基于圖像識別的生絲動態(tài)纖度檢測技術(shù)

李 帆,任強(qiáng)勝,段春穩(wěn),李瓊秀,張北波,黎 鋼

(1.四川省絲綢工程技術(shù)研究中心,四川 成都 610031;2.現(xiàn)代繭絲綢制造技術(shù)資源四川省科技資源共享服務(wù)平臺,四川 成都 610031;3.四川省絲綢科學(xué)研究院有限公司,四川 成都 610031)

生絲纖度是指生絲纖維的粗細(xì)程度,是作為衡量生絲品質(zhì)的重要指標(biāo),是絲織綢廠選用原料的首要條件,生絲條干纖度不勻,會影響織物的質(zhì)量,降低其使用價值。自動繅絲機(jī)的纖度控制機(jī)構(gòu)由纖度感知器、探索添緒機(jī)構(gòu)和給繭機(jī)組成,其纖度控制機(jī)構(gòu)最重要的是采用以摩擦力作為被控制量的隔距式感知器[1]。纖度感知器對絲條粗細(xì)的感知并不是真正測量其直徑,它的感知原理是感知絲條對感知器上的2塊玻璃片之間所產(chǎn)生的移動摩擦力的變化來判斷纖度的粗細(xì)變化,由于在這個過程中有一個數(shù)值轉(zhuǎn)換的因素,因此繅絲湯溫、車間溫濕度、蠶繭生熟狀態(tài)、繅絲速及設(shè)備完好狀況等因素均會對感知器產(chǎn)生影響,從而使其發(fā)出的信號與真正的纖度粗細(xì)有差異。在目前的生產(chǎn)管理中通常采用以下兩種方式來控制,一是通過人工對繅絲緒下繭粒數(shù)進(jìn)行測定、統(tǒng)計和分析來判斷生絲纖度質(zhì)量是否符合要求,這種人工判斷的方式效率低、準(zhǔn)確性差。二是繅絲生產(chǎn)結(jié)束后對生絲進(jìn)行抽樣檢測,按當(dāng)前生絲企業(yè)的抽樣現(xiàn)狀,需要在24 h之后才能將生絲總體的纖度質(zhì)量狀況測試完成,同時抽樣的生絲只占總量的0.01%左右,代表性差,質(zhì)量問題具有較高的不可追溯性。因此研究開發(fā)適用于復(fù)雜繅絲生產(chǎn)環(huán)境下濕態(tài)生絲纖度的動態(tài)檢測技術(shù),以自動化、數(shù)字化的手段代替人工檢測、數(shù)據(jù)處理,提高濕態(tài)生絲纖度檢測數(shù)據(jù)處理的準(zhǔn)確性,達(dá)到快速準(zhǔn)確檢測生絲纖度值的效果。

1 檢測系統(tǒng)設(shè)計

1.1 系統(tǒng)構(gòu)成

該系統(tǒng)改變現(xiàn)有生絲纖度檢測方式,運(yùn)用視頻圖像采集技術(shù)、計算機(jī)動態(tài)檢測方法,對卷繞中的生絲直徑進(jìn)行在線檢測,得到濕態(tài)生絲直徑的檢測數(shù)據(jù),通過針對生絲濕態(tài)檢測所開發(fā)的應(yīng)用軟件,實現(xiàn)生絲纖度在線動態(tài)檢測。

整個檢測系統(tǒng)包括:檢測裝置模塊、圖像處理模塊、可視化顯示模塊3部分組成。生絲動態(tài)檢測有圖像獲取、圖像處理和可視化輸出3個過程,其原理如圖1所示。

圖1 系統(tǒng)檢測原理圖

檢測裝置模塊,由安裝在纖度控制機(jī)構(gòu)上的檢測裝置和計算機(jī)組成,主要包括CCD 高清攝像頭、LED補(bǔ)充光源、圖像采集卡、絲條定位導(dǎo)輪等。

