一种基于机器人的自动纱线断裂检测方法及装置与流程

1.本技术涉及数据处理领域，具体涉及一种基于机器人的自动纱线断裂检测方法及装置。


背景技术：

2.目前纱线生产过程中，由于捻度过高或纤维强度不够等原因造成织布纱线断裂，这些断线的存在会影响布匹外观和布匹质量。
3.在进行纱线断裂检测时，现有技术一般都是利用阈值分割来得到纱线的边缘位置，然后通过分析纱线的直径序列来进行纱线缺陷定位。
4.但是由于纱线周围有很多毛羽，毛羽的存在导致很难分割出准确的纱线边缘位置，因而很难获取准确的直径，并且毛羽的颜色和纱线的颜色相同，通过阈值分割会将毛羽保留下来。并且毛羽像素比较稀疏，通过边缘检测，很容易将毛羽误认为纱线的边缘点，因而无论通过阈值分割还是边缘检测都很难获取纱线的断裂位置。


技术实现要素：

5.针对上述技术问题，本发明提供一种基于机器人的自动纱线断裂检测方法及装置，以解决现有的无法利用阈值分割得到准确的纱线区域，所以不能得到精确的纱线断裂位置的问题。
6.本发明的一种基于机器人的自动纱线断裂检测方法及装置，采用如下技术方案：包括：获取纱线区域图像；获取纱线区域图像的第一主成分方向的垂线方向，过各像素点以垂线方向为方向做直线，得到各直线上的纱线线段集合；利用每条直线上纱线线段集合的长度信息计算出每条直线的稀疏像素的最大偏离距离组以及每条直线的稀疏像素厚度；根据所有直线中稀疏像素的最大偏离距离组和稀疏像素厚度确定出最佳窗口的尺寸；利用确定最佳尺寸的窗口以每个纱线像素点为窗口中心遍历整个纱线区域图像，根据每个窗口中纱线像素点之间的距离计算每一个纱线像素点的稀疏程度；根据获得的每一个纱线像素点的稀疏程度得到所有纱线像素点中的异常像素点，并获得所有异常连通域利用各异常像素点的黏连程度以及该异常像素点所在连通域的黏连程度计算该异常像素点的综合黏连程度；根据各异常像素点的稀疏程度和黏连程度计算该异常像素点为毛羽的概率；去除根据毛羽的概率判断为毛羽的像素点，得到主纱图像；获取主纱图像的第一主成分方向的垂线方向，过各像素点以垂线方向为方向做直
线，计算每条直线上的主纱直径，得到主纱直径序列；通过主纱直径序列分割得到断裂位置，确定断纱区域。
7.根据所有直线中稀疏像素的最大偏离距离组和稀疏像素厚度确定出最佳窗口的尺寸的方法如下：式中：为最佳窗口的尺寸，为纱线区域图像中直线的数量，为纱线区域图像中直线的序号，表示第条直线的上侧稀疏像素的最大偏移距离，表示第条直线的下侧稀疏像素的最大偏移距离，表示第条直线上稀疏像素厚度均值，表示调整常量调整参数；其中稀疏像素的最大偏离距离组包括稀疏像素的最上侧最大偏离距离和最下侧最大偏离距离。
8.计算每一个纱线像素点的稀疏程度的方法为：利用确定的最佳尺寸的窗口以每个纱线像素点为窗口中心，遍历整个纱线区域图像，根据窗口中像素点之间的平均间隔距离和窗口内纱线像素点的数量得到窗口内纱线像素点的稀疏程度，再利用窗口内纱线像素点的稀疏程度和窗口内的所有像素点数量计算该窗口的稀疏程度，将窗口的稀疏程度作为该窗口中心的纱线像素点的稀疏程度，计算公式如下：式中：表示第r个窗口的稀疏程度，r表示窗口的序号，表示第r个窗口内第个纱线像素点周围的最近像素间隔距离，表示该窗口内的纱线像素点数量，为该窗口内的纱线像素点的序号，表示第r个窗口中纱线像素点的稀疏程度，表示窗口内所有像素点数量。
