[发明专利]一种针织面料轧染工艺异常检测方法有效
申请号: | 202210603454.2 | 申请日: | 2022-05-31 |
公开(公告)号: | CN114693677B | 公开(公告)日: | 2022-08-23 |
发明(设计)人: | 陈东 | 申请(专利权)人: | 南通倍拓工贸有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 226000 江*** | 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 针织 面料 轧染 工艺 异常 检测 方法 | ||
1.一种针织面料轧染工艺异常检测方法,其特征在于,包括以下步骤:
实时获取轧染后的针织面料图像,并获取该针织面料图像的灰度图像,进而确定灰度图像中各个像素点的梯度幅值;
根据灰度图像中各个像素点的梯度幅值,确定灰度图像中各个像素点的梯度幅值级别;
根据灰度图像中各个像素点的梯度幅值级别,确定灰度图像的梯度异常值;
根据灰度图像中各个像素点的梯度幅值级别以及灰度图像中各个像素点的位置,确定灰度图像中每个梯度幅值级别的各个像素点在不同复现方向上重复出现的各个间隔长度及各个间隔长度对应的次数;
根据灰度图像中每个梯度幅值级别的像素点在不同复现方向上重复出现的各个间隔长度及各个间隔长度对应的次数,确定灰度图像中各个像素点在不同复现方向上的方向异常系数;
根据灰度图像中各个像素点在不同复现方向上的方向异常系数,确定灰度图像的全局异常系数和局部异常系数;
根据灰度图像的梯度异常值、全局异常系数和局部异常系数,判断针织面料轧染工艺是否发生异常以及发生异常时的异常种类;
确定灰度图像中每个梯度幅值级别的各个像素点在不同复现方向上重复出现的各个间隔长度及各个间隔长度对应的次数的步骤包括:
根据灰度图像中各个像素点的梯度幅值级别,确定每个梯度幅值级别所对应的各个像素点;
根据每个梯度幅值级别所对应的各个像素点的位置,确定每个梯度幅值级别所对应的各个像素点在不同复现方向上所对应的任意两个最接近像素点之间的像素数目,并将该像素数目作为灰度图像中每个梯度幅值级别的各个像素点在不同复现方向上重复出现的各个间隔长度;
对灰度图像中每个梯度幅值级别的各个像素点在不同复现方向上重复出现的各个间隔长度的出现次数进行统计,从而得到灰度图像中每个梯度幅值级别的各个像素点在不同复现方向上重复出现的各个间隔长度对应的次数。
2.根据权利要求1所述的针织面料轧染工艺异常检测方法,其特征在于,确定灰度图像中各个像素点的梯度幅值级别的步骤包括:
根据灰度图像中各个像素点的梯度幅值,进行梯度幅值直方图统计,得到梯度幅值直方图;
根据梯度幅值直方图,进行混合高斯模型拟合,得到混合高斯模型中的各个子高斯模型及其对应的均值;
根据灰度图像中各个像素点的梯度幅值、各个子高斯模型及其对应的均值,从而确定灰度图像中各个像素点的梯度幅值级别。
3.根据权利要求2所述的针织面料轧染工艺异常检测方法,其特征在于,从而确定灰度图像中各个像素点的梯度幅值级别的步骤包括:
按照各个子高斯模型对应的均值从小到大的顺序,对各个子高斯模型进行排序,并将序号作为对应子高斯模型的梯度幅值级别;
将灰度图像中各个像素点的梯度幅值依次输入到各个子高斯模型中,得到灰度图像中每个像素点的梯度幅值属于各个子高斯模型的概率值,并将每个像素点的最大概率值所对应的子高斯模型的梯度幅值级别作为该像素点的梯度幅值级别。
4.根据权利要求1所述的针织面料轧染工艺异常检测方法,其特征在于,确定灰度图像的梯度异常值对应的计算公式为:
其中,为灰度图像的梯度异常值,为灰度图像中第
5.根据权利要求1所述的针织面料轧染工艺异常检测方法,其特征在于,确定灰度图像中各个像素点在不同复现方向上的方向异常系数的步骤包括:
根据灰度图像中每个梯度幅值级别的像素点在不同复现方向上重复出现的各个间隔长度及各个间隔长度对应的次数,确定灰度图像中每个梯度幅值级别的像素点在不同复现方向上重复出现的各个间隔长度所对应的概率值;
根据灰度图像中每个梯度幅值级别的像素点在不同复现方向上重复出现的各个间隔长度以及各个间隔长度所对应的概率值,确定灰度图像中各个像素点在不同复现方向上的方向异常系数。
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南通倍拓工贸有限公司,未经南通倍拓工贸有限公司许可,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/202210603454.2/1.html,转载请声明来源钻瓜专利网。