基于機器視覺的無梭織機斷經(jīng)智能識別裝置研發(fā)

張德成　張勇　許婧　茹秋利

摘 要：斷經(jīng)是機織物面料最常見疵點之一，也是判定面料品質(zhì)的重要指標。為了避免斷經(jīng)疵點出現(xiàn)，紡織企業(yè)通常采取停經(jīng)片或人工巡臺措施來應(yīng)對，但這兩種方法不僅增加了生產(chǎn)工藝流程和人工成本，還會增加經(jīng)紗與停經(jīng)片磨損以及漏巡問題。本文利用機器視覺精確在線采集圖像信息，模擬擋車工巡臺檢查，利用視覺算法對圖像信息進行處理分析，從而識別斷經(jīng)，并觸發(fā)斷經(jīng)信號停機。同時，為降低成本，一臺自動斷經(jīng)識別裝置控制多臺設(shè)備，實現(xiàn)多臺聯(lián)動控制，降低企業(yè)智能化改造成本。該智能裝置實現(xiàn)機器代替人的勞動，推動紡織織造行業(yè)智能化水平提升。

關(guān)鍵詞：斷經(jīng)；機器視覺；圖像處理；視覺算法

中圖分類號：TP391.4 文獻標識碼：A 文章編號：2095－414X（2023）05－0041－06

0? 引言

20世紀60至90年代，以無梭織機更新替代有梭織機的大趨勢，機械化、電器化無梭織機快速投入國內(nèi)市場，大幅提高了面料生產(chǎn)效率，也促進了無梭織機自動化改造升級。20世紀90年代至21世紀10年代，經(jīng)過近30年的發(fā)展，無論從織機轉(zhuǎn)速、運轉(zhuǎn)穩(wěn)定性、品種適應(yīng)性等各個方面都有了巨大的發(fā)展。國內(nèi)開始大面積引進無梭織機，逐步成為國內(nèi)織機的一種主導機型。國產(chǎn)織機生產(chǎn)企業(yè)通過技術(shù)引進、自主創(chuàng)新，出現(xiàn)了電子儲緯、變頻調(diào)速技術(shù)、電動緯密調(diào)節(jié)、電子送經(jīng)、電子卷取、自動穿綜、節(jié)能電機、電子多臂新技術(shù)等應(yīng)用在無梭織機上，織機生產(chǎn)品種規(guī)格也有了較大的發(fā)展。近年來，無梭織機發(fā)展趨于穩(wěn)定，仿佛也遇到發(fā)展瓶頸，由以往追求織機高速運轉(zhuǎn)，逐漸朝低噪音、智能化、信息化方向發(fā)展。我國海佳、引春等無梭織機紡織機械生產(chǎn)企業(yè)取得快速發(fā)展，甚至在織機智能化、信息化領(lǐng)域超過國外先進設(shè)備。隨著科技發(fā)展、智能化水平提高以及人工成本增加，斷經(jīng)自停裝置的重要性和必要性逐漸被重視[1]。傳統(tǒng)機械式斷經(jīng)自停裝置如圖1所示，利用短路控制系統(tǒng)，將千萬根停經(jīng)片穿入經(jīng)絲的上方，如發(fā)生斷經(jīng)，停經(jīng)片依靠自重下落與停經(jīng)條導通，形成短路，電控裝置采集到斷經(jīng)信號，并觸發(fā)停車信號，這種方法增加坯布生產(chǎn)工序流程和人工成本，并且在整個生產(chǎn)過程中停經(jīng)片始終與經(jīng)紗摩擦。對于化纖長絲品種，依靠人工巡臺肉眼識別斷經(jīng)，占用擋車工大量時間，人工成本較高，會有漏檢，不能第一時間發(fā)現(xiàn)斷經(jīng)情況。針對當前企業(yè)發(fā)展遇到的問題，特提出機器視覺斷經(jīng)自停裝置，實現(xiàn)智能織造，該研究裝置能夠填補空白，提升無梭織機智能化水平。