圖像處理模塊,是圖像識別生絲纖度檢測的核心部件之一,主要負(fù)責(zé)將CCD 高清攝像頭所拍攝的圖片進(jìn)行特征分析,圖像數(shù)字化處理。根據(jù)檢測纖度的要求,采用合適的圖像處理算法得出生絲線徑尺寸,實現(xiàn)在線實時檢測生絲纖度值。

可視化顯示模塊,通過開發(fā)應(yīng)用軟件實現(xiàn)圖像化顯示。對采集到的圖像和處理結(jié)果進(jìn)行可視化顯示,同時可對整個系統(tǒng)進(jìn)行參數(shù)設(shè)置、檢測數(shù)據(jù)存儲及分析,實現(xiàn)人機(jī)交互。

1.2 檢測裝置

1.2.1 檢測裝置要求

(1)本檢測裝置主要通過分析單位長度生絲粗細(xì)變化程度,即絲條直徑的變化,從而計算出生絲纖度值。

(2)采用CCD 成像技術(shù)要保證絲條成像良好;生絲透明度和折射性不影響成像效果;當(dāng)絲條在運(yùn)動過程中通過CCD 攝像頭連續(xù)拍照,計算出絲條的直徑。

(3)由于生絲外徑很小,以生絲規(guī)格20/22 D 為例,一般為65μm 左右,要求CCD 攝像頭應(yīng)具備微距攝像功能。

1.2.2 檢測裝置設(shè)計

濕態(tài)生絲纖度檢測裝置主要由生絲纖度控制機(jī)構(gòu)和視頻圖像采集裝置組成,如圖2所示。現(xiàn)有生絲纖度控制機(jī)構(gòu)主要由小、絡(luò)絞桿、切斷防止桿、切斷防止桿鼓輪、接緒翼等組成。

圖2 濕態(tài)生絲纖度檢測裝置示意圖

視頻圖像采集裝置安裝在現(xiàn)有自動繅絲生絲纖度控制機(jī)構(gòu)上,主要由絲條上定位輪、背板、WIFI信號發(fā)射模塊、CCD 攝像頭、LED 光源、絲條下定位輪等組成。

視頻圖像采集裝置通過底板固定孔采用螺栓安裝固定在生絲纖度控制機(jī)構(gòu)的絡(luò)絞桿上,將絲條從切斷防止桿鼓輪處經(jīng)過該裝置卷繞到小上。如圖3 所示,絲條上下定位輪有V 型槽,防止絲條在小的卷繞牽引過程中出現(xiàn)左右擺動。在上下定位輪之間設(shè)置有背板,在生絲的一側(cè)布置有黑色啞光背板,易于突出生絲輪廓,提高圖像識別精度。CCD 攝像頭采用微距攝像頭,通過4顆調(diào)節(jié)螺栓可以調(diào)節(jié)攝像頭與絲條之間的距離,一般保持2～3 c m 的距離。攝像頭外圍設(shè)有LED 環(huán)形光源,保證絲條有足夠的光照度。CCD 攝像頭采集的視頻圖像通過WIFI信號發(fā)射模塊無線發(fā)送到圖像采集卡中,實現(xiàn)實時采集的圖像傳輸?shù)焦た刂?供計算機(jī)進(jìn)行圖像處理。

圖3 視頻圖像采集裝置示意圖

1.2.3 檢測原理

濕態(tài)生絲纖度檢測系統(tǒng)主要由視頻圖像采集裝置和圖像處理系統(tǒng)構(gòu)成。視頻圖像采集裝置主要負(fù)責(zé)視頻圖像的采集,圖像處理系統(tǒng)主要負(fù)責(zé)視頻圖像處理和可視化輸出。濕態(tài)生絲動態(tài)檢測原理如圖4所示。

