环锭纺细纱机纱线断头检测方法、装置、系统及存储介质与流程

1.本发明涉及纺织检测设备技术领域，尤其涉及一种环锭纺细纱机纱线断头检测方法、环锭纺细纱机纱线断头检测装置、环锭纺细纱机纱线断头检测系统及存储介质。


背景技术：

2.在纺织领域，纺纱是将纺织纤维通过一定方法加工成纱线的工艺过程。其中，环锭纺细纱机是当前纺纱厂中比较常用的纺纱机器，它是一种由“锭子”、“钢丝圈”、“导纱钩”和“罗拉”等实现加捻卷绕的细纱机，作用是通过牵伸、加捻，将粗纱制成符合工艺要求的细纱。细纱是纺纱生产中加工成线的最后一道工序，它将粗纱纺成细纱，并绕成卷装的形式提供给针织工程使用。在生产过程中，细纱工序是成本最高的，并且由于用工及使用机器设备的数量较大，导致工厂对细纱工序这部分的管理变得非常困难。因此，细纱成线的成本、质量以及产量决定了纺纱厂的经济效益。在细纱过程中，影响环锭纺细纱机成线质量和产量的因素有很多，其中，最主要的是在机器运行过程中出现细纱断头。
3.目前对于环锭纺细纱机的纱线断头检测方式普遍使用的有机械式、电气接触式、气压非接触式、光电非接触式和温度传感式等，机械式因有动作灵敏度低、易磨损等缺点被淘汰，电气接触式由于导电棒易氧化加之棉尘、飞花堆积等因素的影响，常会出线接触不良的现象，从而导致控制失灵。针对非接触式，如气压非接触式，则需要配置气管喷头和压力传感器，成本依旧很高，且需要人工巡视，劳动强度高；光电非接触式则需要配置光电开关，通过控制继电器驱动警示灯等实现报警提醒，但是由于工作场地范围大噪音响，仍然会存在听不到报警声，即无法做到有效提醒；针对温度传感式则是需要针对每个纺纱锭位配置一个热敏元件传感器，成本高昂，且需要人工来回巡视，劳动强度高。
4.因此，如何提供一种成本低且检测效果好的断头检测方法成为本领域技术人员亟待解决的技术问题。


技术实现要素：

5.本发明提供了一种环锭纺细纱机纱线断头检测方法、环锭纺细纱机纱线断头检测装置、环锭纺细纱机纱线断头检测系统及存储介质，解决相关技术中存在的纱线断头检测成本高的问题。
6.作为本发明的第一个方面，提供一种环锭纺细纱机纱线断头检测方法，其中，包括：
7.实时获取环锭纺细纱机的纱线锭位图像；
8.对所述纱线锭位图像进行图像处理，获得标注感兴趣区域的处理图像；
9.通过训练后的神经网络模型对所述处理图像进行纱线断头检测，获得检测结果；
10.若所述检测结果为存在纱线断头，则生成警示信号。
11.进一步地，对所述纱线锭位图像进行图像处理，获得标注感兴趣区域的处理图像，包括：
12.对所述纱线锭位图像进行图像增强处理，获得增强图像；
13.根据阈值分割方法对所述增强图像中的目标纱线进行分割，获得标注纱线特征的分割图像；
14.对所述分割图像进行降噪处理，获得具有完整纱线的处理图像。
15.进一步地，对所述纱线锭位图像进行图像增强处理，获得增强图像，包括：
16.对所述纱线锭位图像进行灰度处理，获得纱线锭位灰度图；
17.对所述纱线定位灰度图进行归一化处理，获得标准化图像；
18.对所述标准化图像依次进行伽马变换、全局直方图均衡以及局部直方图统计处理，获得初步增强图像；
19.对所述初步增强图像进行锐化处理，获得增强图像。
20.进一步地，根据阈值分割方法对所述增强图像中的目标纱线进行分割，获得标注纱线特征的分割图像，包括：
21.确定像素分割阈值；
22.根据所述像素分割阈值遍历所述增强图像的所有像素，获得纱线与背景的分割图像。
23.进一步地，根据所述像素分割阈值遍历所述增强图像的所有像素，获得纱线与背景的分割图像，包括：
24.计算所述增强图像中像素值占比最大的区域；
25.将所述增强图像中像素值占比最大的区域作为遍历起点对所述增强图像进行遍历，获得纱线与背景的分割图像。
26.进一步地，所述训练后的神经网络模型包括卷积神经网络模型，所述卷积神经网络模型包括：
