一種自動驗布機系統的設計與實現

陳德裕，曹慶紅，蔣 俊，李躍華

(南通大學 計算機科學與技術學院，南通 226019)

0 引言

我國是一個紡織品生產、紡織機械制造的大國，但目前我國還不是這一行業的強國。在許多中小型紡織企業中，由于受到生產規模、生產能力和研發力量的限制，紡織品和紡織機械的科技含量不高，這極大程度地影響了紡織品的質量和銷售。在紡織機械中，國內已經有大量的具有一定自動化水平的印花設備、驗布設備。但在這些設備的使用過程中，有關質量檢測方面的工作仍然需要人工方式來完成。人工方式的質量檢測效率低、勞動強度大、漏檢率高并受主觀因素影響。與傳統的人工檢驗方式相比，用數字圖像處理、嵌入式系統、模式識別、CCD和精密伺服系統等諸多高新技術綜合而實現的自動質量檢測方式，不僅可以降低對人力資源的占用，而且可以大大提高產品的質量和科技含量，為紡織品生產企業和紡織機械制造企業創造更大的經濟效益[1]。因此，我們以現有的機械驗布機為基礎，通過在其上加載圖像捕獲和采集設備，借助于系統的傳輸控制，用數字圖像處理方法實現對所驗布匹的質量檢測，實現了驗布機的自動化處理的要求。

1 系統分析和總體框架設計

1.1 系統設計的思想

根據我們對傳統“人工+機械”式的驗布機系統分析，在多次走訪生產和操作第一線人員的基礎上，采用數字圖像處理、人工智能、嵌入式系統等技術，對傳統驗布機系統進行系統改造和技術升級，以實現驗布系統的自動化。系統實現的主要思想是：首先通過視頻采集設備，根據從卷布機獲取的轉速，確定視頻幀的捕獲位置，得到需要進行質量檢測的圖像。然后通過圖像處理系統，對獲取的數字圖像進行分析比對，如果沒有異常，則系統繼續運行。否則根據驗布要求進行處理，一種是停機進行實時質量處理，如修布、作標記（間隔工作模式）[2]；另一種是系統進行記錄，同時驗布系統繼續檢測下一幀圖象（連續工作模式），無需人工干預。系統可以適應不同的卷布速度，進行實時掃描，當發現疵點時，將疵點記入錯誤日記，根據用戶的請求可將疵點所在布匹的視頻截面發送到顯示器上，每當完成一卷布的檢測，將檢測結果（包括疵點分類、數目、描述、方位以及整匹布的閾值等級等）打印到廠家記錄單上，從而完成布匹的自動檢測[3,4]。

1.2 系統的總體框架

根據上述思想，我們確定驗布機的檢測系統由兩個部分組成。其中硬件部分由高清晰度視頻攝像機、步進電機參數轉換器和嵌入式硬件系統三個部分組成，硬件部分負責采集檢測布匹的圖像、布匹的位置等有關信息，完成數據的采集工作。系統的的軟件部分由設備接口及驅動程序、視頻及數字圖像處理程序和圖像檢測處理程序三個部分組成，實現對視頻圖像的切分、圖像幀的提取、圖像的加工、處理和比對工作，同時對處理結果進行記錄保存。系統的總體結構如圖1所示。

