[0078] 下面结合附图对本发明作进一步说明。
[0079] 具体实施例1：
[0080] 如图1所示，纱线空筒检测装置由八孔风送纱架、双目视觉模块、滑动导轨、桁架机器人、无线通讯模块、PC上位机、显示模块等组成。
[0081] 总装置中，由上位机给所有八孔风送纱架编号1号、2号、3号、...、9号 (具体八孔风送纱架个数可根据实地工况指定)。每个送纱架的纱筒杆分为A、B柱，每个柱的纱筒杆从上往下依次按阿拉伯数字编号。例：1A1表示1号八孔风送纱架的A柱的第一个纱筒杆，3B7表示3号八孔风送纱架B柱的第7个纱筒杆。当检测到空筒时，将该编号转换为16进制代码发送给换筒机器人用于坐标定位。
[0082] 机器视觉模块由桁架机器人负责辅助移动，每两排送纱架间距约50cm，供视觉模块在送纱架间移动。桁架机器人配合上位机指令循环检测，可精确定位到具体的有空筒的纱架。
[0083] 八孔风送纱架有A、B两柱，两柱上分别有纱筒杆，用于放置不同颜色(也可相同)的纱线筒。A、B柱对应位置的纱筒杆水平高度相同，倾角相同用于放置。A柱和B柱对应纱筒杆的纱线筒颜色相同。对应纱线筒之间的连线情况分两种：一是A柱纱线筒尾线连接B柱纱线筒头线；二是B柱纱线筒尾线连接A柱纱线筒头线。目的是保持同一个风管送线颜色统一。
[0084] 纺织纱筒是一种用于纺纱缠绕并收纳的装置，并且在纺织机工作时需配合纺织机放纱，因此广泛应用于纺织品生产加工场所。针对不同的生产及磨损情况，采用不同种类的纱筒，减少纱线的不规则缠绕而导致的预转动卡顿。其中圆锥形纱筒内壁和外壁均为圆锥形。圆柱形纱筒内壁和外壁均为圆柱形。纱筒3内壁和外壁均为两头锥形中间圆柱形。
[0085] 空筒有两个判定条件。
[0086] 条件一：纱线绕筒半径低于5毫米；
[0087] 条件二：纱线筒与对应风孔间无头线相连接。
[0088] 桁架机器人可沿X轴左右移动至不同的八孔风送纱架，定位以后由视觉模块拍摄A、B柱纱线筒的纱线绕筒半径，A、B柱各纱线筒与对应风孔的连接头线并获取对应布尔值。
[0089] 视觉模块同时采集判断A、B柱纱线筒的头线是否与风孔连接。如图2所示，若A1此时满足条件一，且与对应风孔间无头线相连接，此A1位置为空筒，并将数据通过无线模块传输至上位机并配合换筒机器人协作换筒。
[0090] 若纱线筒此时满足条件一，但与对应风孔间有头线相连接(即不满足条件二 )，如A2所示，则提升该坐标的下次巡检优先值，并标记为待更换纱筒坐标。
[0091] 二次巡检时，桁架机器人优先将视觉模块定位至A1、B1，并视觉判断是否有A1、B1到对应风孔的连接头线。若A1属于优先巡检坐标(即A1满足条件一，纱线卷厚度低于5毫米)，同时A1与风孔之间无连接头线，则判定A1空筒。
[0092] 机器视觉模块由工业相机、供电模块、无线信号传输模块组成。采用GigE 高速传输接口。相机模块帧率30fps，满足检测要求同时提升相机的可靠性和鲁棒性。
[0093] 相机角度固定，和纱筒杆与水平面倾角一致，对准纱筒筒心，单次拍摄2行共4个纱筒的工况。由于现场采集到图像后，背景复杂，干扰因素较多，先二值化然后Blob分析调整阈值选出感兴趣区域(ROI)，进而设置待检测圆环区域的内外圆半径，接着由内往外沿着灰度发生跃变的地方，拟合出待检测内外圆R1， R2。
[0094] 对采集到的图像，得到纱线绕筒半径的步骤如下：
[0095] 步骤一：图像处理：
[0096] 采集到的图像二值化，采用Canny算子提取纱线上纱筒的边缘点；
[0097] Canny算子的检测步骤：
[0098] ①高斯滤波器平滑图像，去除噪声
[0099] 二维高斯滤波函数：
[0100] 其中G(x，y)为纱筒的边缘点的坐标，x表示纱筒的边缘点的横坐标，y表示纱筒的边缘点的纵坐标；σ为高斯滤波器的标准差，σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，平衡对图像的噪声的抑制； n为高斯滤波器窗口大小；e为自然常数；
[0101] ②计算梯度幅值和梯度方向
[0102] 使用微分算子计算偏导数：
[0103] 梯度大小
[0104] 其中：Gx为x方向的微分算子，Gy为y方向的微分算子；B为梯度，反映了图像的边缘强调，Bx为x方向的梯度值，By为y方向的梯度值，θ为梯度角，反映了图像的边缘的方向；
[0105] ③对梯度幅值进行非极大值抑制
[0106] 沿梯度方向检测极大值点，即边缘点，像素灰度值置为0；
[0107] ④采用双阈值算法检测边缘和连接边缘
[0108] 采用双阈值检测算法，阈值为th1和th2，th1＝0.4th2，在此基础上进行图像边缘的连接，得到边界二值图；
