[发明专利]一种合股纱质量异常检测方法及系统

说明书

本发明涉及智能检测技术领域，具体涉及一种合股纱质量异常检测方法及系统，该方法包括：对待检测的单根合股纱进行打光照射，同时，获取所述合股纱的图像；利用预设图像算法对所述图像进行处理检测，判断所述合股纱是否正常；若判断结果为异常，则使用深度学习算法对异常状况进行检测分类；若检测分类的结果为预设严重缺陷，则控制络纱机停机。可以理解的是，本发明提供的技术方案，能够自动获取合股纱的图像信息，再对图像进行分析，从而判断该合股纱是否正常，并对异常情况进行分类，甚至停机，从而使得对质量的判断更加客观，节省人工劳动力，增加质检效率。

技术领域

本发明涉及智能检测技术领域，具体涉及一种合股纱质量异常检测方法及系统。

背景技术

目前的合股纱生产过程，由于生产工艺的情况，生产的合股纱可能会出现张力异常、毛团缺陷等异常情况，这种出现异常状况的合股纱必然是不合格的，因此，需要对生产出来的合股纱进行质量异常检测。

而目前大多采用人工的方式对合股纱进行质量异常检测，当生产的合股纱数量较多时，需要耗费大量的人工劳动力，且人工检查是凭借工作人员的主观情况，也容易出现检查失误的情况。

因此，目前对合股纱的质量异常检测，需要耗费大量的人工劳动力，效率低下。

发明内容

有鉴于此，本发明的目的在于提供一种合股纱质量异常检测方法及系统，以解决现有技术中需要耗费大量的人工劳动力，效率低下的问题。

根据本发明实施例的第一方面，提供一种合股纱质量异常检测方法，包括：

对待检测的单根合股纱进行打光照射，同时，获取所述合股纱的图像；

利用预设图像算法对所述图像进行处理检测，判断所述合股纱是否正常；

若判断结果为异常，则使用深度学习算法对异常状况进行检测分类；

若检测分类的结果为预设严重缺陷，则控制络纱机停机。

优选的，所述对待检测的单根合股纱进行打光照射，包括：

使用背光打光的方式，对待检测的单根合股纱进行打光照射。

优选的，所述使用深度学习算法对异常状况进行检测分类，包括：

构建深度学习算法的YOLOv5模型；

使用TensorRT网络对所述YOLOv5模型进行优化加速；

使用优化后的YOLOv5模型对异常状况进行检测分类。

优选的，在使用深度学习算法对异常状况进行检测分类之后，还包括：

对每根合股纱的质量检测情况进行记录；

所述记录内容至少包括记录时间、合股纱图像和合股纱质量判断结果；

若合股纱质量判断为异常，所述记录内容还包括对异常状况进行检测分类的结果。

优选的，在使用深度学习算法对异常状况进行检测分类之后，还包括：

对每类异常状况进行实时计数，并显示当前的计数值。

优选的，在控制络纱机停机之后，还包括：

控制声光报警装置进行报警。

根据本发明实施例的第二方面，提供一种合股纱质量异常检测系统，包括：

光照装置，用于对待检测的单根合股纱进行打光照射；

图像获取装置，用于获取所述合股纱的图像；