27.第一卷积神经网络模型，用于识别所述处理图像中的纱线状态，并对识别后的纱线状态进行标注，所述纱线状态包括正常和断头；
28.第二卷积神经网络模型，用于当所述纱线状态为断头时识别断头纱线的锭位号。
29.进一步地，当所述纱线状态为断头时识别断头纱线的锭位号，包括：
30.确定所述断头纱线在所述处理图像中的重心坐标；
31.根据所述断头纱线在所述处理图像中的重心坐标映射到所述纱线锭位图像中，并在所述纱线锭位图像中标注所述断头纱线所在区域；
32.识别所述断头纱线所在区域中的锭位条形码，并根据所述锭位条形码确定所述断头的纱线所在的锭位号。
33.作为本发明的另一个方面，提供一种环锭纺细纱机纱线断头检测装置，用于实现前文所述的环锭纺细纱机纱线断头检测方法，其中，包括：
34.获取模块，用于实时获取环锭纺细纱机的纱线锭位图像；
35.图像处理模块，用于对所述纱线锭位图像进行图像处理，获得标注感兴趣区域的处理图像；
36.检测模块，用于通过训练后的神经网络模型对所述处理图像进行纱线断头检测，获得检测结果；
37.警示模块，用于若所述检测结果为存在纱线断头，则生成警示信号。
38.作为本发明的另一个方面，提供一种环锭纺细纱机纱线断头检测系统，其中，包括：
39.图像采集装置，用于实时采集环锭纺细纱机的纱线锭位图像；
40.驱动装置，用于承载所述图像采集装置，并带动所述图像采集装置沿环锭纺细纱机的生产线移动；
41.上位机，包括前文所述的环锭纺细纱机纱线断头检测装置，与所述图像采集装置通信连接，所述环锭纺细纱机纱线断头检测装置能够根据所述纱线锭位图像进行处理以及检测后获得纱线是否存在断头的检测结果。
42.作为本发明的另一个方面，提供一种存储介质，其中，用于存储计算机指令，能够在被处理器加载并执行时实现如前文所述的环锭纺细纱机纱线断头检测方法。
43.本发明提供的环锭纺细纱机纱线断头检测方法，通过实时获取环锭纺细纱机的纱线锭位图，对该锭位图进行图像处理后，获得带有纱线特征的处理图像，进而通过训练后的神经网络模型对该处理图像中的纱线是否存在断头进行检测，能够有效过得纱线检测结果，且该检测方法无需工作人员在现场巡视，只需要在上位机前即可获知产线上的纱线是否存在断头，从而降低了人工成本，且具有检测效果好的优势。
附图说明
44.附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
45.图1为本发明提供的环锭纺细纱机纱线断头检测方法的流程图。
46.图2为本发明提供的对纱线锭位图像进行图像处理的流程图。
47.图3为本发明提供的锭位号识别时条形码处理效果图。
48.图4为本发明提供的条码区域选取后的处理效果图。
49.图5为本发明提供的最终锭位号识别后的效果图。
50.图6为本发明提供的环锭纺细纱机纱线断头检测装置的结构框图。
51.图7为本发明提供的环锭纺细纱机纱线断头检测系统的结构框图。
具体实施方式
52.需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
53.为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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，都应当属于本发明保护的范围。
54.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清
楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
55.在本实施例中提供了一种环锭纺细纱机纱线断头检测方法，图1是根据本发明实施例提供的环锭纺细纱机纱线断头检测方法的流程图，如图1所示，包括：
56.s100、实时获取环锭纺细纱机的纱线锭位图像；