9.计算异常像素点的综合黏连程度的过程如下：根据像素的连续性将异常像素点分割得到多个连通域；利用各异常像素点与正常纱线像素点的黏连程度，以及异常像素点所在连通域的黏连程度计算该异常像素点的综合黏连程度，具体计算公式如下：式中：表示第个异常像素点的综合黏连程度，表示第个异常像素所在的连通域中第个异常像素距离非异常纱线像素的距离，表示异常像素点的序号，表示第
个异常像素所在的连通域中异常像素点的序号，表示该连通域内的异常像素点数量。
10.获取主纱直径序列，通过主纱直径序列分割得到断裂位置，确定断纱区域的过程如下：获取主纱图像中第一主成分方向的垂线方向，经过主纱图像中每个像素点作直线，计算每条直线上的最上侧像素点和最下侧像素点之间的距离，将该距离作为直径值；根据上述方法得到所有直线上的直径值，计算出主纱图像上所有直线的直径均值，根据直径均值设置直径阈值，将小于直径阈值的纱线位置定位为断纱区域。
11.利用每条直线上纱线线段集合的长度信息计算出每条直线的稀疏像素的最大偏离距离组以及每条直线的稀疏像素厚度的方法如下：每条直线的稀疏像素的最大偏离距离组的计算方法为：获取纱线线段集合中长度最大的纱线线段的两个端点像素点坐标，再获取每条直线上最上侧的纱线像素和最下侧的纱线像素，根据坐标计算最上侧纱线像素与最大纱线线段上侧端点的距离和最下侧纱线像素与最大纱线线段下侧端点的距离,将作为上侧稀疏像素的最大偏移距离，作为下侧稀疏像素的最大偏移距离，上侧稀疏像素的最大偏移距离和下侧稀疏像素的最大偏移距离组成每条直线的稀疏像素的最大偏离距离组；每条直线的稀疏像素厚度的计算方法为：分别获取每条直线中，除长度最大的纱线线段的其他纱线线段的长度，计算这些纱线线段的长度均值，将得到的纱线线段的长度均值作为该直线的稀疏像素厚度。
12.获取各直线上的纱线线段集合的方法为：利用pca处理纱线区域图像得到第一主成分方向，垂直于第一主成分方向作垂线得到垂线方向，过纱线区域图像中各像素点沿垂线方向作直线得到若干直线，纱线像素点将各直线分割为多条线段，这些线段中包括纱线线段和空白线段，分别将每条直线上的纱线线段整合得到每条直线上的纱线线段集合。本发明的有益效果是：本发明公开的方法能够去除毛羽像素，获取准确的纱线边缘，进而通过准确的直径序列分割出纱线断裂位置。（1）本发明通过分析图像中各像素点的稀疏程度以及异常像素点的黏连程度计算出各异常像素点的毛羽概率，将属于毛羽的像素点去除得到主纱图像，能够获取准确的纱线边缘，便于后续的纱线断裂位置的确定。
13.（2）本发明通过对主纱图像的分析，获取精确地纱线直径，利用精确地纱线直径分析的到的纱线断裂位置更准确，能够更好更快的根据纱线断裂位置对纱线进行修复。
附图说明
14.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，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地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
15.图1是本发明提供的一种基于机器人的自动纱线断裂检测方法的流程示意图。
16.图2是本发明实施例提供的一种基于机器人的自动纱线断裂检测方法的流程示意图。
17.图3是本实施例中的纱线示意图。
18.图4是本实施例中纱线线段端点像素点示意图。
具体实施方式
19.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
21.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
