[发明专利]一种自动穿综机纱线异常检测与控制方法在审

专利信息
申请号: 202111350326.3 申请日: 2021-11-15
公开(公告)号: CN114120183A 公开(公告)日: 2022-03-01
发明(设计)人: 唐冲;庞磊;李守斌;刘洋洋 申请(专利权)人: 苏州多模态智能科技有限公司
主分类号: G06V20/40 分类号: G06V20/40;G06V20/52;G06K9/62;D03J1/14;G06V10/764
代理公司: 广东奥益专利代理事务所(普通合伙) 44842 代理人: 张芳
地址: 215002 江苏省苏州市吴江区横扇街道东太湖生态旅*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 自动 穿综机 纱线 异常 检测 控制 方法
【权利要求书】:

1.一种自动穿综机纱线异常控制方法,其特征在于,包括以下步骤:

(1),建立纱线识别先验知识库:根据知识库判断纱线是否符合大类分类要求,只有在满足先验知识要求才会进一步进行后续动作,否则重新选择分类类别;

(2),建立纱线识别细分类库及其对应特征计算方法:不同的纱线类型存在较大差异,图像特征数据同样存在不同的特征属性,需要根据不同的纱线种类选择,选用更适合对应纱线种类识别的特征,并进行图像计算;

(3),建立根据单纱图像进行程序初始化机制:根据人工对于初始图像的判断,提取单纱特征并初始化判断参数,以此为基准进行其他纱线的判断;

(4),研究参数自适应调整策略:在自动模式下,需要根据当前纱线特征、执行次数等进行参数自适应调整,以满足更高的精度和效率;

(5),利用双目相机进行单纱判断:合理利用双目相机及其上述所有知识、经验和参数,实现单纱判断识别。

2.一种自动穿综机纱线异常检测方法,其特征在于,包括以下步骤:

S1、钩取待测纱线,对待测纱线进行样本图像采集;

S2、对采集的样本图像进行预处理,首先对样本图像进行图像数据化处理,然后进行图像降噪处理,最后再进行图像增强处理;

S3、对预处理后的图像进行瑕疵区域检测,提取瑕疵区域图像;包括对图像进行图像增强处理,然后进行灰度值检测,获取待测目标灰度特征值差异区域图像,对灰度特征值差异区域的图像进行图像分割,获得分割图像,对各分割图像进行滤波检测,获得滤波图像,将各滤波图像进行多方向融合,获得瑕疵区域图像;

S4、对瑕疵区域图像进行特征向量信息提取,同时对瑕疵区域图像所对应的预处理图像进行分类信息提取;

S5、根据特征向量信息和分类信息对待测纱线进行分类和单/多纱判断,并根据判断结果进行对应纱线分离控制,将纱线宽度信息、纱线颜色信息以及纱线透光度信息导入纱线分类训练模型中完成对待测纱线的分类判断,将纱线透光度信息、纱线宽度信息和纱线间隙特征信息导入单/多纱训练模型中完成对待测纱线的单/多纱判断,对待测纱线的判断结果为多纱时,则将钩取的待测纱线放回,重新钩取待测纱线重复步骤S1至步骤S5,直至对待测纱线的判断结果为单纱;当重复钩取次数超过设定值且判断结果仍为多纱时,则进行人工检测,人工检测结果为单纱时,则将相应的特征向量信息提取出来对单/多纱训练模型进行修正。

3.根据权利要求2所述的一种自动穿综机纱线异常检测方法,其特征在于,所述S2中对样本图像进行预处理的过程还包括:对增强处理后的图像进行均值下采样,均值下采样后进行双线性插值,然后再进行方差下采样,方差下采样后再进行双线性插值。

4.根据权利要求2所述的一种自动穿综机纱线异常检测方法,其特征在于,所述S4中特征向量信息包括纱线宽度信息和纱线间隙特征信息。

5.根据权利要求2所述的一种自动穿综机纱线异常检测方法,其特征在于,所述S4中分类信息包括纱线颜色信息以及纱线透光度信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州多模态智能科技有限公司,未经苏州多模态智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111350326.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top