57.在本发明实施例中，具体可以通过图像采集装置实时采集环锭纺细纱机的纱线锭位图像，具体地，所述图像采集装置具体可以为工业相机，将工业相机安装在可以移动的巡回小车上，且将工业相机的镜头设置到合适的拍摄角度。当巡回小车沿着环锭纺细纱机的产线移动时，能够在纱线锭位的对应位置进行短暂停止以方便工业相机进行拍摄。
58.s200、对所述纱线锭位图像进行图像处理，获得标注感兴趣区域的处理图像；
59.当采集到纱线锭位图像时，对纱线锭位图像进行图像处理，主要包括图像增强处理等操作，以获得标注有感兴趣区域的处理图像，此处感兴趣区域主要指的是包括纱线的区域。
60.在本发明实施例中，如图2所示，对所述纱线锭位图像进行图像处理，获得标注感兴趣区域的处理图像，包括：
61.s210、对所述纱线锭位图像进行图像增强处理，获得增强图像；
62.在一些实施方式中，对纱线锭位图像的增强处理可以包括：
63.对所述纱线锭位图像进行灰度处理，获得纱线锭位灰度图；
64.对所述纱线定位灰度图进行归一化处理，获得标准化图像；
65.对所述标准化图像依次进行伽马变换、全局直方图均衡以及局部直方图统计处理，获得初步增强图像；
66.对所述初步增强图像进行锐化处理，获得增强图像。
67.需要说明的是，在进行灰度处理时，具体可以以当前点位中心，利用高斯函数，按照位置关系对周围点进行处理，然后根据灰度差异对其进行消除，高斯函数中的方差决定着灰度差异的消除程度。最后通过灰度处理算法对像素点进行加权处理，对不需要加权处理大部分进行灰度化处理，获得纱线锭位灰度图。
68.在对图像灰度处理后，为了进一步提升图像的增强效果，对灰度化的图像进行标准化，即通过对纱线锭位灰度图进行归一化处理，将灰度化的图像的像素值重新归一化到(0,255)的范围内。
69.在完成归一化处理后，可以通过伽马函数对归一化后的灰度图像进行伽马变换，从而提升灰度图像中纱线的轮廓，即通过伽马变换后，灰度图像中纱线逐渐变得清晰，纱线细节部分能够得到进一步增强。而由于纱线比较吸，为了更加凸显纱线的特征，对伽马变换后的图像进行全局直方图平衡以及局部直方图统计处理，不仅能够去除噪声，而且能够提高纱线的细节清晰度，至此获得初步增强图像。最后对初步增强图像通过拉普拉斯变换做锐化处理，可以进一步增强图像中灰度突变部分的对比度，突出了纱线边缘细节特征，并且良好地保留了其他的细节。
70.s220、根据阈值分割方法对所述增强图像中的目标纱线进行分割，获得标注纱线特征的分割图像；
71.当获得增强图像后，需要对增强图像中的目标纱线进行分割，这样才能够对纱线是否存在断头进行识别。
72.在对增强图像中的目标纱线进行分割时，考虑到纱线在增强图像中的目标比较小，因此可以采用谷底阈值分割方法对目标纱线进行分割，最终获得纱线的分割图像。
73.进一步具体地，根据阈值分割方法对所述增强图像中的目标纱线进行分割，获得标注纱线特征的分割图像，包括：
74.确定像素分割阈值；
75.根据所述像素分割阈值遍历所述增强图像的所有像素，获得纱线与背景的分割图像。
76.在一些实施方式中，为了有效提升遍历速度，在遍历增强图像的所有像素时，具体可以包括：
77.计算所述增强图像中像素值占比最大的区域；
78.将所述增强图像中像素值占比最大的区域作为遍历起点对所述增强图像进行遍历，获得纱线与背景的分割图像。
79.应当理解的是，将像素遍历起点设置为当前最大图像占比像素值，根据细纱图像中背景比例打的特征，将图像像素值占比最大的区域作为分割阈值搜索的起始点，能够减少15％～25％的运算时间。
80.s230、对所述分割图像进行降噪处理，获得具有完整纱线的处理图像。
81.在本发明实施例中，由于分割后的图像中的纱线区域仍然会有少量的背景特征，因此可以通过对分割图像进行降噪处理，以获得完整的纱线特征。
82.在进行降噪处理时，具体可以采用轮廓筛选的方法去除掉非线段的特征，轮廓筛选方法的公式为：
[0083][0084]