22.实施例1本发明实施例提供了一种基于机器人的自动纱线断裂检测方法，如图1与图2所示，包括：s101、获取纱线区域图像本实施例需要根据纱线图像来定位纱线断裂位置，所以首先采集纱线图像，并对纱线图像进行阈值分割得到纱线区域图像。
23.s102、计算最佳窗口的尺寸本实施例通过设计合适的窗口尺寸，进一步分析窗口内稀疏程度分割出异常像素，然后分析异常像素的粘连度计算毛羽概率，从而去除毛羽像素，保留主纱像素。
24.s103、得到各直线上的纱线线段集合利用纱线像素对得到的每条直线进行分割，得到直线中属于纱线的纱线线段，对纱线线段进行整合得到纱线线段集合，通过对纱线线段的分析可以减少计算量。
25.s104、计算出每条直线的稀疏像素的最大偏离距离获取每条直线中最上侧的纱线像素点和最下侧的纱线像素点，根据每条直线中长度最大的纱线线段的两个端点像素，计算得到该直线上的上侧最大偏离距离和下侧最大偏离距离，利用最大偏离距离来反映稀疏程度。
26.s105、计算出每条直线的稀疏像素厚度根据每条直线上的纱线线段的长度计算每天直线的稀疏像素厚度，利用最大偏离距离和稀疏像素厚度共同反映稀疏程度。
27.s106、计算该窗口中心像素点的稀疏程度利用计算的最佳窗口尺寸，以每个像素点为中心像素点，计算每个窗口的稀疏程
度，将该窗口的稀疏程度作为该窗口中心像素点的稀疏程度，以此得到每个像素点的稀疏程度，利用稀疏程度来进一步分析确定毛羽像素。
28.s107、得到所有的异常像素点根据稀疏程度分割出异常像素点，通过对得到的异常像素点进行分析确定出属于毛羽的像素点，能够减少计算量，也能使分析结果更精确。
29.s108、计算各异常像素点的综合黏连程度利用黏连度来描述此分布情况，并最终结合黏连度和稀疏度获取各异常像素点属于毛羽的概率，既保证考虑毛羽的稀疏分布情况，又考虑了异常像素点在不同黏连情况下的干扰。
30.s109、计算各异常像素点为毛羽的概率通过黏连度和稀疏度获取各异常像素点属于毛羽的概率，通过对毛羽像素的去除，排除毛羽对纱线断裂位置的干扰，提高了检测效率以及准确性。
31.s110、得到主纱图像去除毛羽像素保留主纱像素得到主纱图像，没有干扰信息能够使后续分析更简便快速和精确，提高了检测效率以及准确性。
32.s111、确定断纱区域根据对主纱图像的分析，得到直径序列，根据直径序列设置直径阈值，利用直径阈值确定出断纱区域。
33.实施例2本发明实施例提供了一种基于机器人的自动纱线断裂检测方法装置，如图1与图2所示，具体内容包括：s201、获取纱线区域图像本实施例需要根据纱线图像来定位纱线断裂位置，所以首先采集纱线图像，如图3所示，并对纱线图像进行阈值分割得到纱线区域图像。
34.采集纱线图像：设置辊轴带动纱线运动，在纱线正上方设置相机，每间隔一段时间采集一次纱线图片，间隔时间可根据两辊轴间距除以滚轴的转动速度所得。
35.消除透视变形：为了防止纱线图像中存在的中间大四周小的透视形变，影响后续获取准确纱线直径，需先去除纱线中的透视形变。
36.根据相机与纱线的相对位置关系，构建出透视形变转换模型，通过该透视模型来去除。去除透视形变的方法属于常规技术，本实施例中不过多赘述。
37.分割出纱线区域：由于纱线较为纤细采集到的图片中会包含大量背景图片，为保障能够分割出准确的纱线区域，所以本发明在辊轴下方铺设黑色背景布，因而分割纱线区域时只需去除背景布颜色的像素集合，剩余的像素集合即为纱线区域，具体表现为：获取黑色背景布的在r、g、b颜色通道的颜色范围,判断纱线图像中各像素在各通道的颜色值,筛选出各通道颜色同时满足的像素集合，该像素集合的像素为背景像素，
