[发明专利]基于机器视觉的织物自动整花方法

说明书

技术领域

本发明涉及一种织物自动整花的方法，具体涉及一种基于机器视觉的织物自动整花方法。

背景技术

对于已印有图案的印花布、格子布等织物在水洗和烘干、拉幅定型或预缩等整理工序处理过程中，由于织物连续处于牵引状态，并受各种机械运动及生产操作的影响，以及各导布辊张力不均等问题，织物表现出花形倾斜、花形弯曲及花形呈现S弯等畸变情况。而织物花形一旦产生畸变后就不能满足客户的要求。

目前，普通印花布在通过拉幅定型、预缩整理后，由于无法使织物花形保持在标准状态，织物畸变的花形没有对应的设备进行调整。只能通过人工方式调节整纬器进行调整，这些问题直接导致了纺织品的低成品率和低生产效率。也有的是通过人工自动选取图像模板完成整花的方法，由于人工的能力不同，导致图像模板选取的准确性和适用性会有所降低。针对多品种、小批量的织物，往往操作繁琐，需根据花形的不同，不时重新设定图像模板，从而较低工作效率，质量得不到保证。

发明内容

本发明的目的是：提供一种根据花形的不同能够自动设定合适的图像模板，以及大大降低了操作难度的织物自动整花方法。

为了达到上述目的，本发明的技术方案是：一种基于机器视觉的织物自动整花方法，其具体的整花步骤依次是：

a、采集图像；

由工业相机采集在线移动织物整体宽幅的织物图像F，织物图像F的宽度为A，然后将采集到的织物图像F送至中央处理器内作为样本图像保存，其中，所述织物图像F中包含至少一个整体花回图像，整体花回图像的高度为B；

b、建立图像模板以及图像模板的搜索区域；

由中央处理器自动选定N个图像模板在织物图像F中所在位置，并建立与步骤a中织物图像F相对应的N个图像模板，其中，N≥3，N为整数，再由中央处理器建立相对应的N个图像模板的搜索区域，其具体的过程是：

b1、由中央处理器对步骤a中的织物图像F进行滤波处理并得到处理后的织物图像G；

b2、由中央处理器对织物图像G进行边缘检测，得到织物图像D；

b3、由中央处理器对织物图像D进行亮度阈值分割，获得亮度区域H；

b4、由中央处理器根据亮度区域H获取包含N个图像模板在织物图像F中所在位置的范围区域R，然后对范围区域R分为N等份，将与织物图像D中相对应的每等份区域内最大亮度的亮点作为图像模板的中心点，然后结合中央处理器初始化时设定的图像模板的宽度和高度，获得N个图像模板在织物图像F中所在位置，并建立与织物图像F相对应的N个图像模板，再由中央处理器建立相对应的N个图像模板的搜索区域；

c、图像处理；

由工业相机继续采集移动织物的织物图像L并保存至中央处理器内，然后由中央处理器搜索与织物图像L相对应的N个图像模板，得到织物图像L的图像模板在织物图像L中的所在位置后，通过中央处理器计算出织物图像L的花弯偏差调量和花斜偏差调量，最后由中央处理器输出花弯偏差调量和花斜偏差调量，并控制相对应的调整弯辊和调整斜辊动作，以完成织物的自动整花。

在上述技术方案中，所述步骤b1中由中央处理器对步骤a中的织物图像F通过滤波器进行滤波处理。

在上述技术方案中，所述滤波器为空域滤波器，选用均值滤波器、中值滤波器、低通滤波器、高斯滤波。

在上述技术方案中，所述滤波器为频域滤波器，选用小波变换滤波器、傅里叶变换滤波器、余弦变换滤波器。

在上述技术方案中，所述滤波器为形态学滤波器，是以膨胀和腐蚀方式的形态学操作进行去噪。

在上述技术方案中，所述步骤b2中由中央处理器通过sobel算法、或者IsotropicSobel算法、或者Roberts算法、或者Prewitt算法、或者Laplacian算法、或者Canny算法对织物图像G进行边缘检测。

在上述技术方案中，所述步骤b3中由中央处理器对织物图像D进行亮度阈值分割的方法有基于灰度直方图的阈值分割法、自适应阈值分割法、最大熵阈值分割法和最大类间方差阈值分割法。

本发明所具有的积极效果是：采用本发明的基于机器视觉的织物自动整花方法后，根据织物的不同花形能够自动设定合适的图像模板，通过机器视觉来达到自动调节花形倾斜和弯曲的目的，操作性强，大幅度提高织物的合格率，解决了现有织物在水洗和烘干、拉幅定型或预缩等后整理工序处理过程中花形畸变的问题，并且大大降低了操作难度，本发明针对多品种、小批量的织物能够快速设定模板，既保证了产品的质量又提高了工作效率。

具体实施方式