基于机器视觉的纱线毛羽检测方案

时间：2018-02-05

??纱线毛羽(hairiness)指标是评定管纱质量的一个重要方面，同时也是反映纺织工艺和纱线加工部件好坏的重要依据。毛羽的长短、数量及其分布不仅影响机织、针织后加工的效率和质量，直接影响较终产品的外观和价格，其评价指标有毛羽数量、长度和面积等。
??人工检测受工作环境和劳动强度的影响，检测效率低下。西安获德利用机器视觉图像处理技术针对管纱生产过程中产生的毛羽缺陷，提出一种基于改进中值滤波和较大类间方差法的管纱毛羽检测方法有效地避免上述检测的不足，进一步提高毛羽检测水平。
??搭建一套管纱毛羽的数字化系统进行图像采集和处理。首先采用灰度变换和灰度拉伸对管纱图像进行预处理，再利用改进中值滤波对管纱图像进行模板滤波，最后通过较大类间方差法得到清晰的毛羽二值图像，基于此计算毛羽个数、长度并评估产品是否合格。
??目前，数字图像处理技术被广泛应用到纱线毛羽的检测。从研究成果看，纱线毛羽的检测效果较好，但在管纱毛羽检测中主要存在两个问题：一是管纱表面易受到环境的影响呈现出亮暗不均，影响毛羽特征提取;二是管纱的上下部分结构不同，需要对两部分进行不同的预处理。针对以上原因，西安获德管纱外观自动检测系统针对毛羽图像采用改进中值滤波，克服了传统滤波方法易造成图像的失真和细节损失的问题;较大类间方差法能够准确地分割出管纱毛羽。
??HDGS-I管纱毛羽采集系统主要包括三部分：工业相机、Led视觉光源、计算机。
??为确保捕获的纱线图像保持清晰, 将相机参数进行如下设置：曝光时间800μs, 图像的分辨率为800×1000,，保证相机的中心点和管纱的中心点在同一位置，减小相机拍摄图像产生的畸变。管纱与镜头平面距离保持在20 cm左右，通过调整光源亮度、焦距和光圈的大小获取清晰的毛羽图像。毛羽图像在经过灰度变换、灰度拉伸和改进中值滤波之后，得到的毛羽二值图像完整清晰，能较好地体现毛羽的物理信息。
??西安获德搭建管纱毛羽的数字化图像采集系统进行采样，采用灰度变换和灰度拉伸对图像进行预处理，有效的增强了目标毛羽与背景的差异。再利用改进中值滤波去除毛羽图像中的干扰，得到清晰的毛羽二值图像。最后通过较大类间方差法得到清晰的毛羽图像，基于此得到毛羽的各项判定信息。实验证明，该系统能准确测量毛羽个数及长度。

词条
词条说明
基于机器视觉的纺织品在线检测系统
随着工业自动化领域各种**的革新，机器视觉检测作为一种快速、实时、准确采集与处理信息的**，已逐渐成为增强自动化行业企业竞争力不可缺少的技术工具和手段。而正是由于其具备相当的性能优势，因此备受制造行业厂商的青睐，其应用领域也越来越广泛。纺织品质量是纺织品生产企业生存的命脉。质量检测作为生产中较其重要的环节，如何有效进行质量管理及时发现产品质量存在的问题，降低次品率，提升产品品质与档次至
拒绝简单代工,人工智能让制造业前景更加光明
工业生产线，一直以来都是制造业的“源头发动机”。抓好工业生产线这道关口，才能基本**工业产品的优选生产和稳定供应。人工智能的推广应用，让工业生产线的运作更为科学和高效。从整体来看，人工智能在工业生产线上的作用主要集中于硬件设备和软件系统。正是技术、系统、设备之间的有效协调与运作，才造就了工业生产的体系化与自动化。众所周知，如今的工业制造，已经由人机协作的方式来主导，单纯依靠人力来进行产品制造
使用深度学习实现工业异常检测
工业缺陷可视为工业产品的外观 “异常”，因此有部分工业缺陷检测方法采用了异常检测的思路。然而异常检测的定义与工业缺陷检测是有所区别的。具体而言，异常检测的概念更加广泛与抽象, 其中图像异常检测主要关注输入图像是否为异常实例，而工业缺陷检测更关注像素层面的检出任务。在像素层面上，异常与正常模式的差别更加细微，检测难度也大幅增加，因此直接使用异常检测方法难以满足工业缺陷检测的任务需求。近年来, 深度学
加快人才培养共铸人工智能“造血工程”
既西安电子科技大学后，近日，南京大学也正式成立人工智能学院。为顺应国家的科技发展战略，切合产业的发展需要，充分发挥其在人工智能方向上学科发展和人才培养优势，形成高端人才积聚效应，探索智能产业产学研合作的新模式。随着**人工智能技术突飞猛进，人工智能已成为各国彰显创新实力的必争之地。早在去年7月年**印发《新一代人工智能发展规划》，从国家层面对我国人工智能的发展道路进行了战略部署。2018年3