值t2，则判定为误报，忽略该疑似信号并继续检测；若d'≥t2，则确认为真实疵点；

11、步骤八、疵点类型智能识别：对于确认为真实疵点的区域，智能控制主机根据其局部图像特征进行类型判别：若沿经线方向出现灰度突变带且纬线连续性中断，判定为经线断丝；若沿纬线方向出现灰度突变带且经线连续性中断，判定为纬线断丝；若相邻网格面积偏差率超过第三阈值t3且连续分布，判定为网孔不均；若网格面积突变为正常值的数倍以上且边界呈不规则撕裂状，判定为破洞；若经线或纬线间距呈周期性宽窄变化，判定为稀密路；若局部出现非经纬走向的游离丝线影，判定为跳丝；若上述判据均无法匹配，则判定为未分类结构性疵点；

12、步骤九、疵点等级划分：智能控制主机根据疵点类型、疵点面积s、单位长度内疵点数量n及疵点分布密度ρ，按预设分级规则将疵点划分为轻微瑕疵、一般疵点、严重疵点三个等级；当疵点类型为经线断丝或破洞时，等级至少划为一般疵点；当疵点类型为未分类结构性疵点时，直接划为严重疵点；当破洞面积超过第二面积阈值s2时直接划为严重疵点；

13、步骤十、分级声光报警与停机控制：智能控制主机根据疵点等级向声光报警器发送相应控制信号，轻微瑕疵触发一级报警并记录日志，一般疵点触发二级声光提示，严重疵点触发三级声光报警；当触发三级声光报警时，智能控制主机先发出标记执行信号，待步骤十一的疵点物理标记完成后，再向织机控制系统发送停机信号；

14、步骤十一、疵点物理标记：智能控制主机控制设置于视觉传感器后方的喷墨标记装置，在疵点对应的布面边道位置喷射可识别标记，同时记录标记位置与疵点在布面上的纵向距离；喷墨标记装置接收到标记执行信号后立即执行标记操作，标记完成后向智能控制主机反馈标记完成信号；

15、步骤十二、检测数据存储与上传：智能控制主机在触发停机信号之前，优先将当前疵点的图像、类型、等级、发生时间、织机编号及布面速度信息写入非易失性存储器，并通过工业以太网上传至车间级质量管理系统；

16、步骤十三、自学习优化与紧急响应：智能控制主机定期统计误报率和漏报率，当误报率超过预设阈值时，自动上调第一动态阈值t1或第二动态阈值t2；当漏报率超过预设阈值时，自动下调t1或t2，实现判定阈值的自适应优化；当单位时间内疵点检出频率超过历史均值的预设倍数时，系统临时下调t1和t2并触发工艺异常预警。

17、进一步地，本技术还提出了，步骤一中，背光源的亮度根据环境光传感器实时反馈自动调节，调节方式为：当环境光照度升高时自动增加背光源亮度，当环境光照度降低时自动减少背光源亮度，使视觉传感器采集到的布面图像平均灰度值始终维持在预设的灰度目标区间内。

18、进一步地，本技术还提出了，步骤三中，动态感兴趣区域的提取方法为：对预处理后图像进行行灰度投影和列灰度投影，根据投影曲线的边缘突变点确定布面左边界和右边界，进一步根据经纬线周期特征确定上下边界，形成随布面位置动态变化的矩形有效检测窗口。

19、进一步地，本技术还提出了，步骤四中，经纬线边缘检测采用canny边缘检测算子，提取边缘后通过霍夫直线变换识别经线方向和纬线方向的主直线簇，计算相邻平行直线之间的像素距离并转换为物理尺寸，得到经线间距和纬线间距；单网格面积通过检测到的经线、纬线交点围成的闭合四边形计算像素面积并转换为物理面积。

