基于機器視覺的色紡工廠智能化生產關鍵技術及應用

鄭思越 吳云志 張毅

摘要：識別混紡紗色號是色紡工廠中一項常見的任務，傳統人工方法存在耗時耗力、準確率不高、嚴重依賴專業人員經驗等不足，針對此問題該文提出一種基于機器視覺的識別方案，硬件上運用樹莓派作為基礎平臺，算法上從顏色和紋理兩個方面進行特征提取，特征融合后進行比對識別，提高了混紡紗識別準確率，減少了人工成本，對于色紡工廠開展智能化生產起到了積極的推動作用。

關鍵詞： 機器視覺; 智能化生產; 自動化技術

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）16-0195-02

開放科學（資源服務）標識碼（OSID）：

The Key Technology and Application of Intelligent Production of Dyed Spinning Factory Based on Machine Vision

ZHENG Si-yue1，WU Yun-zhi1，ZHANG Yi2

（1.Anhui Agricultural University， Hefei 230036， China;? 2.Anhui Hanlian Textile Co.， Ltd，? Bozhou 236700， China）

Abstract：Recognizing the color number of blended yarns is a common task in dyed spinning factories. Traditional manual methods are time-consuming， labor-intensive， low accuracy， and rely heavily on professional experience. To solve this problem， this article proposes a machine vision In the recognition scheme， the Raspberry Pi is used as the basic platform on the hardware. The algorithm performs feature extraction from two aspects of color and texture， and compares and recognizes the features after fusion， which improves the accuracy of blended yarn recognition and reduces labor costs. This article has played a positive role in promoting intelligent production.

Key words：machine vision; intelligent production; automation technology;

1 引言

在色紡工廠中，傳統的客戶定制混紡紗業務需要專業人員肉眼對比顏色來確定客戶需要混紡紗的顏色在自家廠房的色庫里的型號，再通過型號去找配方，需要大量從業人員費時費力的去對比，成本較高且容易出錯。

本文提供一個端到端的解決方案，從硬件設計和識別算法及配套軟件上解決這個問題，客戶提供混紡紗的樣本后，經過本系統識別，直接輸出廠家內部色庫型號。降低人工成本的同時提高識別準確率，實現混紡紗圖像的高效識別。

2 整體設計

如圖1所示，整個系統分為三大層級，第一層級為圖像采集模塊[1]，為保證采集圖像的質量，使用便攜式攝影棚與USB攝像頭相結合的方式，在攝影棚的恒定光源下獲取高清圖像，傳輸到第二層級。第二層級為一塊樹莓派開發板[2]，樹莓派是一種低價且性能強勁的單片機電腦，相較于普通PC平臺，樹莓派降低了整套方案的成本。第三層級為一個圖像識別程序，運行在樹莓派上，通過調用下文所述的圖像識別算法，對比廠家的混紡紗樣本數據庫，得到最終的識別結果。

3 算法設計

整個系統最核心的部分為圖像識別算法的實現，算法針對色紡工廠中混紡紗的兩大特性顏色和紋理，分別對顏色特征和紋理特征進行提取[3]，進而完成特征融合，輸出最終的特征值。最后通過比對特征值找到廠家數據庫中最相似的樣本，完成識別流程。

以下詳述針對混紡紗的圖像識別算法的算法流程。

3.1 顏色特征處理

首先在RGB顏色空間中處理圖像[4]，用如下3個公式建立顏色的一階矩、二階矩和三階矩，三個公式分別表示顏色的一階矩、二階矩和三階矩。

其中N代表像素個數，Pij代表RGB圖像中第i個顏色通道分量灰度為j 的像素出現的概率。此步驟得到的一階矩、二階矩和三階矩作為圖像RGB顏色空間下的特征。

接著在HSV顏色空間下處理圖像[5]。HSV從色度、飽和度、純度三個方面描述圖像的顏色、深淺、明亮程度。設 （r，g，b） 分別是一個顏色的紅、綠和藍坐標，它們的值是在 0 到 1 之間的實數，設 max 等于（r，g，b）中的最大者，設 min 等于（r，g，b）中的最小者。RGB到HSV的轉換公式如下所示。

轉換后還是按照上面的公式建立各個通道的一階矩、二階矩和三階矩，最終在R、G、B、H、S、V六個通道上建立出一個18維向量作為顏色特征值。

3.2 紋理特征處理

LBP（Local Binary Pattern， 局部二值模式）是一種用來描述圖像局部紋理特征的算法[6]。可以用作進行混紡紗局部紋理特征的提取。原始的LBP算子定義為在3*3的窗口內，將圍繞在中心點周圍的相鄰的8個像素的灰度值與窗口中心點像素進行比較，若周圍像素值大于中心像素值，則該像素點的位置被標記為1，否則為0。這樣在此窗口內的8個點可產生一個8位二進制數，轉化為十進制數后，即為該區域的LBP值，這個值可以用來反映該區域的紋理信息。

但是如此處理得到的特征維度過高，為了數據降維引入LBP等價模式算法[7]。設周圍點數為P，引入等價模式算法后，特征值維度由原來的2的P次方減少為 P （ P-1）+2，大幅降低了數據維度。當P取8的時候維度從256降到58。通過圖像直方圖，統計各個LBP值出現的頻數，即可得到圖像的紋理特征向量。

3.3 特征融合

首先分別對顏色特征和紋理特征做相似度運算[8]。本文采用卡方距離來衡量兩幅圖像之間的相似性。公式如下：

其中，ai和bi分別表示圖像A和B的特征向量中的第i個值，D（a，b）即為兩幅圖像之間的卡方距離。圖像A來自圖像采集模塊，圖像B來自色紡工廠數據庫。

分別在顏色特征向量和紋理特征向量做卡方距離運算，記為D1，D2。

最終的圖像距離為D = w*D1 + （1-w）*D2，其中w和1-w表示對應的距離權重。將圖像A與色庫中所有的B進行距離運算，距離最小的B即為匹配結果。

4 結束語

本文提出的方法可以有效推進色紡企業智能化構建，在混紡紗識別方面提高了結果的準確性，減少工作人員的工作量，為企業降低了運營成本。本平臺還可以繼續拓展出新功能，未來將做更多的嘗試以更好地推進色紡工廠的智能化生產。

參考文獻：

[1]盧萌萌，安俊峰，孫麗萍，等.基于機器視覺的紗線管顏色和紗線量識別研究[J].電子產品世界，2018，25（7）：45-48，54.

[2] 劉功民.基于嵌入式物聯網平臺的零件加工信息監控系統的研究與設計[D].北京：北京郵電大學，2018.

[3] 崔紅靜，景軍鋒，張緩緩，等.融合顏色和邊緣特征的織物圖像檢索算法[J].棉紡織技術，2019，47（10）：35-39.

[4] 蘇亞麗，吳健行，惠維，等.一種用于視覺顏色特征分類的脈沖神經網絡[J].西安交通大學學報，2019，53（10）：115-121.

[5] 金佳冰，郭明瑞，傅佳佳，等.基于圖像處理的紗線捻系數與明度關系研究[J].棉紡織技術，2019，47（9）：18-21.

[6] 鄧淇英.基于數字圖像處理的織物組織結構自動識別研究[D].西安：西安工程大學，2016.

[7] 藺璇.LBP算法在織物疵點檢測及分類中的應用[D].西安：西安工程大學，2015.

[8] 劉沐黎，袁理，楊亞莉，等.基于混合色彩空間獨立特征的色紡面料顏色表征模型[J].紡織學報，2019，40（9）：62-69.

【通聯編輯：唐一東】