基于人工智能的纺织毛刷辊异常区域高速定位方法与流程

1.本发明涉及人工智能技术领域，具体涉及一种基于人工智能的纺织毛刷辊异常区域高速定位方法。


背景技术：

2.工业毛刷辊是一种常见的毛刷类型，主要用于纺织、印染等行业，其类型有抛光刷、磨料毛刷、清扫类及清洗类毛刷辊、安全类毛刷辊等。
3.毛刷辊自身的毛刷是由一簇一簇的尼龙丝、马毛、猪鬃、羊毛等材料经过植毛工艺，植毛机将刷毛一束一束地植入刷辊中，从而得到质地均匀分布的毛刷。在工业毛刷辊的植毛工艺中，尼龙材料主要使用注塑成型来固定，动物毛发则通过弹簧、压片等工艺，无论是何种材料，刷毛的根部硬度都远大于刷毛本身。
4.纺织领域中，毛刷辊主要用于清扫和磨毛工艺中。在毛刷辊的工作过程中，刷毛会经历复杂的振动，其长时间的工作会导致固定结构的老化，从而出现刷毛向外脱落或歪斜的问题，进而导致毛刷的清理或打磨作用出现异常，轻则导致清理、打磨不充分，重则脱落。当刷毛尾部的钢丝、熔接的硬质塑料与布料直接接触，会刮伤织物，容易对布料造成损伤。
5.毛刷辊是一个高速旋转的机构，当刷毛出现歪斜或脱落时需要及时发现，目前暂无实时性高、正确率高的缺陷检测系统。主要问题在于目前基于图像检测毛刷辊的设备成本较高，对毛刷辊图像进行采集所需的刷新率较高。
6.因此传统的视觉检测方法无法实现在降低成本、提高计算效率的前提下，在刷毛出现歪斜、脱落的情况时立刻检测故障发生位置。


技术实现要素：

7.为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的纺织毛刷辊异常区域高速定位方法，所采用的技术方案具体如下：本发明实施例提供了一种基于人工智能的纺织毛刷辊异常区域高速定位方法，该方法包括以下具体步骤：获取毛刷辊的柱面图像和每次旋转角度下对应的电机负载；将所述柱面图像切分为多个子区域，在所述毛刷辊每次旋转90度后，获取每个所述子区域对应刷毛的纹理变化强度，由所述电机负载获取每个所述子区域的负载序列；由所述纹理变化强度和所述负载序列计算每两个所述子区域之间的相似度距离，基于所述相似度距离将多个所述子区域分为正常样本和异常样本；根据所述异常样本中的所述相似度距离获取疑似异常子区域；当所述疑似异常子区域连续多次都为同一个所述子区域时，确认该子区域为异常子区域。
8.优选的，所述将所述柱面图像切分为多个子区域的方法，包括：基于所述毛刷辊的柱体形状将所述柱面图像平均划分为多个子柱体对应的子柱
面图像；将每个所述子柱面图像根据所述子柱体的角度平均划分为多个所述子区域。
9.优选的，所述获取每个所述子区域对应刷毛的纹理变化强度的方法，包括：根据所述子区域中新老纹理进行差分得到亮度差图像，所述亮度差图像表示旋转角度变化前后所述子区域的亮度变化值；对所述亮度差图像分别进行x方向和y方向的sobel算子处理后，由处理后的所述亮度差图像中的像素值分别得到刷毛横向和纵向的所述纹理变化强度，其中，x方向表示所述毛刷辊的轴向，y方向表示所述毛刷辊的旋转方向。
10.优选的，所述电机负载的获取方法，包括:根据所述毛刷辊的转动惯量得到电机的基准功率；获取每次所述旋转角度下所述电机的输出功率，结合所述基准功率和所述输出功率得到所述电机负载。
11.优选的，所述根据所述异常样本中的所述相似度距离获取疑似异常子区域的方法，包括：设置相似度距离阈值，保留所述异常样本中所述相似度距离大于所述相似度距离阈值对应的所述子区域，将保留的所述子区域作为所述疑似异常子区域。
