一種應用FPGA的灰度投影法斷紗檢測平臺設計

孟立凡 高文學

摘? 要： 為解決紡織過程中斷紗難以及時發現的問題，設計一種基于FPGA的灰度投影算法檢測平臺。系統中數字CCD相機采集紡紗圖像后，FPGA進行灰度投影計算、局部極值法、極值點校正等處理，得到特征值，然后通過與FPGA內部已存儲的特征值閾值進行比較，判斷出紗線的斷紗情況。在20S，30S和40S三種典型紗線生產過程中進行實測，結果表明，所設計平臺滿足斷紗檢測的準確性和實時性需求。

關鍵詞： 斷紗檢測; 灰度投影; FPGA; 特征值提取; 檢測平臺搭建; 系統測試

中圖分類號： TN911.34?34; TP274? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）04?0004?04

Design of FPGA?based broken yarn detection platform using gray projection algorithm

MENG Lifan， GAO Wenxue

（National Key Laboratory of Electronic Testing Technology and MOE Key Laboratory of Instrumental Science and Dynamic Testing，

North University of China， Taiyuan 030051， China）

Abstract： A FPGA?based detection platform using gray projection algorithm is designed to solve the problem that broken yarn is difficult to be found timely in the textile process. The spinning images are collected with the digital CCD camera， and then the gray projection calculation using FPGA， local extremum method， extremum point correction and other processing are adopted to obtain the eigenvalues， with which the eigenvalue thresholds stored inside the FPGA are combined to judge the yarn breakage condition. The actual detection was carried out in three typical yarn production processes of 20S， 30S and 40S. The results show that the designed platform can meet the accuracy and real?time requirements of the yarn breakage detection.

Keywords： broken yarn detection; gray projection; FPGA; eigenvalue extraction; detecting platform building; system test

紡織業在我國國民經濟中占據著重要的地位，作為傳統的勞動密集型產業，對我國國民經濟建設起到不可替代的作用。在紡織生產過程中斷紗檢測不可避免。而如今普遍采用人工進行巡查，但是人工檢測不僅會增加工人勞動量，使紗線的產量下降，并降低生產效率，而且還會造成布面產生大量瑕點，降低品質，影響企業效益[1]。隨著信息技術的發展、數字成像系統的更新和計算機硬件性能的增強，機器視覺檢測技術因具有非接觸、響應快、現場抗干擾能力強等特點，開始在工業上廣泛應用，這給自動檢測提供了新的方法和手段[2]。在對斷紗檢測算法的選擇中，因為人工智能算法一般耗時較長并且比較復雜，很難滿足紗線檢測對于實時性與實效性的要求[3]。在此背景下，本設計采用數字CCD相機采集紡紗圖像，以FPGA作為核心處理器，結合硬件編程語言，構建了基于FPGA的灰度投影算法檢測平臺。

1? 斷紗檢測平臺的系統方案

本斷紗檢測平臺是一種應用FPGA的斷紗視覺檢測系統，它的主要結構有： FPGA開發板、CCD 數字相機等。FPGA開發板作為系統核心控制及處理模塊，實時接收CCD數字相機傳輸的數據流，實時提取特征值，然后通過與預先統計算法得到的特征值閾值進行比較，判斷斷紗情況，如果出現斷紗，蜂鳴器與LED指示燈將會分別報警。整體結構框圖如圖1所示。

1.1? 外部硬件

本平臺選用DALSA公司出品的Spyder2系列型號為S2?1x?02k40的數字CCD相機采集圖像，采集的紗線圖像為灰度圖;照明燈光選用LED條狀光源，將黑色紙板作為紗線背景。

1.2? 開發板設計

本平臺選用Altera公司生產的Cyclone IV系列型號為EP4CE6F17C8的芯片作為主控芯片。系統時鐘為50 MHz，周邊功能模塊有SRAM及Camera Link，RJ45，JTAG等接口。

2? 基于投影的斷紗檢測算法

通過對斷紗檢測平臺在某紡織廠采集到的紡紗圖像分析，發現這些圖像的有效信息是紗線的分布情況和紗線的根數，而且這兩種信息在紡織的過程中是不變的，由此設計了一種應用于FPGA的灰度投影法斷紗檢測算法。算法的主要流程是對已經過FPGA初步處理的圖像進行分析，并且統計圖像的特征信息，得到合理的特征值閾值，然后將此特征值閾值與待檢測的紡紗圖像進行比較，最后對斷紗報警。因為在進行斷紗檢測時，數字CCD相機的圖像采集速度快，圖像的灰度變化小，并且根據垂直方向上紡紗圖像變化比較小等特點[4]，本設計提出一種方法：對灰度投影后的紗線圖像進行特征值提取。這能夠實現算法的實時性與準確性。