20、进一步地，本技术还提出了，步骤六中，综合差异度d的计算公式为：

21、d = α·δd_warp + β·δd_weft + γ·δa + δ·δg_warp + ε·δg_weft +ζ·δp，

22、其中δd_warp为经线间距偏差率，δd_weft为纬线间距偏差率，δa为单网格面积偏差率，δg_warp为经线灰度梯度变化率偏差率，δg_weft为纬线灰度梯度变化率偏差率，δp为网格交点数量偏差率；α、β、γ、δ、ε、ζ分别为对应项的权重系数，且α+β+γ+δ+ε+ζ=1。

23、进一步地，本技术还提出了，步骤六中，第一动态阈值t1和第二动态阈值t2根据织机当前运行速度v和当前生产品种规格自动调整，调整规则为：速度v越高，t1和t2取值越小；品种目数越高，t1和t2取值越小。

24、进一步地，本技术还提出了，步骤八中，当同时检出多种类型疵点重叠存在于同一局部区域时，智能控制主机以最严重类型作为该区域的主分类结果，并在日志中附加记录所有检出类型的标识码。

25、进一步地，本技术还提出了，步骤九中，等级划分的具体规则为：若疵点面积s小于第一面积阈值s1且单位长度内疵点数量n小于第一数量阈值n1，且疵点类型不属于经线断丝或破洞或未分类结构性疵点，则划分为轻微瑕疵；若s介于s1与s2之间或n介于n1与n2之间，且疵点类型不属于未分类结构性疵点，则划分为一般疵点；若s大于第二面积阈值s2或n大于第二数量阈值n2或疵点分布密度ρ大于密度阈值ρ0，或疵点类型为未分类结构性疵点，则划分为严重疵点，其中s1

26、进一步地，本技术还提出了，步骤十中，三级声光报警的具体方式为：一级报警仅在人机界面显示提示信息并记录日志，不触发声光信号；二级报警触发黄色指示灯常亮并发出间歇式蜂鸣音；三级报警触发红色指示灯闪烁并发出持续高分贝蜂鸣音。

27、进一步地，本技术还提出了，步骤十一中，喷墨标记装置采用快干型工业标记墨水，喷射标记为沿布边方向的长条形标识，标记长度与疵点在布面宽度方向上的横向尺寸呈正相关。

28、进一步地，本技术还提出了，步骤十三中，自学习优化进一步包括：操作人员通过人机交互界面对每次报警的真实性进行确认反馈，系统根据反馈结果自动构建误报样本集和漏报样本集，并对误报样本和漏报样本进行特征聚类分析，当某一类特征的样本累积数量超过预设数量阈值时，系统自动调整该类特征在综合差异度d中的权重系数。

29、进一步地，本技术还提出了，在步骤五之前还设有模板一致性校验步骤：智能控制主机对连续采集的n0帧图像的背景灰度均值和网格周期特征进行统计，当统计值相对于上一次标定值的偏差超过预设模板更新阈值时，自动触发标准模板数据更新，以适应光源老化或环境缓慢变化引起的图像漂移。

30、由上可知，本技术提供的一种空调过滤网织造疵点在线检测报警方法，包括图像采集与速度同步、图像预处理、动态感兴趣区域提取、网格特征参数提取、多模板标准比对、综合差异度计算与初筛判定、局部二次复核、疵点类型智能识别、疵点等级划分、分级声光报警与停机控制、疵点物理标记、检测数据存储与上传、自学习优化与紧急响应等步骤，通过上述技术方案实现了对织造疵点的实时在线检测、智能识别和分级处理，有效解决了现有技术中人工巡检效率低、传统传感器功能单一、机器视觉系统缺乏专属适配及专用算法不足的问题，具有能够实时、准确地检测空调过滤网织造过程中的多种织造疵点，实现自动分级报警和物理标记，减少人工巡检的劳动强度和漏检率，提高产品质量和生产效率。

31、此外，本技术通过设置未分类结构性疵点作为六类已知疵点之外的兜底类型，并对该类型强制执行严重疵点等级划分，有效解决了复合形态疵点或新型未知疵点在现有分类体系中无法归类的技术难题，避免了因无法匹配已知类型而导致的漏判或降级处置，确保了检测系统对任何超出经验范围的结构性异常仍能按最严格等级进行报警和停机控制，提升了系统的安全冗余度和质量保障能力。