楊松林， 馬 帥， 丁朝鵬， 范紅麗， 薛歡歡

(河北科技大學(xué) 機(jī)械工程學(xué)院， 河北 石家莊 050018)

應(yīng)用機(jī)器視覺的織物表面絨毛率測試系統(tǒng)

楊松林， 馬 帥， 丁朝鵬， 范紅麗， 薛歡歡

(河北科技大學(xué) 機(jī)械工程學(xué)院， 河北 石家莊 050018)

目前織物表面絨毛含量大都采用人工方式檢測，存在效率低、準(zhǔn)確度不高等問題。為此，應(yīng)用機(jī)器視覺和圖像處理技術(shù)，研制了一套織物表面絨毛率測試系統(tǒng)。介紹了織物表面絨毛率測試原理，包括織物表面絨毛率檢測數(shù)學(xué)模型、檢測算法和閾值的確定方法，并介紹了織物表面絨毛率測試系統(tǒng)的軟硬件組成。采用該測試系統(tǒng)檢測了5種織物的表面絨毛率，并與人工檢測結(jié)果進(jìn)行了對比分析。結(jié)果表明：該測試系統(tǒng)能夠高效地測定織物表面絨毛率，且與人工檢測結(jié)果呈現(xiàn)高度正相關(guān)；系統(tǒng)重復(fù)檢測偏差范圍為1.18%～7.25%，可滿足織物表面絨毛率的檢測需求。

織物表面絨毛率； 機(jī)器視覺； 圖像分析； 絨毛率測試系統(tǒng)

在牛仔服裝經(jīng)過酶洗后，需要評價其光潔程度，通常是對牛仔布表面絨毛的含量多少進(jìn)行客觀判斷。許多機(jī)織物(如平紋織物或斜紋織物)表面絨毛是易起球的有害絨毛。在紡織品加工過程中，織物表面絨毛高低及其含量直接關(guān)系到產(chǎn)品的質(zhì)量及后續(xù)加工的順利進(jìn)行[1-2]。這些織物表面的絨毛直徑屬于微米級，且其長度差異大，自然狀態(tài)復(fù)雜，裸眼很難區(qū)分清楚，無法用普通放大鏡類測量儀器鑒定，必須采用電子顯微鏡級別的機(jī)器識別，且采取特殊的測量方法去客觀準(zhǔn)確分辨和評價[3]，顯然高效、客觀給出其評價結(jié)果是非常重要的。

國內(nèi)紡織領(lǐng)域中，織物表面質(zhì)量檢測基本還是憑借人工視覺手段完成對織物外觀質(zhì)量檢驗(yàn)及判定[4]?，F(xiàn)有的自動檢測系統(tǒng)不僅價格昂貴、操作復(fù)雜，而且能真正投入市場應(yīng)用的并不多[5]。準(zhǔn)確檢測絨毛率這一參數(shù)，判斷絨毛率的特征具有重要的工程意義[6-7]。據(jù)統(tǒng)計，檢驗(yàn)人員在保證織物寬度不超過2m，且織物移動速度不超過20 m/min的情況下，只能檢測到織物中60%的絨毛率[8-9]，無法滿足工業(yè)生產(chǎn)中絨毛率檢測的市場需求。關(guān)于織物自動測量方面，國內(nèi)外大都是基于織物疵點(diǎn)、紡織品分類、織物反射特性、織物組織結(jié)構(gòu)的自動識別及織物的經(jīng)緯紗密度檢測等方面進(jìn)行研究[10-12]，而織物表面絨毛率自動測量方面，由于測量方法及其絨毛的結(jié)構(gòu)和狀態(tài)參數(shù)非常復(fù)雜，導(dǎo)致其在工業(yè)生產(chǎn)中還沒得到實(shí)際應(yīng)用。

