[发明专利]一种基于遗传算法的纱线缺陷检测方法和装置

权利要求书

1.一种基于遗传算法的纱线缺陷检测方法，所述方法包括：

采用显微镜镜头提取纱线图像群，初始化纱线图像群的特征参数，进行初始化校正，将采集到的所述纱线的图像发送至A/D转换器进行处理，并将处理后的所述纱线图像群存储至FPGA芯片；

对初始化校正后的纱线图像群进行标准粒子群切分处理，记录当前粒子群各离散粒子的类型和长度；

提取切分后的纱线分块图像的毛羽图像，对所述纱线分块图像的毛羽图像的多帧样本图像进行形态学处理，得到满足特征提取条件的多帧样本图像帧；

对毛羽图像进行遗传算法的缺陷检测，输出纱线遗传算法的最优缺陷检测，根据所述特征参数和预设的准则参数之间的匹配度，确定待检测纱线所包括的纱线数量是否符合要求；

存储检测出缺陷的纱线图像群，更新检测后的缺陷最优适应度；

所述适应度为毛羽特定类型下的长度阈值映射情况；

所述对初始化校正后的纱线图像群进行标准粒子群切分处理，具体包括： 对图像数据采用小波域变权重 MRMRF 法纱线切分，选择各小波尺度特征，纱线图像标记场建模，纱线图像特征场建模，用遗传模糊均值算法对切分处理后的训练样本计算并反复迭代进行聚类分析，最终得出纱线的正常模式和各种缺陷模式的模板，之后进行纱线图像切分的 MAP 估计和参数估计；

所述提取切分后的纱线分块图像的毛羽图像，具体包括：

毛羽提取和毛羽细粒度化，采用改进的快速并行细化法对提取的毛羽二值图像进行细化处理，使毛羽在不改变大小形态的基础上，宽度变为单像素。

2.如权利要求1所述的一种基于遗传算法的纱线缺陷检测方法，其特征在于，还包括：

所述初始化纱线图像群的特征参数，进行初始化校正，具体包括：

预处理纱线图像群，进行灰度增强，增大动态范围和增强对比度，初始化倾斜校正，获取图像群POI点，滤除噪声边缘像素，并对纱线图像群进行行扫描脉冲，生成脉冲数群体初始化，形成第一代群体，求出每个个体的适应度，记录群体内最好的个体，用 adjbest表示适应度最高的个体。

3.如权利要求1所述的一种基于遗传算法的纱线缺陷检测方法，其特征在于，还包括：

所述对毛羽图像进行遗传算法的缺陷检测，具体包括：

选取训练数据，选择毛羽正常数据和各种毛羽缺陷数据存入数据样本，则数据样本中共有 N 类数据，分别取自正常数据 F0，缺陷 1 数据 F1，缺陷 2 数据 F2…缺陷N数据FN；

分析之前进行预处理，即进行特征参数选择提取和数据归一化处理，预处理后的数据存入训练样本；

系统实际运行时的测量值进行模糊聚类分析，对诊断原始数据进行预处理，将处理后的诊断数据对比正常和缺陷模板进行模糊聚类分析，得出系统是处于正常状态还是某种缺陷状态，再结合诊断逻辑得出最终诊断结果。

4.如权利要求1所述的一种基于遗传算法的纱线缺陷检测方法，其特征在于，还包括：

所述存储检测出缺陷的纱线图像群，更新检测后的缺陷最优适应度，具体包括：

通过拉普拉斯滤波器的二值化图像需要进行阈值处理；对于没有缺陷点的拉普拉斯值用于决定二值化的阈值；

采用每帧图像中最大拉普拉斯值的 105%作为阈值,该阈值随没有缺陷点的图像更新而更新,当有任何缺陷点情况下不进行更新。