12.优选的，所述由所述纹理变化强度和所述负载序列计算每两个所述子区域之间的相似度距离的计算公式为：其中，为第个所述子柱面图像中第个所述子区域；为第个所述子柱面图像中第个所述子区域；为所述相似度距离；为余弦相似度；为两个所述负载序列的动态时间规整后的l2距离之和；为所述负载序列；为所述纹理变化强度。
13.优选的，所述结合所述基准功率和所述输出功率得到所述电机负载的方法，包括：将所述基准功率与所述输出功率的比值作为所述电机负载。
14.本发明实施例至少具有如下有益效果：对毛刷辊进行子区域划分，得到各子区域对应刷毛的纹理变化的各向异性响应和负载序列，以降低计算量、提高响应时间；进而由各向异性响应的相似性和非周期性电机负载特性进行子区域的二分类，得到疑似异常子区域，从而确定异常子区域，并及时发出警告，避免布料损伤。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
16.图1为本发明一个实施例提供的一种基于人工智能的纺织毛刷辊异常区域高速定
位方法的步骤流程图；图2为本发明一个实施例提供的关于线阵扫描相机对毛刷辊进行图像采集的示意图；图3为本发明一个实施例提供的关于柱面图像划分子区域的示意图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的纺织毛刷辊异常区域高速定位方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.下面结合附图具体的说明本发明所提供的一种基于人工智能的纺织毛刷辊异常区域高速定位方法的具体方案。
20.请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的纺织毛刷辊异常区域高速定位方法的步骤流程图，该方法包括以下步骤：步骤s001，获取毛刷辊的柱面图像和每次旋转角度下对应的电机负载；将柱面图像切分为多个子区域，在毛刷辊每次旋转90度后，获取每个子区域对应刷毛的纹理变化强度，由电机负载获取每个子区域的负载序列。
21.具体的，在毛刷辊的轴侧装有一个绝对值编码器，用于实时得到当前毛刷辊的旋转角度，且旋转角度范围在[0,360]或[
‑
180,180]，其范围由实施者在实际实施时确定。
[0022]
需要说明的是，由于毛刷辊是由电机带动的，因此，绝对值编码器也可以装载在电极上。
[0023]
基于旋转角度，使用线阵扫描相机得到毛刷辊的柱面图像。标定旋转角度的偏移量，用于将毛刷辊贴合布料的一侧所对应的角度与图像采集时的对应角度对齐，以保证数据的缺失。
[0024]
优选的，本发明实施例中偏移量，实施者可根据自身需求设定。
[0025]
参照附图2，基于线性扫描相机1的位置，当毛刷辊旋转时，线性扫描相机1实时采集毛刷辊2的柱面图像区域以更新柱面图像中的行数据，且记录新行的亮度以及新行老行之间的亮度差异，具体的过程为：（1）本发明实施例中线性扫描相机的线分变率为2048，采集毛刷辊的柱面图像分辨率为2048行。当绝对值编码器进入下一角度时，线性扫描相机新采集一行像素叠加至柱面图像中，以更新柱面图像。
[0026]
（2）根据旋转角度变化前后的柱面图像区域，记录当前像素值和更新前的像素值。
[0027]
（3）在毛刷辊旋转一周的过程中，根据旋转角度的变化实时得到新柱面图像和老
柱面图像，也即是像素值更新前后所对应的柱面图像。
[0028]
需要说明的是，柱面图像展开时，由于两端无法接到一起，因此需要额外赋值相邻行的若干行，使得接缝处的特征是连续的。
[0029]
优选的，本发明实施例中分别使用另一端的32行数据对柱面图像的接缝处进行补充。