1? 視覺系統(tǒng)硬件方案設(shè)計

該無梭織機斷經(jīng)智能識別裝置集圖像釆集、圖像處理、通信、機電控制于一體，具有智能化處理的功能[2]。利用機器視覺檢測代替?zhèn)鹘y(tǒng)斷經(jīng)自停裝置和人工巡臺，可以實現(xiàn)在工人現(xiàn)場的非接觸式斷經(jīng)檢測，整個系統(tǒng)由定焦工業(yè)相機、光源、靜音移動軌道、工控機等組成（如圖2所示），單臺視覺裝置可以巡臺聯(lián)動控制多臺（20～40臺），提升機器視覺設(shè)備利用率，同時降低紡織企業(yè)設(shè)備智能升級改造成本。

1.1 視覺系統(tǒng)光源

光源的作用是有效突出識別目標，與背景明顯分別，獲得高品質(zhì)、高對比度的圖像，高質(zhì)量圖片影響處理精度和速度。通過表1主要光源技術(shù)性能指標綜合對比，選擇LED燈作為本裝置光源[3]。

該裝置設(shè)計使用嵌入鏡頭外圍環(huán)形LED（發(fā)光二極管）光源。再對光源前向、后向、斜角不同補光測試對比（如圖3所示），通過在不同光源條件下打光測試發(fā)現(xiàn)，LED（發(fā)光二極管）光源正向、背向打光圖像質(zhì)量更高，輪廓更加清晰，目標特征信息最突出。綜合考慮后期安裝、維護，選正向打光。

1.2 工業(yè)相機

工業(yè)相機是機器視覺系統(tǒng)中一個核心組件，其本質(zhì)功能就是將光信號轉(zhuǎn)換為可識別的電信號。工業(yè)相機具有圖像質(zhì)量高，傳輸能力快，抗干擾能力強特點。

1.2.1分辨率

項目所需要拍攝的經(jīng)紗尺寸寬是400mm，總長度根據(jù)生產(chǎn)品種不同在1500mm～3600mm，圖片采集長度為300mm。目前紡織企業(yè)生產(chǎn)紗線最細為20D，直徑26μm，30D直徑57μm；50D直徑73μm；75D直徑98μm。85%織造型企業(yè)生產(chǎn)原料為50D～150D纖維，其中50D、75D使用最普遍。所以，該裝置選用在75D為經(jīng)紗無梭織機，被檢測物體大小為400mm*300mm，疵點最小尺寸為98μm*98μm。

理論分辨率=（視野高度/精度）*（視野高度/精度）=（400/0.098）*（300/0.098）=1250萬相素實際分辨率=理論分辨率*2=1250*2=2500萬相素該裝置選用華谷動力工業(yè)相機分辨率為3100萬相素。

1.2.2? 其它參數(shù)選用

該視覺系統(tǒng)只需要檢查白色經(jīng)紗不需要檢測其它顏色，所以選用黑白相機，在圖像算法處理過程中對圖像灰度處理。圖像采集過程中，經(jīng)紗做上下開口運動，所以選用全局快門工業(yè)相機。同時，為防止重影，采用1/500s短曝光時間。考慮到裝置的通用性，傳輸距離都超過200m，并且要求圖像信號傳輸速度快、穩(wěn)定，所以使用CameraLink傳輸接口。工業(yè)鏡頭安裝尺寸為550±20mm。相機與鏡頭通過Ｃ口旋合。最終該裝置工業(yè)相機配置參數(shù)如表2。

1.3 靜音移動軌道

導軌作用在于將工業(yè)相機在無梭織機經(jīng)軸上方勻速移動，移動過程中，無卡頓、抖動、啟停平穩(wěn)。驅(qū)動方式作用帶鋼絲同步帶，同步帶寬度為22mm，結(jié)合圖像算法處理速度設(shè)計出工業(yè)相機移動速度為1.5 m/s。精度±1mm。采用電機與工業(yè)相機分離設(shè)計，避免電機轉(zhuǎn)動噪音。在動能傳遞過程中采用減震圈和塑料皮帶，避免抖動。如圖4所示。該設(shè)計可以實現(xiàn)長行程移動，這樣企業(yè)可以根據(jù)實際生產(chǎn)現(xiàn)狀靈活調(diào)整。