其中，li表示提取到的轮廓特征，i表示提取到的轮廓特征的数量，h表示图像高度，表示轮廓特征的高度，当轮廓特征高度小于时，判断为背景噪声需要进行剔除，反之则进行保留。
[0085]
s300、通过训练后的神经网络模型对所述处理图像进行纱线断头检测，获得检测结果；
[0086]
在本发明实施例中，具体可以通过构建卷积神经网络模型实现对前述提取出的纱线的断头检测。
[0087]
具体地，所述训练后的神经网络模型包括卷积神经网络模型，所述卷积神经网络模型包括：
[0088]
第一卷积神经网络模型，用于识别所述处理图像中的纱线状态，并对识别后的纱线状态进行标注，所述纱线状态包括正常和断头；
[0089]
第二卷积神经网络模型，用于当所述纱线状态为断头时识别断头纱线的锭位号。
[0090]
具体地，第一卷积神经网络模型用于从输入的纱线锭位图像中识别纱线是否断线，并进行标注。输入的纱线锭位图像经过上述图像处理后获得的处理图像作为实际输入，
输出结果为当前处理图像中纱线状态，具体包括纱线正常和纱线断头。即经过上述图像处理后的处理图像输入到第一卷积神经网络进行学习，第一卷积神经网络将学习提取的优化特征输入全连接网络进行分类。
[0091]
第二卷积神经网络模型则是在第一神经网络模型输出的纱线状态为纱线断头时，对断头纱线的锭位号进行识别。
[0092]
此处需要说明的是，在环锭纺细纱机的每一个纱锭上均进行表示，具体可以采用条形码的方式对纱锭进行标识，条形码则存储的是锭位号。通过在罗拉下方的细纱管表面贴上条形码可以实现对纱锭的锭位号的识别，为了尽量简化条码的内容，条形码采用的格式为ena，其中ena13是较为常用的一维码，能够实现13位数字的标识；由于一台细纱机中纱锭的数量不超过1000锭，可以采用信息存量更少的ena8条码，和ena13相比条码在图像中更加清晰。其中包含7个可以自行设置数字信息以及一位数字校验数位。
[0093]
在一些实施方式中，当所述纱线状态为断头时识别断头纱线的锭位号，包括：
[0094]
确定所述断头纱线在所述处理图像中的重心坐标；
[0095]
根据所述断头纱线在所述处理图像中的重心坐标映射到所述纱线锭位图像中，并在所述纱线锭位图像中标注所述断头纱线所在区域；
[0096]
识别所述断头纱线所在区域中的锭位条形码，并根据所述锭位条形码确定所述断头的纱线所在的锭位号。
[0097]
通过第一卷积神经网络模型识别出纱线的断纱状态，并通过计算纱线重心的间距可以获得断纱在图像中存在的位置。将断纱在图像中的x轴上的位置映射回原图中，之后在原图中根据相应的断纱位置框选出相应的roi区域，该区域中囊括了相应锭位的条形码和其它背景区域，为了能够对框选目标内的条形码进行解码，需要进一步精确条形码位置。
[0098]
首先，对截取到roi区域进行阈值化，由于细纱图像中背景板在灰度图像中偏向暗色调，而条码主要以白色为主，因此对图像进行直方图统计，并将150作为像素值的分割点进行划分，分割原理如下式，最终效果如图3所示。
[0099][0100]
在阈值化背景之后，对图像采取闭运算的操作，将条码区域内的黑色条纹去除，保留白色区域。开运算由两个操作组合而成，首先通过对图像进行膨胀操作，将白色连通区域向黑色区域延生，去除小面积的小的物体部分，之后通过腐蚀操作让膨胀后的图像回归原来面积大小。为了能够一次操作实现条码区域选取，在膨胀操作中采用的卷积核为7*7，在腐蚀操作中所使用卷积核大小为5*5，结果如图4所示，其中条码区域为白色部分，黑色区域为背景。
[0101]
经过闭运算后的图像中仍然存在小部分白色区域，因此为了选中条码区域对图像白色连通区域进行框选。通过对最大白色连通区域的像素点进行遍历，找寻x,y的最大值和最小值，确定框选的对角点(x1,y1)，(x2,y2)从而对目标区域进行框选，得到目标框后并对每一个框选区域进行面积计算，计算所得面积最大的框选区域为条码区域。在获取到最大的框选区域后映射回原roi图像截取条码图像，并对该图像进行解码，最终获得断纱纱锭的锭位号，如图5所示。
