[发明专利]一种离线检测长丝丝卷油污疵点的方法

说明书

本发明涉及一种离线检测长丝丝卷油污疵点的方法，将丝卷的整体表面分为多个区域，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，由分类模型输出有无油污疵点的标签；多个区域为n个区域，i＝1,2,...,n，区域i对应的分类模型是由数据库训练后的Network In Network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作为输入项和目标输出项；多个丝卷为表面区域i无油污疵点的丝卷和表面区域i有油污疵点的丝卷的集合。本发明方法简单，可离线对长丝丝卷的油污疵点进行检测，效率高。

技术领域

本发明涉及化纤检测技术领域，具体涉及一种离线检测长丝丝卷油污疵点的方法。

背景技术

化纤企业的生产过程中由于长丝丝卷的生产过程中要经历众多流程，其表面难免会沾染各种油污疵点，出现油污丝的情况主要有两点：(1)车间环境不良：车间作为生产、输送及存储长丝丝卷的区域会存在有多种多样的设备、原料以及辅助用料等，长丝丝卷长期处于此种环境难免会在各个环节与其接触而沾染油污；(2)油雾润滑点的密封不好：如果生产过程中的油雾润滑点密封出现问题必然会加大长丝丝卷沾染的可能性，且会不断地出现油污疵点。当丝卷表面沾染油污，不仅影响到了丝卷的外观，同时也会对长丝的质量有着不同程度的损伤，特别是在后道加工过程中，带有油污部分的长丝会因为视觉上或是其他的物理化学性能方面与正常长丝存在着差别而出现后道产品的品质不统一或性能下降。故在长丝丝卷下机后将带有油污疵点的长丝丝卷分离出来是必要的。而现在国内外的生产厂家大多是采用人工检测的方法，即人为地检测每一个长丝丝卷是否沾染油污疵点，此种方法不仅需耗费大量的人力物力，而且由于人的主观性原因而存在各种不统一的检测标准且长时间的工作亦会因人眼的疲劳而出现漏检误检的情况。

因此，研究一种精度高且可实现自动化检测的离线自动检测长丝丝卷油污疵点的方法是目前亟待需要解决的技术问题。

发明内容

本发明的目的是克服现有技术中的问题，提供一种精度高且可实现自动化检测的离线检测长丝丝卷油污疵点的方法。本发明通过设置多个相机并分别采集丝卷不同区域的外观图像后，输入到各区域对应的分类模型中，由分类模型输出有无油污疵点的标签，进而得出每个丝卷的油污疵点情况，整个过程实现了自动化离线检测。

为了达到上述目的，本发明采用如下的技术方案：

一种离线检测长丝丝卷油污疵点的方法，将丝卷的整体表面分为多个区域，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，由分类模型输出有无油污疵点的标签；

多个区域为n个区域，i＝1,2,...,n，区域i对应的分类模型是由数据库训练后的Network In Network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作为输入项和目标输出项对Network In Network卷积神经网络进行训练；Network in Network卷积神经网络主要是用结构更复杂的微型神经网络来替代传统卷积神经网络基础上将线性卷积层，同时将用于分类的全连接层变为了全局平均池化，能够有效的避免过拟合的出现，丝卷上的油污种类和色泽都多种多样，微小的油污或者颜色与丝卷表面十分接近的油污很容易对卷积神经网络形成干扰，传统卷积神经网络对其进行分类时容易出现过拟合则会使得卷积神经网络对与丝卷表面相近的油污疵点错分的概率加大，故选用Network in Network卷积神经网络；

所述多个丝卷为表面区域i无油污疵点的丝卷和表面区域i有油污疵点的丝卷的集合。

作为优选的技术方案：

如上所述的一种离线检测长丝丝卷油污疵点的方法，建立不同的分类模型时使用的多个丝卷相同或不同。

如上所述的一种离线检测长丝丝卷油污疵点的方法，所述多个丝卷的总数大于4000。