2? 視覺系統(tǒng)軟件方案設(shè)計

視覺算法處理是實現(xiàn)硬件系統(tǒng)與數(shù)字圖像橋梁[4]，該軟件采用操作系統(tǒng)使用win 10，語言python 3.8，開發(fā)工具使用PyCharm 社區(qū)版，庫：OpenCV 4.5.5作為開發(fā)環(huán)境。OpenCV提供了很多圖像處理和計算機視覺的算法的接口，廣泛應(yīng)用于人機互動、圖像分割、人臉識別、自動駕駛等，具有強大的功能、算法集成度高而占有相當大的優(yōu)勢[5-6]。

在經(jīng)絲圖像采集過程中，由于經(jīng)絲很細，在圖像中只是很窄的一條縫，因此其他圖像中白色的噪聲都會影響到經(jīng)絲的檢測。另外，織造車間每臺織機都依靠電機驅(qū)動，在生產(chǎn)過程中，如電氣設(shè)備電磁干擾，散粒噪聲，熱噪聲都會在圖像采集過程中產(chǎn)生隨機鹽點和胡椒點斑點，妨礙圖像處理理解[7]。如何通過去噪算法，增加圖像斷經(jīng)特征是關(guān)鍵。為提升圖像算法處理效率，降低算法復雜程度，需要提前對圖像做降噪、特征區(qū)域提取，閥值分割，從而提升圖像質(zhì)量，突出目標特征信息[8]。圖像處理邏輯圖如圖5。

2.1 圖像濾波降噪

通過采集的圖像和灰度直方圖，可以發(fā)現(xiàn)圖像有隨機產(chǎn)生鹽點或胡椒點椒鹽噪聲，在圖像中的表現(xiàn)為離散分布的純白色（鹽點）或者黑色像素點（胡椒點）。首先通過中值濾波算法進行降噪，使用具體函數(shù)blur（3，3），將卷積核設(shè)為3×3。該方法是以目標像素灰度值為中心一圈共有九個像素點（40+107+25）+（198+226+223）+（37+58+193）/9=123，然后用這九個像素點灰度值進行求平均值[9]，再將得到的值替換掉目標像素點，實現(xiàn)過程如圖6所示。

通過3×3中值濾波后，圖片椒鹽噪聲很好的去除，但是圖像經(jīng)紗背景有零星斑點，斑點顏色深，通過高斯濾波算法進行噪聲去除，它是空域濾波算法一種，直接作用于每一個像素，去除圖像中毛刺，使圖像變的平滑[10]。圖7為濾波降噪主要算法，圖8為濾波降噪后得到的圖像。高斯濾波的分布公式為：

（1）

式（1）中：x2和y2表示圖像區(qū)域內(nèi)其他像素點至中心像素點距離； 代表的是方差，取值越大，圖像越平緩；越小，圖像越尖銳。

特征是某一類對象區(qū)別于其他類對象的相應(yīng)（本質(zhì)）特點或特性。圖像特征提取是從圖像中查找標志性特征，它將直接影響到圖像識別效果[11]。它屬于圖像分析的范疇，是對圖像信息的深層理解，是數(shù)字圖像處理的高級階段，同時也是圖像識別的開始。特征工程是圖像處理的必備工具，所以掌握它的重要性不言而喻。CMOS相機采集到的圖像，斷經(jīng)處的色像素增加，但是存在經(jīng)紗下方背景紋理，干擾圖片處理[12]。首先，通過弱化背景，增加圖像特征識別精準度，通過閥值分割，二值化處理提取斷經(jīng)顯著特征[13-14]，整個過程如圖9。

通過對不同粗細、不同種類、不同經(jīng)密斷經(jīng)圖像收集對比，斷經(jīng)處經(jīng)紗由以前平等順直變?yōu)閺澢鶾15]，斷經(jīng)處白色像素點增加（如圖10）。

2.2 機電一體化控制

單片機STM32是實現(xiàn)織機與計算機連接控制。機器視覺算法通過提取的圖像特征比對，若判斷出現(xiàn)斷經(jīng)，發(fā)送數(shù)字信號“1”斷經(jīng)信號給STM32單片機，STM32單片機可以根據(jù)計算機發(fā)送的信號，對正常運轉(zhuǎn)織機常閉繼電器進行斷開控制，從而讓設(shè)備動力部分三相電開關(guān)斷開，實現(xiàn)停機[16]。同時，觸發(fā)織機三色指示燈紅燈常亮，示意斷經(jīng)。