基于灰度投影的斷紗檢測算法分兩個部分，即統計部分與檢測部分。在統計部分，首先在列向對圖像進行灰度值投影，將得到的圖像提取出特征值，最終可得到一組正常紡紗圖像的特征值數據集[5]。通過統計學的方法，提取多組數據集并確定出用來判斷正常紡紗圖像樣本特征值的區間。根據統計到的樣本以及特征值集，選定合理的閾值。檢測部分與統計部分的過程基本一致，提取出待檢圖像相關的特征值，該特征值與閾值進行對比，確定斷紗。

2.1? 算法原理

根據實測，在紡織時，紗線在列向上位置基本不變，并且經過灰度投影后，投影圖像在列方向上可顯示相應規律。若紗線圖像的圖像分辨率為[1 024×N]，即[I（1 024，N）]，推導出列向投影：

[Row（x）=y=1NIk（x，y）]

式中：[Row（x）]表示第x行的投影值;[Ik（x，y）]表示第[k]幅圖像坐標為[（x，y）]處的灰度值。通過上式，可以得到圖像的離散值，將離散值相連得到列向投影圖如圖2所示，此圖便于后續的分析。

圖像的波谷均值這個數值對應圖像的背景灰度值，而波峰位置對應著紗線的位置。當正常的紡織時，紗線的位置和數量基本不變，對待檢測紗線圖像提取特征信息[6]，并通過異常檢測法與存儲好的紗線特征值閾值進行比較，即本系統提出的灰度投影斷紗檢測算法?；叶韧队皵嗉啓z測算法流程如圖3所示。

2.2? 提取特征值

在視覺檢測系統中，將列向投影的波峰個數及各波峰所在列數統計值作為算法的特征值;而異常檢測將選擇圖像灰度均值充當參考。其中圖像波峰所在列數統計值、圖像波峰個數以及圖像灰度均值這3個值為將要提取的特征值，這3個值包含在列向投影圖中。圖像的灰度均值作為異常檢測的值，該值可以表示檢測環境的穩定性，如果圖像灰度均值波動較大，那么就指示平臺周圍光線發生明顯變化。通過對紗線圖像的分析可知，波峰數量表示紗線的根數;波峰位置信息，表示紗線所在位置。因為在紡織過程中，紗線根數并不改變，所以將列向投影的波峰個數作為特征值之一;紗線位置的變化范圍極小，在正常紡紗圖像中所有紗線左右變化的統計值[7]將趨近于0，在計算時雖然影響很小，但是仍需要通過累加的方法進行消除。

系統中提出的斷紗檢測算法原理為根據各波峰所在列數統計值之和以及已進行編號波峰的個數來對斷線進行檢測。

2.3? 斷紗檢測算法的實現

基于投影的斷紗檢測算法在FPGA中的結構包括：高速數據緩存模塊、提取特征值模塊、特征值比較模塊。

高速數據緩存模塊的主體是一個緩沖器結構，每個緩沖器塊由一個數據深度為1 024，寬度為8的FIFO構成。每一個緩沖器相連，位于最低端的FIFO最先接收數據，直到此FIFO滿，其將數據傳輸至與之相連的FIFO [8]。緩沖器結構的ModelSim仿真圖如圖4所示。

提取特征值模塊由：投影計算模塊，特征值計算模塊，特征值存儲模塊組成。其中投影計算模塊的主要實現加減運算。除法運算調用IP核，僅保留整數值;加法運算采用流水線結構。投影計算模塊的RTL級連接圖如圖5所示。

圖像的灰度均值采用累加運算以及通過FPGA調用除法函數完成計算，這樣計算較為方便。

波峰值以及波谷值的計算方法為局部極值法，其原理為：

通過分析灰度列向投影的圖像數據中的前置梯度與后置梯度間的關系，可判斷灰度列向投影點的性質。定義前置梯度為pre_gdnt，后置梯度為post_gdnt，當前信號點的索引值為idx_val，則：

pre_gdnt=signal（idx_val）?signal（idx_val?1）;

post_gdnt=signal（idx_val+1）?signal（idx_val）;

pre_gdnt<0且post_gdnt>0時，idx_val為極小值;

pre_gdnt>0且post_gdnt<0時，idx_val為極大值;

pre_gdnt 或 post_gdnt為0時，idx_val將不能進行判斷，根據實測，此點被確定是極值點。

如圖2中的某些極大值點表示圖像背景中的高灰度值部分。由于這類點將會對最終的結果帶來干擾，所以需要被去掉。此外，當信號的索引值無法判斷極值時，也會進一步處理。本設計采用極值點校正法進一步處理。