2 系統的實現

2.1 系統的總體設計

由于現有的驗布機能直接提供布匹移動的實時速度和布長參數，所以不需要通過另外設備去獲取，只需要通過接口直接調用獲取相關參數即可。系統的總體設計如圖1所示。系統由六個模塊組成，分別為視頻圖像采集模塊、驗布機的轉動速度與布長參數獲取模塊、嵌入式處理模塊、接口驅動程序、視頻切分處理模塊和圖像數據處理模塊。其中視頻圖像采集模塊、驗布機的轉動速度與布長獲取模塊和視頻切分處理模塊統構成驗證布匹圖像的采集平臺，平臺的硬件部分主要由嵌入式主機、燈光、高像素廣角攝像機、驗布機轉動接口等部分組成，軟件部分包括接口的驅動程序、視頻切分程序、圖像預處理程序等組成。布匹的質量檢測主要是由圖像數據處理子系統來實現。系統設計的思想是：首先由人工方式對一匹布的起始部分（約為視頻中的一幀圖像）進行檢驗，當檢查的結果為質量合格后，將其作為檢驗標準加以存儲。然后設置本系統的有關參數（如質量容忍值，也即閾值；檢測速度等），啟動自動驗布流程。圖像采集部分根據從驗布轉動接口獲取的轉速，確定視頻抽取的時間間隔，獲得圖像幀。將圖像進行預處理，經過歸一化后，與標準圖像進行比較。如果差異沒有超過設定的閾值，則系統繼續檢測下一幀圖像，如果比較的結果超過閾值，則記錄下圖像在布匹中的位置。此時根據需要或者停機，轉由人工方式進行修布，或繼續工作，最后生成該布匹的檢驗記錄報告。系統的工作流程如圖2所示。

2.2 自動驗布系統的設計與實現

系統的具體設計與實現分為三個子系統：一是圖像采集子系統，二是圖像處理子系統，三是嵌入式Linux子系統。

1）圖像采集子系統。該子系統是要實現根據驗布機的轉速來定位檢測布匹的位置，通過視頻攝像機捕獲視頻圖像，送交圖像處理子系統進行處理。設計的內容包括：與驗布機傳送部分的接口，視頻攝像機的接口，視頻攝像機的選型，燈光照明系統的選擇以及設備安裝部位的確定等。上述諸功能的設計，都直接影響到捕獲布匹圖像的質量，同時會影響到檢驗布匹的質量精度。圖像采集子系統是整個自動驗布機系統中的基礎性子系統。為了能夠準確地獲取待驗布匹的圖像以及獲取的圖像在整個布匹中的位置，系統中根據驗布機上的步進電機提供的轉速、布長兩種信號，通過嵌入式系統的串口提供給系統，同步存入數據表中，以便驗布結果的輸出。視頻攝像機通過嵌入式系統的RJ45接口，將視頻信息傳輸給嵌入式視頻處理模塊。經過多次試驗，當攝像機選用AipStar AS-NC235、分辨率為500萬象素的槍機時，能獲取布匹視頻中的豐富圖像信息。本系統中攝像機的機位，選定在布匹正前方居中的位置，攝像機用固定可調整的支架放置于驗布機的上前方。燈光照明對圖像的采集在質量上有著重要的影響。一方面燈光照明可以提高采集圖像的清晰度，另一方面還可以減少圖像的噪音，增強布匹中疵點的信息量以提高系統的精確度。本系統中的燈光，選擇無閃影節能光源，保證光照的均衡，同時也使得待檢布匹中缺陷點（瑕疵點）與其它點之間有足夠的差異。從待檢布匹中獲取的圖像在整個布匹中的位置是通過驗布機的轉速傳動裝置加接測速器后，通過USB接口與嵌入式系統相連。圖像采集中的軟件設計包括USB接口驅動程序的設計、視頻采集RJ45接口的設計和視頻抽取以及預處理等。

圖1 系統總體結構圖

圖2 系統流程圖

2）圖像處理模塊。該模塊的功能是將從圖像采集模塊傳來的數據信息進行處理，找出與標準模板的差距，進行識別和分類。這部分主要的是通過編程來實現的。為了在嵌入式系統上提高匹配速度，我們設計的算法是：

第一步：將標準圖像四等分，經過預處理并調用神經網絡算法后，將學習結果作為模板保存；

第二步：根據驗布的轉速，抽取視頻圖像幀，并將抽取的檢測圖像幀四等分；

第三步：開通四個線程，將待檢測圖像與模板圖像的對應子塊進行比較，累加其差異值T；

第四步：若T小于設定的閾值，則轉第二步。若T超過設定的閾值，則根據轉速，計算布匹的位置值L，將L和T寫入檢測文件中。同時，根據起始時的人工設定，對問題部位是否要實時處理。如果是，則待機，等待人員進行問題布匹的處理。如果不是，則轉第二步。

