基于機器視覺的紗線管顏色和紗線量識別研究

作者 盧萌萌1 安俊峰2 孫麗萍1 崔英英1 1.山東勞動職業(yè)技術(shù)學(xué)院(山東 濟南 250000)2.濟南軌道交通集團有限公司(山東 濟南 250000)

　　盧萌萌(1989-)，女，碩士，研究方向：電力電子與電力傳動、模式識別及圖像處理。

摘要：機器視覺能幫助解決較繁瑣工作，實現(xiàn)自動化流程，節(jié)約人力物力。紗線管的顏色識別和紗線量的多少確定是流水線上重要的問題，對紡紗管的圖像進行顏色識別和紗線量多少的研究是本文的重點。采用MATLAB工具進行計算機算法設(shè)計，分為兩個主要部分：第一部分為紗線管顏色識別，包括訓(xùn)練集的搜集：將所收集的圖片分成紅色、黃色、黑色和藍色四類;求解每一類圖片的顏色特征;輸入一張紗線管圖片，通過svm算法來判斷紗線管顏色。第二部分是判斷紗線管的紗線量，具體做法是將圖像先進行圖像預(yù)處理工作;對紗線管分別進行濾波、閾值分割、灰度投影，對灰度投影的曲線進行平滑處理，這樣就可以得到紗線管的紗線位置，進而通過比例計算得到紗線量。研究的算法可以運用到紡紗生產(chǎn)中，提高自動化程度。

0 前言

　　紡織行業(yè)是輕工業(yè)的范疇，近些年來應(yīng)用計算機技術(shù)進行數(shù)字化紡織的研究成為一種主流，對紡織業(yè)的發(fā)展起到了巨大的作用，促進了經(jīng)濟的發(fā)展。工業(yè)程度的重視既是機遇，又是挑戰(zhàn)，通過應(yīng)用計算機技術(shù)、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)、人工智能等技術(shù)進行紡織行業(yè)的更新和研究必將取得重大的突破。

　　紡織生產(chǎn)裝備的數(shù)字化、網(wǎng)絡(luò)化和自動化是必然趨勢，機器視覺、先進制造技術(shù)、大數(shù)據(jù)技術(shù)、智能和圖像處理技術(shù)經(jīng)常被應(yīng)用于紡織生產(chǎn)的各個環(huán)節(jié)中并產(chǎn)生重大的價值。其中紗線管是本文研究的重點，圖1為紗線管的圖像。

   高質(zhì)量紡織產(chǎn)品的誕生離不開紗線研究，織物結(jié)構(gòu)參數(shù)分析尤其重要，實現(xiàn)紡紗管的自動識別和紗線量多少的識別，滿足紡織行業(yè)高效率的技術(shù)要求。紡紗自動化已經(jīng)緊密結(jié)合計算機視覺和計算機技術(shù)成為一種主流技術(shù)。如果借助計算機來實現(xiàn)紡紗自動化，將紗線管的顏色和紗線量進行分析，利用攝像頭觀察識別，并在發(fā)現(xiàn)紗線量過低或者紗線管顏色錯誤的時候進行警報，這樣就降低了人力的投入，提高了自動化程度，對于以后批量生產(chǎn)紡織品有著重大意義^[1-5]。

1 主框架設(shè)計

　　圖2是紡紗識別系統(tǒng)的示意圖。通過圖2總體構(gòu)架可以看出，進行顏色分類和紡紗量多少的確定是最主要的部分。

　　1.1 顏色識別過程中主要注意事項

　　顏色的確定。紗線管的顏色較多，可能有赤橙黃綠青藍紫七種顏色，本文主要研究四種，紅色、黃色、黑色和藍色。用這四種來做研究說明。

　　(1)每一種顏色的紗線管數(shù)目要多，有一定的典型性和代表性，便于后面處理算法。

　　(2)采用的紗線管上都含有紗線，一般紗線管的兩端是漏出的，在兩端可以看出顏色，因此選擇紗線管訓(xùn)練樣本時候盡可能選擇能夠清晰辨別出紗線管顏色的樣本。

　　(3)每一種紗線管圖像采集時，攝像頭的拍攝位置、角度、方位和光照強度保持一致。使得后期分類正確率提高。

　　1.2 紗線管含量確定主要注意事項

　　(1)固定目標位置，選擇優(yōu)質(zhì)圖片，便于識別

　　該部分主要是定位到紗線量最佳視角，找到拍攝的好角度。遇到拍攝的圖像對紗線管定位模糊，紗線特征不直觀的情況下，快速、準確地找出定位目標尤為重要。首先紗線是存在的，不可能是單一點。把所有紗線的位置統(tǒng)計出來，進行大范圍檢測?？傆袔讉€角度適合，分別保存選擇圖像效果最好的進行圖像處理。將拍攝的初始圖像輸進計算機，然后處理該圖像，將所需部分單獨分割處理，然后結(jié)合數(shù)字圖像處理技術(shù)，對比分析如果紗線量含量過低，就進行預(yù)警。