并将背景像素值置零处理，纱线图像中的其他像素为纱线像素，将纱线像素置1处理，得到图像分割后的纱线区域图像。
38.至此，通过阈值化处理得到纱线区域图像。
39.s202、计算最佳窗口的尺寸本实施例通过设计合适的窗口尺寸，进一步分析窗口内稀疏程度分割出异常像素，然后分析异常像素的粘连度计算毛羽概率，从而去除毛羽像素，保留主纱像素。
40.纱线毛羽区域一般像素分布较为稀疏，因而通过像素的稀疏性可以筛选出异常像素，然而像素稀疏程度需要设计一个合适尺寸的窗口来反应，如果窗口太小一些分布相对密集的毛羽，算出来的稀疏程度较低，很容易被忽视，如果窗口太大，包含很多主纱线区域，算出来的稀疏程度较低，也很难被分割出来，因而需要设计一个合适的窗口大小。
41.最佳窗口的尺寸计算公式如下：式中：为最佳窗口的尺寸，为纱线区域图像中直线的数量，为纱线区域图像中直线的序号，表示第条直线的上侧稀疏像素的最大偏移距离，表示第条直线的下侧稀疏像素的最大偏移距离，表示第条直线上稀疏像素厚度均值，表示调整常量调整参数。
42.s203、得到各直线上的纱线线段集合利用纱线像素对得到的每条直线进行分割，得到直线中属于纱线的纱线线段，对纱线线段进行整合得到纱线线段集合，通过对纱线线段的分析可以减少计算量。
43.1.通过pca处理纱线区域图像，得到图像的第一主成分方向，将该方向认定为纱线延申方向，垂直于第一主成分方向做垂线得到垂线方向。
44.2.过各像素沿垂线方向做若干条直线，纱线像素将各直线分割成若干线段，每个直线的线段集合包括纱线线段集合和空白线段集合。所谓纱线线段是指该线段通过的像素均为纱线像素，空白线段是指该线段通过的像素均为背景像素。
45.s204、计算出每条直线的稀疏像素的最大偏离距离组获取每条直线中最上侧的纱线像素点和最下侧的纱线像素点，根据每条直线中长度最大的纱线线段的两个端点像素，计算得到该直线上的上侧最大偏离距离和下侧最大偏离距离，利用最大偏离距离来反映稀疏程度。
46.获取纱线线段集合中长度最大的纱线线段的两个端点像素点坐标，再获取每条直线上最上侧的纱线像素和最下侧的纱线像素，如图4所示，根据坐标计算最上侧纱线像素与最大纱线线段上侧端点的距离和最下侧纱线像素与最大纱线线段下侧端点的距离,将作为上侧稀疏像素的最大偏移距离，作为下侧稀疏像素的最大
偏移距离，上侧稀疏像素的最大偏移距离与下侧稀疏像素的最大偏移距离组成最大偏移距离组。
47.至此得到每条直线的稀疏像素的最大偏离距离组。
48.s205、计算出每条直线的稀疏像素厚度根据每条直线上的纱线线段的长度计算每天直线的稀疏像素厚度，利用最大偏离距离和稀疏像素厚度共同反映稀疏程度。
49.分别获取每条直线中，除长度最大的纱线线段的其他纱线线段的长度，计算这些纱线线段的长度均值，将得到的纱线线段的长度均值作为该直线的稀疏像素厚度。
50.s206、计算该窗口中心像素点的稀疏程度利用计算的最佳窗口尺寸，以每个纱线像素点为窗口中心遍历整个纱线区域图像，计算每个窗口的稀疏程度，将该窗口的稀疏程度作为该窗口中心的纱线像素点的稀疏程度，以此得到每个纱线像素点的稀疏程度，利用稀疏程度来进一步分析确定毛羽像素。
51.由于检测纱线断裂时要用到纱线直径，然而纱线周围毛纱的存在，导致检测到的直径不可靠，进而影响断纱检测的精度。为了检测出毛羽像素，本发明首先引入稀疏程度来描述纱线上像素点的分布，进而获得准确的异常像素点。