圖4 檢測系統(tǒng)原理圖

2 在線檢測圖像處理算法

圖像處理是圖像理解和識別的前提,圖像處理所使用的算法選擇將直接影響到檢測精度。其原則是排除或弱化圖像中的干擾、噪聲,將原始圖像編程適用于計算機(jī)進(jìn)行特征提取的形式,突出待測物體的特征[2]。在本系統(tǒng)中是實現(xiàn)生絲與背景的完全分離,得到清醒的生絲主干,為后期的生絲直徑提取做好前期準(zhǔn)備工作。圖5是一張由系統(tǒng)采集的生絲圖片,該圖片大小為87.7 kb。其特點(diǎn)是整理質(zhì)量較好,噪聲較小。但是生絲的邊緣附著部分毛刺,需要將生絲進(jìn)行分離,本系統(tǒng)采用的圖像處理流程為:圖像預(yù)處理、閾值分割、生絲直徑計算。

圖5 生絲圖

2.1 圖像預(yù)處理

圖像預(yù)處理主要是將生絲與背景進(jìn)行分離,分離的精度決定了最終計算機(jī)分享過程的成功與否。通過CCD 攝像頭作為圖像采集工具,圖像含有彩色信息。為了提高圖像處理效率,需要對拍攝設(shè)備所采集到的圖像在處理之前進(jìn)行圖像灰度化?；叶葓D是指是含有亮度信息,不含彩色信息的圖像。通?；叶葓D只有一個通道,它有256個灰度等級,255代表全白,0表示全黑。生絲圖像識別檢測都是基于灰度圖像來進(jìn)行處理。

由于采用黑色作為背光板,光源采用白色進(jìn)行補(bǔ)光。得到的原始圖像中目標(biāo)(生絲)與背景圖像灰度值差別較大,系統(tǒng)噪聲較小。通過Matlab 2014 繪制直方圖,存在著明顯的峰值特征,可使用閾值分割進(jìn)行圖像處理,如圖6所示。

圖6 原始圖像直方圖

2.2 閾值分割

閾值分割是一種基本的圖像分割方法,基于區(qū)域的圖像分割技術(shù),原理是把圖像像素點(diǎn)分為若干類。它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像[3]。將圖6灰度直方圖對應(yīng)于圖像f(x,y),該圖像的暗色背景上有一些明亮的目標(biāo),因此目標(biāo)和背景像素的灰度級分為兩種主要模態(tài)。通過選取一個合適的灰度值,即一個閥值T來分割這兩種模態(tài)。用于確定圖像中每個像素點(diǎn)應(yīng)該屬于目標(biāo)區(qū)域還是屬于背景區(qū)域,從而產(chǎn)生對應(yīng)的二值圖像。如果條件f(x,y)＞T的任何(x,y),則作為目標(biāo)點(diǎn),而其他點(diǎn)則作為背景點(diǎn)。閥值處理后的(二值)圖像g(x,y)可用公式(1)進(jìn)行表示。

標(biāo)注為1的像素對應(yīng)于目標(biāo)(白色),而標(biāo)注為2的像素對應(yīng)于背景。通常在圖像處理中采用迭代法閥值算法的全局閾值處理算法,該算法能基于圖像數(shù)據(jù)來自動選擇閥值。該算法先假定一個閾值,然后計算在該閾值下的目標(biāo)和背景的中心值,當(dāng)目標(biāo)和背景中心值的平均值和假定的閾值相同時,則迭代中止,并以此值為閾值進(jìn)行二值化。其過程為:

(1)選擇灰度圖的平均值作為初始閾值T0;

(2)使用T分割圖像,會產(chǎn)生兩組像素,由所有灰度值大于T的像素組成G1,由所有灰度值小于等于T的像素組成G2;

(3)分別計算區(qū)域G1和G2中像素的平均灰度值m1和m2;

(4)得到新的閾值:

(5)比較T和T0,若相等,則返回T,即為迭代閾值;否則T0=T,重復(fù)(1)～(4)。

生絲圖像通過迭代法閥值算法直方圖存在明顯的峰谷,可將目標(biāo)和背景很好地分割開來,效果如圖7(b)和(c)所示。生絲的主干信息得到了很好的保留,圖像失真較少,降低了后續(xù)處理難度。

