[发明专利]基于霍夫变换的纱线断头检测方法

说明书

本发明提供了一种基于霍夫变换的纱线断头检测方法，将采集到的图像信号首先进行中值滤波，有效规避了因光线强度、纱线快速旋转等因素对纱线断头判断的干扰，再利用灰度直方图将灰度从大到小统计出对应的像素点个数并设置阈值，后将灰度图像转换成二值图像，再将二值图像进行垂直与水平投影，通过垂直与水平投影确定噪声的行与列并将其滤除。由于标准的霍夫变换算法已无法适用预处理后的图像，也为了进一步排除背景噪声对纱线断头判断的影响，本发明提出一种新的霍夫变换算法来检测二值图像中的直线，以快速提取纱线信息。同时还优化了该霍夫变换算法的扫描角度与步长，提高了运算速率，缩短了计算时间，提高了纱线断头的检测效率。

技术领域

本发明涉及一种纱线断头检测方法，具体涉及一种基于霍夫变换的纱线断头检测方法，属于纺织检测技术领域。

背景技术

在纺纱生产过程中，细纱断头是直接影响纱线产量与质量的关键因素。细纱工序用工量最大，细纱挡车工的主要职责是检查断头和重新接线，而其中循环往复地人为检查并发现断头占用了大量的工作时间。为了降低细纱挡车工的劳动强度，并减少用工量，同时提高生产效率，需要对细纱断头进行智能化快速检测，并将检测结果实时反馈给挡车工进行及时处理。

目前纺织行业使用的纱线断头检测系统主要包括：(1)机械接触检测装置，如指针式检测装置，利用指针拨动纱线，当纱线断头时，指针指向最大值，但指针与纱线产生摩擦，反而增加了纱线断头率。(2)电子非接触检测装置，包括电容式、磁电式、压电式、光电式等，但是这些检测装置需安装在每一个纱线锭位，检测硬件投入成本较高，此外，由于纺纱车间的环境因素，通常上述电子检测装置的使用寿命较短，成本进一步提高。(3)利用机器视觉方法，通过面阵相机采集纱线图像，利用图像处理技术检测纱线断头；但该种检测方法通常适用于静止时的图像，也未考虑纺纱厂的背景噪声，忽略了纱线时刻处于高速运转的情况，起不到纱线运行期间同步在线检测的效果。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于霍夫变换的纱线断头检测方法，规避了因光线强度、纱线快速旋转等因素对纱线断头判断的干扰，滤除了背景噪声，此外，本发明的检测方法成本投入低，可实现实时在线检测，且应用优化的霍夫变换算法，提高了运算速率，缩短了计算时间，提高了纱线断头的检测效率，减轻了细纱挡车工的工作强度。

为实现以上目的，本发明采用以下技术方案：

一种基于霍夫变换的纱线断头检测方法，包括如下步骤：

S1，采集纱线的图像信号；

S2，将步骤S1采集的图像信号转换成灰度图；

S3，对步骤S2的灰度图进行中值滤波；

S4，对步骤S3处理后的图像信号进行灰度统计，找出像素点个数突变的灰度值，并将该灰度值设置为阈值；

S5：根据阈值将步骤S3处理后的图像信号转换成二值图；

S6：对步骤S5的二值图像分别进行垂直、水平投影，得到垂直、水平投影图，分析背景噪声所在的行与列并滤除所述背景噪声。

S7：将步骤S6中滤除背景噪声后的图像再一次进行垂直、水平投影，初步判断出纱线是否发生断头。

S8：对步骤S6中滤除背景噪声后的图像进行边缘提取；

S9：对步骤S8处理后的图像运行霍夫变换算法，并优化霍夫变换扫描角度；

S10：在步骤S9处理后的图像上进行标注直线，判断纱线是否发生断头。

进一步地，步骤S9中霍夫变换算法包括如下步骤：

S91，随机选取纱线边缘上的点，将其映射到相应的霍夫空间；