3 實驗方案

機器視覺系統(tǒng)組成的五個關(guān)鍵部分，如圖11所示。結(jié)合現(xiàn)場生產(chǎn)狀況，確保在實際生產(chǎn)應(yīng)用可靠穩(wěn)定，該系統(tǒng)實驗應(yīng)考慮兩個技術(shù)要求：可靠性、時效性[17]。

3.1 可靠性

斷經(jīng)檢測系統(tǒng)不能產(chǎn)生誤判，若經(jīng)絲斷裂而未能成功控制織機停車或者未斷經(jīng)而織機停車，都將會影響企業(yè)的產(chǎn)品質(zhì)量，為此，在織機生產(chǎn)線斷經(jīng)檢測過程中，斷經(jīng)檢測系統(tǒng)必須具有較高的可靠性。通過有效檢測率、誤判率、漏檢率來衡量，計算如式（2）、式（3）、式（4）所示。

在紡織企業(yè)，人為分別對滌綸化纖長絲、彈絲，不同旦尼爾，不同斷經(jīng)時長進行模擬斷經(jīng)測試，通過100次斷經(jīng)測試實驗，出現(xiàn)漏檢0次，誤判為3次，誤判的主要原因是剛剛發(fā)生斷經(jīng)時，斷經(jīng)特征不明顯，從而造成誤判，但是在第二次檢測時準確識別。此次有效檢測率、誤判率、漏檢率測試結(jié)果分別為：97%；3%；0。

3.2? 時效性

斷經(jīng)檢測系統(tǒng)主要用于無梭織機生產(chǎn)線的斷經(jīng)檢測，停車系統(tǒng)需要根據(jù)機器視覺系統(tǒng)的斷經(jīng)檢測結(jié)果，按時作出相應(yīng)的動作。該機器視覺斷經(jīng)識別裝置，移動速度為1.5m/s，為了提高產(chǎn)品質(zhì)量，提升檢測效率，一臺裝置控制20臺織機，每臺織機平均需要2s，考慮到兩臺織機間有0.5m間距，完成20臺單次巡檢需用時約50s。以江蘇德順紡織有限公司織造車間為例，織機配置視覺斷經(jīng)識別裝置后，擋車工由以往看臺30臺/人提高到35臺/人。

4? 結(jié)論

本裝置從當前企業(yè)的實際需求出發(fā)，積極探索智能化無梭織機輔助技術(shù)，著力提升紡織設(shè)備智能化水平，填補機器視覺應(yīng)用于無梭織機領(lǐng)域空白。該設(shè)計方案涉及多學科與紡織學科交叉融合，每個環(huán)節(jié)都影響系統(tǒng)整體運行的穩(wěn)定。該智能裝置實現(xiàn)機器代替人工自動檢測，實現(xiàn)智能聯(lián)動控制，減少企業(yè)人員用工，大幅提升設(shè)備生產(chǎn)效率，進而提升企業(yè)經(jīng)濟效益，為中國制造2025發(fā)展戰(zhàn)略，碳達峰、碳中和目標實現(xiàn)貢獻紡織力量。

參考文獻：

[1] Mina Fahimipirehgalin，Emanuel Trunzer，Matthias Oden- weller，et al.利用機器視覺技術(shù)對化工廠管道進行自動視覺泄漏檢測與定位[J]. Engineering，2021，7（6）：123-161.

[2] 于起峰，盧榮勝，劉曉利，等.“機器視覺技術(shù)及應(yīng)用”專題前言[J].激光與光電子學進展， 2022，59（14）：3.

[3] 石全，宋志峰，徐自立，等.基于機器視覺的織物缺經(jīng)檢測系統(tǒng)[J/OL].棉紡織技術(shù)：1-5[2022-08-29] .

[4] 趙卓.基于機器視覺的織物瑕疵實時在線檢測系統(tǒng)的研究[D].西安：西安工程大學，2016.