[0030]
进一步地，当毛刷辊旋转时，线性扫描相机实时采集并更新柱面图像区域，同时还采集当前旋转角度下对应的电机负载，则电机负载的计算方法如下：（1）由于毛刷辊有一定的转动惯量，因此，在电机驱动毛刷辊处于工作状态时，根据毛刷辊的转动惯量得到一个基准功率。
[0031]
（2）当毛刷辊的刷毛出现脱落或移位时，刷毛撞击到布料时会产生额外的阻力。由于电机控制器是由pid定速控制的，则电机驱动毛刷辊的功率会发生变化，此时采集电机的功率应略高于基准功率，且pid的闭环控制会导致功率发生一定的震荡。为了方便分析功率变化特征，结合当前电机控制器的输出功率和基准功率得到电机负载，则将实时得到的输出功率与基准功率的比值作为旋转角度下对应的电机负载，即，其中，为输出功率。
[0032]
由于刷毛撞击布料后会瞬间增大电机驱动毛刷辊的阻力，但由于转动惯量和pid闭环控制的滞后特性，会使得到的电机负载p出现第一次增大时对应的旋转角度与刷毛撞击布料事件发生时对应的旋转角度产生一定迟滞，因此无法仅通过分析电机负载的大小来确定是否出现了异常刷毛区域或异常的角度区间，故本发明实施例通过将柱面图像进行划分为多个子区域来获取各子区域纹理变化的各向异性响应和对应负载变化，以降低计算量、提高响应时间，则具体过程为：（1）毛刷辊的柱面图像为一簇一簇的刷毛，其纹理具有一定固定的重复规律，当刷毛脱落或偏移时，可以从柱面图像中得到疑似异常刷毛区域。又因为刷毛的间距较大，刷毛较长，在毛刷辊转动期间由于刷毛的弹性会出现无规律的晃动，因此采集的柱面图像无法直接通过纹理直接分析刷毛异常脱落或偏移所发生的位置，故，基于毛刷辊的柱体形状将柱面图像平均划分为多个子柱体对应的子柱面图像，进而将每个子柱面图像根据子柱体的角度平均划分多个子区域。
[0033]
具体的，参照附图3，本发明实施例中将柱面图像划分为8个子柱面图像，也可理解为8个子柱体，进而将每个子柱体按角度等分为4个子区域。
[0034]
需要说明的是，子柱面图像的数量实施者可根据实际应用中毛刷辊的转速进行选择；子区域的数量按照电机控制器的实际性能选择，对于一般的无刷电机，子区域不宜过多，否则会因为电机负载的迟滞过大导致子区域代表的电机负载特征无法对应，一般情况下4个子区域是较为合适的。
[0035]
（2）对于每个子柱体的4个子区域，在毛刷辊每次旋转90度后，则每个子区域的纹理变化的各向异性响应和对应负载变化为：具体的，以第个子柱体中第个子区域所对应的图像为例，对图像
中的新老纹理进行差分得到亮度差图像，该亮度差图像表示旋转角度变化前后该子区域的亮度变化值，对亮度差图像分别进行x方向和y方向的sobel算子处理且卷积核的大小为3*3，得到刷毛横向和纵向的纹理变化强度，用于描述刷毛的纹理特征，其中，纹理变化强度为卷积后的亮度差图像中所有像素点的像素值之和，代表x方向纹理变化的响应大小，代表y方向纹理变化的响应大小。同时，根据电机负载的获取方法得到该子区域对应位置的负载序列，即，其中，负载序列的长度与毛刷辊的旋转角度有关，可由实施者根据自身需求设定。
[0036]
需要说明的是，x方向表示毛刷辊的轴向，y方向表示毛刷辊的旋转方向。
[0037]
（3）利用步骤（2）的方法，可以获取所有子区域的纹理变化强度和负载序列。
[0038]
步骤s002，由纹理变化强度和负载序列计算每两个子区域之间的相似度距离，基于相似度距离将多个子区域分为正常样本和异常样本；根据异常样本中的相似度距离获取疑似异常子区域。
[0039]
