[发明专利]一种离线自动检测长丝丝卷尾巴丝的方法

权利要求书

1.一种离线检测长丝丝卷尾巴丝的方法，其特征是：将丝卷的表面分为多个区域，采集各区域的外观图像后，将其分别输入到各区域对应的分类模型中，由分类模型输出表征有无尾巴丝疵点的标签；

多个区域为n个区域，i＝1,2,...,n，区域i对应的分类模型为数据库训练后的LeNet卷积神经网络，数据库包含多张外观图像及其对应的标签，多张外观图像为多个丝卷表面区域i的外观图像，训练时分别以外观图像和标签为输入项和目标输出项；

所述多个丝卷为表面区域i无尾巴丝疵点的丝卷和表面区域i有尾巴丝疵点的丝卷的集合。

2.根据权利要求1所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，建立不同的分类模型时使用的多个丝卷相同或不同。

3.根据权利要求1所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，所述多个丝卷的总数大于2000。

4.根据权利要求1所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，所述多个丝卷中表面区域i无尾巴丝疵点的丝卷与表面区域i有尾巴丝疵点的丝卷的数量比为1:1。

5.根据权利要求1所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，所述标签为0和1，0代表无尾巴丝疵点，1代表有尾巴丝疵点。

6.根据权利要求5所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，区域i对应的分类模型的建立步骤如下：

(1)采集多个丝卷表面区域i的外观图像并将其转化为灰度图像后，随机选取90％的外观图像作为训练样本，剩余的外观图像作为测试样本；

(2)逐个确定每个样本对应的标签；

(3)分别以外观图像及其对应的标签为输入项和目标输出项，采用训练样本训练LeNet卷积神经网络得到训练样本训练后的LeNet卷积神经网络；

(4)将测试样本输入训练样本训练后的LeNet卷积神经网络并将其对应的标签与训练样本训练后的LeNet卷积神经网络输出的标签进行比较得到分类准确率；

(5)判断分类准确率是否大于97％，如果是，则得到分类模型；反之，则进入下一步；

(6)调整训练样本训练后的LeNet卷积神经网络参数后返回步骤(4)，或者增加所述多个丝卷的数量后返回步骤(1)。

7.根据权利要求1所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，n＝4，所述各区域的外观图像由4个相机进行采集，1个相机镜头面向丝卷顶面，1个相机镜头面向丝卷底面，2个相机镜头面向丝卷侧面，且上下布置位于丝卷的同一侧。

8.根据权利要求7所述的一种离线检测长丝丝卷尾巴丝的方法，其特征在于，所述4个相机围成的区域为图像采集区域，所述丝卷由运输板输送至图像采集区域后静止。