　　(2)目標紗線部分的分割

　　利用圖像分割的操作手段，實現(xiàn)將紗線管和其紗線部分分割成獨立部分。主要的算法有灰度投影法，氣泡法等，結(jié)合本文實際，選擇最為直接的灰度投影法，原因是紗線管中紗線的含量部分圖像比較突出以及本身體積較小，灰度投影法的效果較好，誤差小。

　　(3)目標紗線部分含量的識別

　　經(jīng)過對紗線圖像的預(yù)處理以及灰度投影法的分割處理，來實現(xiàn)突出紗線的特征，常用方法有統(tǒng)計法、模型法、幾何法等。這個部分為了得到紗線特征尤為重要。通過算法設(shè)計，利用比例法將拍攝圖像的尺寸進行統(tǒng)計，便于比較。

2 顏色分類的具體算法

　　顏色分類的算法設(shè)計如圖3所示。

　　鎖定紗線管圖。首先確定紗線管的圖，找到合適的圖形，盡量讓紗線管的兩端露出紗線管的顏色。

　　訓(xùn)練集的搜集。找到四類顏色：紅色、黑色、藍色和黃色。每一個庫里面包含20張圖片，一共80張圖片，組成訓(xùn)練集。

　　訓(xùn)練集特征提取和SVM訓(xùn)練。對每一類顏色的每一張圖片取1個10*10的正方形范圍大小的圖片樣本。

　　如圖4，首先確定原始圖像的大小，然后找到原始圖像的對稱軸，對稱軸的上下5個像素共10個像素作為樣本的長，右側(cè)邊緣的后50到后40個像素作為樣本的寬，那么就組成了樣本的10x10矩陣大小的新圖像。所有80個樣本都按照這個方法進行實驗和處理。80個新樣本組成集合B。

　　對于新樣本集合B采取提取特征，每一個10x10的矩陣圖作為一個RGB圖像，分別提取r、g、b分量的均值，方差、標準差、最大值、最小值和中值特征，每個樣本有共計18個特征;80個新樣本組成一個80*18的特征矩陣，對于特征矩陣進行SVM訓(xùn)練，保存網(wǎng)絡(luò)。

　　求解特征的方法是：首先提取r分量，是一個10*10的矩陣，轉(zhuǎn)換成一個1*100的向量，再求解它的6個特征;然后對g，b分量采取相同的措施，得到共計18個特征。

　　其中均值、方差、標準差的公式如式(1)~式(3)，其中，a是1*100的向量。

　　另外，最大值、最小值和中值特征用MATLAB自帶的函數(shù)計算較為方便。

　　SVM是一個典型的分類算法，可以實現(xiàn)多分類的過程，這里采用臺灣大學(xué)林教授編寫的libsvm工具箱進行分類研究，安裝好工具箱后，配置一定的環(huán)境，然后選擇合適的參數(shù)c、g的數(shù)值，進行訓(xùn)練集的分類，將SVM網(wǎng)絡(luò)保存供后期的測試使用。

　　輸入測試圖像并且進行SVM識別，對于待檢測圖像，首先獲取樣本圖像，然后提取樣本圖像的特征，進而進行SVM識別操作，得到相關(guān)的類別標簽，也就是判定測試圖像屬于什么顏色^[6-10]。

　　本文采用多次試驗進行測試，得到的SVM識別結(jié)果如圖5及表1所示。

3 紗線量的確定算法

　　紗線量確定的算法設(shè)計如圖6所示。

　　本文部分采用圖像處理技術(shù)進行處理，主要涵蓋基本操作等基本內(nèi)容，實現(xiàn)了最后紗線含量的確定^[7-11]。

　　(1)鎖定紗線管圖，首先確定紗線管的圖，找到合適的圖形，盡量讓紗線部分區(qū)分明顯。

　　(2)輸入原圖之后，對圖片進行灰度變換，進行灰度變換的代碼指令為rgb2gray，灰度變換以后的圖片如圖7所示。

　　(3)為了讓圖像中的紗線部分突出，采用閾值分割算法，求出圖像的最大灰度數(shù)值和最小灰度數(shù)值，應(yīng)用迭代閾值最佳算法進行，輸出效果如圖8，為了去除噪聲，一般采用中值濾波進行濾波處理。