具体的，通过纹理变化强度和负载序列对各子区域之间进行比较，以确定疑似异常子区域，也即是疑似异常刷毛区域，则该方法为：（1）由纹理变化强度和负载序列计算每两个子区域之间的相似度距离，即为：其中，为第个子柱面图像中第个子区域；为第个子柱面图像中第个子区域；为相似度距离；为余弦相似度；为两个负载序列的动态时间规整后的l2距离之和；为负载序列；为纹理变化强度。
[0040]
需要说明的是，对负载序列做dtw的目的是：毛刷辊在正常的工作中由于制造原因会导致转动过程中的电机负载具有一定的高频周期性，因此，若直接计算两个不同子区域的负载l2距离会导致样本没有对齐，进而出现l2距离之和过大的问题，故通过动态时间规整处理后的l2距离之和能够体现刷毛区域的非周期性负载，即：越大，意味着该子区域与其它子区域之间的负载不同，反之，负载模式相似。
[0041]
需要说明的是，计算两个子区域的的含义是：由于刷毛在正常旋转中会发生摆动，因此对每个子区域的亮度差图像做sobel算子处理，从而得到轴向（x方向）和旋转方向（y方向）之间发生亮度变化的方向性响应。当正常子区域之间的趋于1，其原因是两个子区域的刷毛分布模式相似，因此向量之间的各向异性响应较为统一；反之意味着有一个子区域出现了异常，趋于0。
[0042]
（2）基于相似度距离，利用二分k
‑
means算法将子区域进行分类得到两个簇，其中
多的一簇为正常样本，另一簇为异常样本。设置相似度距离阈值，对异常样本中相似度距离的的子区域做剔除处理，大于相似度距离阈值的子区域进行保留，认为保留的子区域为疑似异常子区域，且对该子区域做计数处理。
[0043]
需要说明的是，对于一个毛刷辊，从客观规律上来说，异常区域出现时，具体情况应为：整个毛刷辊只有一个子区域出现异常，因此一旦有两两之间的相似度距离小于相似度距离阈值，则认为这两个子区域可被忽视。
[0044]
步骤s003，当疑似异常子区域连续多次都为同一个子区域时，确认该子区域为异常子区域。
[0045]
具体的，设定计数阈值n，当毛刷辊每旋转一周时，都可获取可确认一次疑似异常子区域，当某一个子区域的连续计数值小于计数阈值n时，认为该子区域不是异常子区域；反之，当某一个子区域的连续计数值大于或等于计数阈值n时，则认为该子区域为异常子区域，说明该子区域内对应毛刷辊的位置出现了刷毛脱落或偏移的异常情况，实施者可根据该确认结果来关闭毛刷辊电机和布料送料，使设备发出警告。
[0046]
优选的，本发明实施例中计数阈值n=10。
[0047]
综上，本发明实施例提供了一种基于人工智能的纺织毛刷辊异常区域高速定位方法，该方法获取毛刷辊的柱面图像和每次旋转角度下对应的电机负载；将柱面图像切分为多个子区域，在毛刷辊每次旋转90度后，获取每个子区域对应刷毛的纹理变化强度，由电机负载获取每个子区域的负载序列；由纹理变化强度和负载序列计算每两个子区域之间的相似度距离，基于相似度距离将多个子区域分为正常样本和异常样本；根据异常样本中的相似度距离获取疑似异常子区域；当疑似异常子区域连续多次都为同一个子区域时，确认该子区域为异常子区域。对毛刷辊进行子区域划分，得到各子区域对应刷毛的纹理变化的各向异性响应和负载序列，以降低计算量、提高响应时间；进而由各向异性响应的相似性和非周期性电机负载特性进行子区域的二分类，得到疑似异常子区域，从而确定异常子区域，并及时发出警告，避免布料损伤。
[0048]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0049]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。