極值點校正法分為兩個部分：

1） 將偽極值點通過局部相關法過濾掉。偽極值點如圖2投影列數分別為23，76處所示。這種局部極大值點是噪聲或背景圖像的高灰度值部分 [9]。在本算法的局部相關法中，設定極大值點的灰度值大于圖像波谷灰度均值的3倍;

2） 在局部極值法中，當出現相連的極值點時，去掉一個極值點并將其投影的列數值存入寄存器中。當計算的特征值大于波峰總數的統計值且寄存器非0時，則波峰總數增加相應值;而被取出寄存器的值，將會進行后續運算[10]。

特征值計算模塊，采用一個計數器完成對波峰個數特征值的計算。使用大量加法運算完成對波峰列向位置之和的計算。在仿真圖像中，共有81個極大值點。根據圖6極值點的統計仿真圖以及圖7波峰個數特征值仿真圖，該算法能夠實現極值點統計，并且判斷出所有極值點。

3? 系統測試

本算法在QuartusⅡ 13.0軟件平臺上采用Verilog 硬件描述語言，完成了各個模塊的設計。將平臺搭建完畢后，進行實測。

為便于實驗，選用某工廠的紡紗機對多條紗線進行檢測，選取20S，30S和40S的全棉精梳紗，紗線參數見表1，紡紗所采用纖維參數見表2。為了提取特征參考值，來作為實際生產測試中是否斷線的參考標準，對這3種紗線各取131根在正常紡紗時進行圖像采集，經以太網通信模塊上傳至PC中，統計參考值。參考特征值范圍統計見表3。

統計部分，對正常紗線進行圖像采集，計算其特征值并記錄。然后對特征值范圍進行統計，最后程序進入檢測部分。在檢測部分本設計將實時對待檢測紗線圖像進行處理。在開機20 min后本系統對600幀1 024×300的紗線圖像進行了連續采集。表4～表6分別為20S，30S和40S的實測的特征值。

表中可以看出，樣本1，2，4，5，7以及8的波峰數不在參考范圍內，表示出現斷紗;另外，樣本3，6以及9波峰數、圖像的灰度均值以及波峰所在列數統計值均出現較大的變化，根據觀測，紡織工作正常，但也被視作斷紗。一般是測試環境的關照條件出現了較大的干擾才會出現這種情況。

根據實測結果，該應用FPGA的灰度投影法斷紗檢測平臺能夠實時、準確地完成斷紗的檢測。

4? 結? 語

基于FPGA的灰度投影法斷紗檢測平臺，使用數字CCD相機和FPGA對紡紗進行信號采集與處理，通過分析圖像灰度值，提取出特征值，并使用異常檢測的方法，與系統統計到的參考特征值閾值進行比較，可以迅速、準確地判斷出所檢測的紗線是否發生了斷紗。此平臺不與紗線表面直接接觸，避免了對紗線表面的損傷，并具有檢測面積廣，抗干擾能力強的優點，展現了機器視覺在斷紗檢測領域的巨大優勢。

參考文獻

[1] 常永和，薛元，韓晨晨.環錠紡導紗板受力信號在線檢測及紡紗張力分析[J].紡織學報，2018，39（9）：146?152.

[2] 董玉廷.器視覺中工件輪廓精確提取方法的研究[D].重慶：重慶大學，2013.

[3] 劉曉杰，羅印升，張旻，等.基于機器視覺的零部件表面缺陷檢測方法研究[J].現代電子技術，2017，40（24）：181?183.

[4] 王雯雯，趙靜，劉基宏.基于歐氏距離的細紗斷紗檢測[J].絲綢，2018，55（1）：35?40.

[5] 張睿，何常德，黃晉英，等.基于QICA的工作模態參數識別技術及其應用研究[J].機械傳動，2015，39（5）：169?173.

[6] 張俊勇，伍世虔，陳彬，等.基于雙目視覺的零件多尺寸在線測量系統[J].儀表技術與傳感器，2018（10）：75?80.

[7] 田野，葉兵，王連兵.基于機器視覺的內螺紋檢測的實現方法[J].儀表技術與傳感器，2018（1）：64?70.

[8] 蔣滬生.基于FPGA的機器視覺系統研究及應用[D].無錫：江南大學，2013.

[9] 劉美菊，李凌燕，郭文博.基于機器視覺的焊點檢測算法研究[J].電子器件，2017，40（4）：1015?1020.

[10] 王盛，田江.基于智能視覺的學生考試異常狀態識別系統設計與實現[J].現代電子技術，2017，40（14）：78?80.