在記錄圖像匹配結果時，根據差異值的大小，給出被檢測布匹質量的合格、較合格與不合格三種檢測結果，以及出現差異位置的布匹圖像一并存入檢測文件中，以供用戶核查和參考。

3）嵌入式Linux的設計模塊。該模塊的功能主要提供了圖像獲取和圖像處理的軟硬件平臺。主要包括微處理器的選擇、硬件部分、操作系統的選擇，其中處理器的選擇又會制約到操作系統的選擇，考慮到通用性和兼容性，我們采用了普通的微處理器ARM9和嵌入式Linux系統。硬件部分包括了控制端的I/O設備的接入等。

上述三個模塊在邊設計邊調試的方式下，實時考慮了各模塊之間互相兼容和配合度，最后進行了系統集成和系統優化。

3 運行結果與評價

我們利用實驗箱和PC機模擬了驗布機的嵌入式自動檢測系統的運行，對視頻捕獲的圖像進行分析比對，得出了正確的處理結果。從系統的初步運行情況來看，基本上達到了預期的目的和效果。系統運行的部分界面如圖3、圖4所示。

圖3 視頻獲取的等待檢驗布匹圖像

圖4 經過圖像處理模塊處理后得到的結果

從系統的運行情況來看，在模擬情況下，達到了一定質量檢測效果（精確度可以達到80%）。但其實時性還不夠，精確度有待于進一步提高；軟件部分的神經網絡算法和模板匹配算法還需要進一步優化。

4 結束語

驗布機的自動化涉及到多個學科、多種技術。本文給出了一種基于模板匹配和神經網絡算法的布匹質量檢測方法。系統只需在傳統驗布機加載相關設備即可實現驗布機的自動化，具有較好的可行性和經濟性。雖然取得了初步的成果，但系統在精確度和穩定性等方面還有待于進一步的提高。特別是在現有的驗布機系統上加載嵌入式的智能檢測模塊，真正實現與傳統驗布機的無瑕連接，實現產品的工業化，這些都是我們今后的努力方向。我們相信，通過紡織機械制造業、自動控制和計算機領域相關人士的共同努力，高度智能化、高精度和高可靠性的經濟實用的驗布機系統一定會為紡織業的騰飛做出更大的貢獻。

[1]陳德裕,蘇嘯晨,朱學芳,杭月芹.自動孔板印刷機中圖像檢測系統的設計與實現[J].計算機工程與應用,2010,46(24)：60-63.

[2]努爾頓,左保齊.絲織物疵點智能化判別[J].絲綢,2003(11)：28-31.

[3]陳俊杰,謝春萍.自動驗布系統[J].紡織科技進展.2004(5)：56-57.

[4]高曉丁,汪成龍,左賀,梁繼超.基于直方圖統計的織物疵點識別算法[J],紡織學報,2005(4)：121-123.

[5]努爾頓,左保齊.圖像識別與紡織品檢驗[J].蘇州大學學報(工科版),2003(4)：49-54.

[6]王培峰.利用神經網絡技術的驗布系統[J].棉紡織技術,2004(1)：30-32.

[7]祁林,織物疵點的計算機軟件識別方法研究[D].武漢理工大學,2006.4.

[8]王建霞,吳長莉,周萬珍,喬世權.織物疵點圖像的特征參數提取[J].數學的實踐與認識,2008(8)：134-137.

[9]沈詠軍.人工神經網絡在織物疵點分類中的應用研究[J].科技創新導報,2008(5)：12.

[10]于坤,織物疵點識別算法的研究[D].天津工業大學,2008.6.

[11]步紅剛,黃秀寶.基于計算機視覺的織物疵點檢測的近期進展[J].東華大學學報(自然科學版) 2006(6)：129-133

[12]馬鴻龍.基于圖像識別的布匹疵點檢測分析與設計[D].北京工業大學,2007.12.