[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。