　　其中中值濾波采用的指令為：b=medfilt2(a,[m,n])。

　　(4)灰度投影法確定紗線部分的位置

　　采用圖像的灰度投影 采用的指令為：ss=sum(b);其中b為中值濾波后的圖像;采用平滑處理方法對灰度投影曲線進行平滑處理，指令為：smooth(ss,32,'sgolay',11)，平滑后的曲線更容易得到紡紗量的數(shù)據(jù)信息。如圖9所示。

　　通過分析得知，圖9右側(cè)的圖兩個箭頭所指的位置就是紗線的左側(cè)和右側(cè)邊緣。

　　(5)比例法求解紗線量的多少。

　　通過圖9，求解兩個拐點a、b，圈出紗線的位置，總長度為d。

　　根據(jù)公式(4)求解出紗線量的含量：

(4)

　　其中標記處紗線含量的指令為：rectangle('Position',[a,c,abs(b-a),cc],'LineWidth',2,'LineStyle','-','EdgeColor','r')。其中a是紗線的左側(cè)邊緣，c是上側(cè)邊緣，cc是上側(cè)邊緣和下側(cè)邊緣的距離。

　　根據(jù)公式4求解紗線含量的比重為：45.75%，與真實的數(shù)值差距不大，在允許的誤差范圍內(nèi)，證明方法具有可行性，本文采用該方法驗證測試樣本100個，相對誤差都在5%以內(nèi)。

4 結(jié)論

　　本文淺談了紡紗工業(yè)的形勢，主要介紹了顏色分類和紗線量多少的算法設(shè)計，紡紗管圖像輸入以后可以判斷出紗管的顏色以及紗線量，根據(jù)系統(tǒng)的算法結(jié)果具有可行性和有效性。

　　實現(xiàn)紡紗自動化的研究離不開機器視覺，未來將是人工智能的時代，在以后的研究過程中，著重提高幾個方面：(1)系統(tǒng)能夠滿足更復(fù)雜圖片的識別，使得識別的結(jié)果更加精確;(2)爭取使用較多樣本的數(shù)據(jù)庫，有效的解決大量圖像處理問題，設(shè)計出一個軟件體系;(3)提高圖像識別的速度，魯棒性;(4)采用C語言嵌入到linux系統(tǒng)，結(jié)合硬件設(shè)備。實現(xiàn)軟硬件結(jié)合的高級系統(tǒng)。

　　參考文獻：

　　[1]李蘭女.紗線質(zhì)量日常管理中的問題及其改進[J].上海紡織科技, 2008 , 36 (6):37-39.

　　[2]付榮.機器視覺技術(shù)農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J]呼倫貝爾職業(yè)技術(shù)學(xué)院,2011,(208):6-7.

　　[3]Zhao J H, Luo X W, Liu M H, et al. Application of BP Neural Network to Sugarcane Diseased Spots Classification[A]. Second International Symposium on Intelligent Information Technology Application[C], IEEE Transations,2008:422-425.

　　[4]Li J H, Gao L W, Shen Z R. Extraction and analysis of digital images feature of three kinds of wheat diseases[A]. 2010 3rd International Congress on Image and Signal Processing (CISP2010) [C], IEEE Transations,2010:2543-2548.

　　[5]成芳,應(yīng)義斌.機器視覺技術(shù)在農(nóng)作物種子質(zhì)量檢測中的應(yīng)用研究發(fā)展[J]農(nóng)業(yè)工程學(xué)報2011,17(6):175-179

　　[6]楊紅珍,張建偉,李湘濤,等.基于圖像的昆蟲遠程自動識別系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報,2008,24(1):188-192.

　　[7]鄔嘯,魏延,吳瑕.基于混合核函數(shù)的支持向量機[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2011,10.

　　[8]鄔書躍.基于支持向量機和貝葉斯分析技術(shù)的入侵檢測方法研究[D].中南大學(xué),2012.

　　[9]朱鑫.基于圖像處理的植物根系分割及定量分析系統(tǒng)的研究與實現(xiàn)[D].重慶大學(xué),2014.

　　[10]魏曉麗,殷健.物體形狀位置圖像處理算法[J].計算機應(yīng)用,2000,09.

　　[11]褚文濤.基于復(fù)合圖像處理方法的路表面裂縫類破損自動識別方法研究[D].上海交通大學(xué),2013.

　　本文來源于《電子產(chǎn)品世界》2018年第7期第45頁，歡迎您寫論文時引用，并注明出處。