[5] 吉學齊.無梭織機用新型光電式斷經(jīng)自停裝置的開發(fā)[J].紡織器材，2020，47（5）：12-15.

[6] 付貴忠，牛福洲，陳浩，等.社會智能化趨勢下圖像處理與機器視覺課程教學新實踐[J].科技視界， 2022（17）：100-102.

[7] 徐偉鋒，胡俊武，祝新軍，等.機器視覺在智能化紡紗生產(chǎn)中的應(yīng)用現(xiàn)狀[J].棉紡織技術(shù)，2022，50（5）：71-74.

[8] 謝曉旦.計算機視覺算法的圖像處理技術(shù)研究[J].無線互聯(lián)科技，2022，19（3）：103-104.

[9] 楊璐.基于計算機視覺算法的圖像處理技術(shù)研究[J].信息記錄材料，2021，22（9）：134-135.

[10] Billie FSpencer Jr，Vedhus Hoskere，Yasutaka Narazaki.基于計算機視覺的民用基礎(chǔ)設(shè)施的檢查與監(jiān)測研究進展[J].Engineering，2019，5（2）：199-248.

[11] 郭繼昌，岳惠惠，張怡，等.圖像增強對顯著性目標檢測的影響研究[J].中國圖象圖形學報，2022，27（7）：2129-2147.

[12] 趙朗月，吳一全.基于機器視覺的表面缺陷檢測方法研究進展[J].儀器儀表學報，2022，43（1）：198-219.

[13] 江俊君，李震宇，劉賢明.基于深度學習的單目深度估計方法綜述[J].計算機學報，2022，45（6）：1276-1307.

[14] 羅東亮，蔡雨萱，楊子豪，等.工業(yè)缺陷檢測深度學習方法綜述[J].中國科學：信息科學，2022，52（6）：1002-1039.

[15] 劉紅帝，呂睿，田林靂，等.用于引導機器人定位的匯聚式雙目視覺算法實現(xiàn)[J].機械工程學報，2022，58（14）：161-169.

[16] 呂文濤，林琪琪，鐘佳瑩，等.面向織物疵點檢測的圖像處理技術(shù)研究進展[J].紡織學報，2021，42（11）：197-206.

[17] 遲歡.基于機器視覺的編織袋缺陷在線檢測方法[J].激光與光電子學進展，2020，57（20）：320-327.

Research and Development of Intelligent Recognition Device for Shuttless Loom Breaking Based on Machine Vision

ZHANG De-cheng1， ZHANG Yong1， XU Jing1，RU Qiu-li2

（1.Mondern CostumeCollege， Anhui Vocational and Technical College， Hefei Anhui 230011， China;

2.Jiangsu Deshun Textile Co.， LTD. Suqian Jiangsu 223800， China）

Abstract：Warp breaking is one of the most common defects in woven fabric and is also an important index to judge fabric quality. In order to avoid breakage， textile enterprises take stoppage or manual inspection measures. These two methods not only increase the production process and labor costs， but also increase the wear and leakage of warp and stoppage. In this paper， the machine vision is used to accurately collect image information， simulate the car stopper inspection， and use the algorithm to process and analyze the image information， so as to identify the broken warp， and trigger the broken signal to stop. At the same time， in order to reduce the cost， an automatic identification device to control multiple devices， to achieve multiple linkage control， reduce the cost of intelligent transformation of enterprises. The intelligent device can replace human labor by machine and promote the textileintellectualization level of weaving industry.

Keywords：broken meridian; machine vision; image processing; visual algorithm

（責任編輯：周莉）

作者簡介：張德成（1985-），男，講師、經(jīng)濟師，研究方向：織造設(shè)備及生產(chǎn)工藝.

基金項目：2022年安徽省高校年度科研計劃項目（自然科學類）（2022AH052066）；2021年度高等學校省級質(zhì)量工程教學研究項目（2021jyxm0782）；安徽職業(yè)技術(shù)學院校級質(zhì)量工程項目（azy2019mooc30）；安徽職業(yè)技術(shù)學院科研創(chuàng)新團隊項目（2022xjkytd4）.