圖7 閥值分割

2.3 生絲纖度檢測

通過前期對生絲的閥值分割處理后,生絲主體具有了平滑的輪廓,可根據(jù)所獲取的目標(biāo)區(qū)域完成對生絲纖度的檢測。生絲絲條在繅制過程中產(chǎn)生的大中型疵點(diǎn)(如圖8所示)因為部分出現(xiàn)特別膨大,會影響最終計算絲條直徑的準(zhǔn)確率,因此要對含有這種類型疵點(diǎn)的生絲圖片剔除掉,不進(jìn)入生絲直徑的提取和計算。其中生絲直徑的提取是計算生絲粗細(xì)程度的前提和基礎(chǔ),但將影響生絲直徑的糙疵剔除也是關(guān)鍵環(huán)節(jié)。

圖8 絲條大中型疵點(diǎn)示意圖

2.4 生絲直徑的提取

對生絲直徑的計算不需要運(yùn)用檢測精度求得實際的直徑尺寸,而采用統(tǒng)計目標(biāo)在圖像中所占用的像素個數(shù)。實際的檢測精度需要通過標(biāo)定來確定,即需要求取像素的當(dāng)量值[4]。通過標(biāo)定的比例關(guān)系計算得出實際尺寸值,這樣就得到了每個像素所對應(yīng)的實際距離,并可據(jù)此計算出生絲單位點(diǎn)的直徑。該檢測方式可實現(xiàn)絲條連續(xù)、不間斷檢測其直徑,提高生絲纖度檢測精度。也可通過減少所采集視頻信號的畫面幀率,實現(xiàn)間斷性檢測。采用方法:

(1)如圖7(b)對生絲目標(biāo)區(qū)域按從左到右、從上到下的順序進(jìn)行逐行掃描;

(2)記錄下生絲目標(biāo)區(qū)域的每行初始像素列坐標(biāo)L1和尾部像素列坐標(biāo)L2;

(3)計算直徑:

(4)重復(fù)步驟2和步驟3,得到圖像中每一行的直徑值;

(5)對所采集的圖像逐張順序,重復(fù)以上步驟,對整段絲長進(jìn)行記錄并加以保存。

2.5 生絲纖度值的轉(zhuǎn)換

由于生絲纖維不同于其他類纖維,生絲的纖度值是將在一定長度內(nèi)的粗細(xì)變化作為質(zhì)量好壞的標(biāo)準(zhǔn),因此要將待測生絲絲條的直徑轉(zhuǎn)換成生產(chǎn)管理人員常用的纖度值,便于判斷和計算生絲纖度質(zhì)量的平均纖度、纖度偏差及纖度最大偏差等指標(biāo)。生絲直徑與纖度值的關(guān)系如下:

式中:D表示生絲直徑;S為生絲纖度值;K 為常數(shù):干態(tài)生絲為12.3、濕態(tài)生絲為14.47[5]。

在濕態(tài)生絲的狀態(tài)下受生產(chǎn)企業(yè)的原料、工藝及設(shè)備狀況等因素影響,K 值是有差別的,因此需要不同企業(yè)根據(jù)自身實際情況進(jìn)行修正。

3 結(jié)束語

基于圖像識別的生絲纖度實時檢測系統(tǒng),主要對系統(tǒng)的硬件搭建并達(dá)到軟硬件的兼容,實現(xiàn)對濕態(tài)生絲運(yùn)動狀態(tài)下的圖像有效采集和識別,通過圖像處理方法提取出生絲絲條直徑數(shù)據(jù),然后轉(zhuǎn)換為制絲生產(chǎn)現(xiàn)場管理和生絲質(zhì)量評判的纖度值。研究表明生絲動態(tài)纖度檢測技術(shù)的應(yīng)用將解決傳統(tǒng)生絲纖度質(zhì)量管理和檢測方式存在效率低、時效性差及自動化程度不高的弊端。隨著檢測系統(tǒng)技術(shù)的完善和提高,還可應(yīng)用于自動繅絲纖度控制系統(tǒng),將進(jìn)一步提升制絲生絲產(chǎn)品的纖度質(zhì)量水平,提高絲織成品的經(jīng)濟(jì)價值和使用價值。