[0102]
关于roi图像中条码的解码可以采用zbar算法，具体为本领域技术人员所熟知，此
处不再赘述。
[0103]
s400、若所述检测结果为存在纱线断头，则生成警示信号。
[0104]
在本发明实施例中，为了使得工作人员及时获知纱线断头，在上述检测到纱线断头状态时，生成警示信号，该警示信号具体可以为信息弹窗，或者是将警示信号发送至工作人员的手机端，还可以是在现场设置一些警报装置，具体的警示形式此处不作限定，可以根据需要进行设定。
[0105]
综上，本发明提供的环锭纺细纱机纱线断头检测方法，通过实时获取环锭纺细纱机的纱线锭位图，对该锭位图进行图像处理后，获得带有纱线特征的处理图像，进而通过训练后的神经网络模型对该处理图像中的纱线是否存在断头进行检测，能够有效过得纱线检测结果，且该检测方法无需工作人员在现场巡视，只需要在上位机前即可获知产线上的纱线是否存在断头，从而降低了人工成本，且具有检测效果好的优势。另外由于在确定了断头纱线时，通过对断头纱线的锭位号进行识别，从而能够快速确定出线断头的锭位，以便于工作人员能够及时对相应的断头纱线进行处理。
[0106]
作为本发明的另一实施例，提供一种环锭纺细纱机纱线断头检测装置，用于实现前文所述的环锭纺细纱机纱线断头检测方法，其中，如图6所示，为环锭纺细纱机纱线断头检测装置100的结构框图，包括：
[0107]
获取模块110，用于实时获取环锭纺细纱机的纱线锭位图像；
[0108]
图像处理模块120，用于对所述纱线锭位图像进行图像处理，获得标注感兴趣区域的处理图像；
[0109]
检测模块130，用于通过训练后的神经网络模型对所述处理图像进行纱线断头检测，获得检测结果；
[0110]
警示模块140，用于若所述检测结果为存在纱线断头，则生成警示信号。
[0111]
关于本发明提供的环锭纺细纱机纱线断头检测装置的工作原理可以参照前文的环锭纺细纱机纱线断头检测方法的描述，此处不再赘述。
[0112]
作为本发明的另一实施例，提供一种环锭纺细纱机纱线断头检测系统，其中，如图7所示为环锭纺细纱机纱线断头检测系统200的结构框图，包括：
[0113]
图像采集装置210，用于实时采集环锭纺细纱机的纱线锭位图像；
[0114]
驱动装置220，用于承载所述图像采集装置，并带动所述图像采集装置沿环锭纺细纱机的生产线移动；
[0115]
上位机230，包括前文所述的环锭纺细纱机纱线断头检测装置100，与所述图像采集装置210通信连接，所述环锭纺细纱机纱线断头检测装置100能够根据所述纱线锭位图像进行处理以及检测后获得纱线是否存在断头的检测结果。
[0116]
在本发明实施例中，所述图像采集装置210具体可以为工业相机实现，所述驱动装置220具体可以为可移动小车，图像采集装置210与所述上位机230通信连接，所述环锭纺细纱机纱线断头检测装置100具体可以为运行在所述上位机230上的软件产品，这样工作人员在上位机前即可直接获知车间纱线状态。
[0117]
关于环锭纺细纱机纱线断头检测系统的工作原理可以参照前文的环锭纺细纱机纱线断头检测方法的描述，此处不再赘述。
[0118]
作为本发明的另一实施例，提供一种存储介质，其中，用于存储计算机指令，能够
在被处理器加载并执行时实现如前文所述的环锭纺细纱机纱线断头检测方法。
[0119]
在本发明中，存储介质可以为：磁存储介质，例如磁盘(如软盘)或磁带；光存储介质，如光盘，光带，或机器可读的条形码；固态电子存储装置，如随机存取存储器(ram)或只读存储器(rom)；或任何其它物理装置或介质用于存储用于控制一个或多个具有指令的计算机程序根据本发明的计算机实施的方法。
[0120]
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。