[0109] 步骤二、最小二乘法圆拟合原理对边缘点进行拟合：
[0110] 假设空间中存在一个圆，圆心坐标为(x0,y0)，半径为r，那么圆的方程表示为：
[0111] (x‑x0)2+(y‑y0)2＝r2 1
[0112] 对于最小二乘法的圆拟合，误差平方的优化目标函数S为：
[0113]
[0114] 式2中：i＝1,2,...,k为圆弧上特征点坐标，k为参与拟合的特征点数；在保持优化目标函数特征的前提下，定义误差平方函数E：
[0115]
[0116] 其中：B＝‑2y0,A＝‑2x0, xi表示第i个参与拟合的特征点的横坐标，yi表示第i个参与拟合的特征点的纵坐标；
[0117] 由最小二乘法原理，参数A,B,C使E取得极小值，根据极小值的求法，A,B,C 满足：
[0118]
[0119]
[0120]
[0121] E对A求偏导数； 表示E对B求偏导数； 表示E对C求偏导数；
[0122] 根据最小二乘法计算公式求得最佳拟合圆心坐标(x0,y0)，及半径r的拟合值：
[0123]
[0124] 拟合圆后测量外圆半径R2与内圆半径R1，R2与R1的差值即测得纱线半径，从而判断纱筒上还有多少纱线。桁架机器人初次巡检时，将所有达到阈值(纱线厚度低于5毫米)的纱线筒坐标标记为优先巡检坐标。
[0125] 直线检测流程：
[0126] 霍夫变换是一个特征提取技术。目的是通过投票程序在特定类型的形状(本专利特指直线)内找到对象的不完美实例。这个投票程序是在一个参数空间中进行的，在这个参数空间中，候选对象被当作所谓的累加器空间中的局部最大值来获得，所述累加器空间由用于计算霍夫变换的算法明确地构建。最基本的霍夫变换是从黑白图像中检测直线(线段)。主要优点是能容忍特征边界描述中的间隙，并且相对不受图像噪声的影响。
[0127] 由于直线有垂直于坐标轴的情况，所以选取极坐标系作为参数空间。由图像空间映射至极坐标系空间，把待求解直线问题转化为在极坐标参数空间中寻找通过点(r,θ)的最多正弦曲线数的数学问题，由计算机拟合出坐标纱线筒和对应风孔之间的直线。
[0128] 对于已标记的坐标，设定5分钟巡检一次(PC上位机可根据不同布匹的纱线用量客制化)，然后再检测是否该坐标纱线筒与对应风孔间是否有连线，若有则暂时不发布换筒命令；若无连线，说明该筒纱线已用尽，则通过无线模块向PC上位机软件发送该筒位置坐标，并标记换筒。
[0129] 对采集到的图像，检测纱筒是否有头线进入风管6的方法如下：
[0130] 步骤一采集到的图像对ROI进行提取，采用高斯滤波算法进行图像平滑，实现对图像的预处理：
[0131] ①ROI提取：对感兴趣区域进行划分，利用投影法：
[0132]
[0133] 其中：F(α，β)为像素点的灰度值，Xa为灰度平均值，H为图像的高度， W为图像的宽度；α表示像素点的横坐标，β表示像素点的纵坐标；
[0134] ②图像平滑：
[0135] 二维高斯滤波函数：
[0136] 其中x,y为图像中点坐标；σ是标准差；σ越大，高斯滤波器的频带就越宽，对图像的平滑程度就越好，通过调整σ参数，可以平衡对图像的噪声的抑制； n为高斯滤波器窗口大小；
[0137] 步骤二利用线段检测算法进行纱线边缘提取：
[0138] ①计算图像的梯度：
[0139]
[0140]
[0141] i(x,y)为坐标(x,y)像素点的灰度值，gx(x,y)为像素点(x,y)水平方向的梯度，gy(x,y)为像素点(x,y)垂直方向的梯度，G(x,y)为像素点(x,y) 上的总梯度；
[0142] 通过选择水平和垂直的梯度来提取最大梯度的像素，最大梯度的像素成为要提取的线段上的点，通过连接梯度最大点构成像素链形成边缘；
[0143] ②遍历边缘像素链，用最小二乘法进行拟合，偏差绝对值之和最小：
[0144]
[0145] i＝0,1,2...m为像素点坐标值， 为近似拟合曲线，δi为近似拟合曲线在i点处的偏差；xi表示图像点的横坐标，yi表示图像点的纵坐标；
[0146] 通过添加更多像素来扩展近似拟合曲线，当误差超过设定阈值时，生成一个新的近似拟合曲线；递归处理边缘像素链中所剩余的像素，直到所有像素都被处理完成；
[0147] 检测到完整的线段时说明头线进入风管，在正常工作；不能拟合成完整的线段时说明没有头线进入风管6。
[0148] 该纱筒检测方法填补了纺织行业智能制造中空筒检测的技术空白。融合计算机视觉和机械控制自动化，有利于纺织产业向智能化发展。
[0149] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。