52.根据窗口中像素点之间的平均间隔距离和窗口内纱线像素点的数量得到窗口内纱线像素点的稀疏程度，再利用窗口内纱线像素点的稀疏程度和窗口内的所有像素点数量计算该窗口的稀疏程度，计算公式如下：式中：表示第r个窗口的稀疏程度，r表示窗口的序号，表示第r个窗口内第个纱线像素点周围的最近像素间隔距离，距离越大说明稀疏程度越大，表示该窗口内的纱线像素点数量，为该窗口内的纱线像素点的序号，表示第r个窗口中纱线像素点的稀疏程度，像素个数越少，该窗口内的稀疏程度越大，表示窗口内所有像素点数量。
53.s207、得到所有的异常像素点根据稀疏程度分割出异常像素点，通过对得到的异常像素点进行分析确定出属于毛羽的像素点，能够减少计算量，也能使分析结果更精确。
54.根据得到所有窗口的稀疏程度，即所有纱线像素点的稀疏程度，统计生成稀疏程度曲线，并进行高斯平滑，筛选出稀疏程度众数对应的稀疏程度值，获取众数对应的稀疏程度值右侧的第一个极小值点对应的稀疏程度值，将该值作为稀疏程度阈值，将稀疏程度大于阈值的纱线像素分割出来，分割出的像素即为异常像素集合。
55.s208、计算各异常像素点的综合黏连程度利用黏连度来描述此分布情况，并最终结合黏连度和稀疏度获取各异常像素点属于毛羽的概率，既保证考虑毛羽的稀疏分布情况，又考虑了异常像素点在不同黏连情况下的干扰，完备的描述了纱线毛羽的特征，使得有效避免计算纱线直径时的由于毛羽干扰导
致的直径计算不准确的情况，提高了检测准确性。
56.根据像素的连续性将异常像素点分割得到多个连通域；利用各异常像素与正常纱线像素的黏连程度，以及异常像素点所在连通域的黏连程度计算该异常像素点的综合黏连程度，具体计算公式如下：式中：表示第个异常像素点的综合黏连程度，表示第个异常像素所在的连通域中第个异常像素距离非异常纱线像素的距离，表示异常像素点的序号，表示第个异常像素所在的连通域中异常像素点的序号，表示该连通域内的异常像素点数量。
57.s209、计算各异常像素点为毛羽的概率通过黏连度和稀疏度获取各异常像素点属于毛羽的概率，通过对毛羽像素的去除，排除毛羽对纱线断裂位置的干扰，提高了检测效率以及准确性。
58.各异常像素点是否为毛羽的概率的计算公式如下：式中：为第个异常像素点为毛羽的概率，为异常像素点的序号，为第个异常像素点的综合黏连程度，为第个异常像素点对应的稀疏程度。
59.s210、得到主纱图像去除毛羽像素保留主纱像素得到主纱图像，没有干扰信息能够使后续分析更简便快速和精确，提高了检测效率以及准确性。
60.设置毛羽阈值，将计算的每个异常像素点为毛羽的概率和毛羽阈值进行比较，将大于毛羽阈值的异常像素点判断为毛羽像素点，本实施例中毛羽阈值设定为0.7；利用上述方法遍历所有的异常像素点，得到所有的毛羽像素点，将纱线区域图像中的毛羽像素点的像素值清零处理，得到主纱图像。
61.s211、确定断纱区域根据对主纱图像的分析，得到直径序列，根据直径序列设置直径阈值，利用直径阈值确定出断纱区域。
62.获取主纱图像中第一主成分方向的垂线方向，经过主纱图像中每个像素点作直线，计算每条直线上的最上侧像素点和最下侧像素点之间的距离，将该距离作为直径值；根据上述方法得到所有直线上的直径值，计算出主纱图像上所有直线的直径均值，根据直径均值设置直径阈值，将小于直径阈值的纱线位置定位为断纱区域，本实施例中直径阈值设置为0.7。
63.根据确定的断纱区域对纱线进行修复。
64.本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且
可与其互换使用。
65.上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。