現(xiàn)有的紡織品檢測系統(tǒng)，在測試精度和測試準(zhǔn)確性方面并不能符合織物表面絨毛率的測試需求[13-14]，因此有必要研制織物表面絨毛率測試系統(tǒng)，滿足絨毛率自動化檢測及判定的需要[15]。本文應(yīng)用機(jī)器視覺和圖像分析處理技術(shù)，開發(fā)了織物表面絨毛率測試系統(tǒng)。該系統(tǒng)通過對折法將織物表面彎折，其彎折角度介于175°～180°之間，使得織物表面絨毛變成截面顯示效果，在絨毛截面一側(cè)放置背景板，其顏色與絨毛顏色反差非常大，以備拍照識別之用。將機(jī)器視覺鏡頭放在絨毛截面的另一側(cè)，在軟件控制下進(jìn)行圖像拍攝，再經(jīng)圖像灰度化處理，用實(shí)驗(yàn)法進(jìn)行絨毛與背景板識別閾值確定，取得絨毛截面圖像有效像素覆蓋整個測量區(qū)域面積全部像素的比值，構(gòu)建并確定了絨毛率檢測數(shù)學(xué)模型。將檢測結(jié)果與人工檢測數(shù)值相對比，該系統(tǒng)不僅可實(shí)現(xiàn)織物表面絨毛率檢測快速、精確評價的目的，同時可以替代人工檢測為織物表面外觀質(zhì)量檢測提供了理論參考。

1 織物表面絨毛率測試原理

1.1 絨毛率檢測數(shù)學(xué)模型

絨毛率單元值定義為絨毛覆蓋單元檢測區(qū)像素點(diǎn)面積與相應(yīng)單元檢測區(qū)所有像素點(diǎn)面積的比值。絨毛率單線值定義為單行n列(1×n)個絨毛率單元值的均值(%)?？椢锉砻娼q毛率定義為單位檢測面積內(nèi)m行n列(m×n)個單元絨毛率均值。首先求得絨毛率單元值，再經(jīng)織物表面橫向移動求得絨毛率單線值，最終縱向移動求得絨毛率單位面積值，故由單元點(diǎn)到線，由線到面，即檢測得到單位面積織物表面絨毛率?？椢锉砻娼q毛率檢測數(shù)學(xué)模型如圖1所示。

圖1 織物表面絨毛率檢測數(shù)學(xué)模型Fig.1 Mathematical model of fluff rate detection on fabric surface

絨毛率單元標(biāo)定尺寸可以根據(jù)攝像機(jī)拍攝圖像的可見清晰程度確定，本文測量區(qū)長度取L為2～10 mm，高度H為1～2 mm。絨毛率測量精度受取樣面積、單線絨毛率劃分區(qū)域影響，取樣面積越大，劃分區(qū)域越精密，測量精度越高。

1.2 絨毛率檢測算法

本文采用加權(quán)平均法對絨毛圖像進(jìn)行灰度化處理，在MatLab中通過調(diào)用函數(shù)rgb2gray()，將絨毛彩色圖像I轉(zhuǎn)換為灰度圖像X，其調(diào)用格式為X=rgb2gray(I)[16]。

對經(jīng)過灰度化處理后的圖像，絨毛率單元值、絨毛率單線值及表面絨毛率的計算式如下：

(1)

(2)

(3)

式中：Sij為i行j列處的絨毛率單元值；r為絨毛覆蓋單元檢測區(qū)像素點(diǎn)面積；R為單元測量區(qū)所有像素點(diǎn)面積；X1n為首行n列絨毛率單元平均值，即絨毛率單線值；Ymn為m行n列的單位面積絨毛率，即織物表面絨毛率。

1.3 閾值確定

對于顏色不同織物表面的絨毛率檢測，需要事先確定織物顏色色度，根據(jù)其色度與背板的反差量，選擇其采用的黑白顏色背板。攝像機(jī)拍攝圖像的每個像素所對應(yīng)的灰度值的范圍為0～255，閾值是其范圍內(nèi)的一個數(shù)值。而此閾值的設(shè)定跟光照強(qiáng)度、織物顏色、光圈大小以及周圍環(huán)境亮度有關(guān)。本文中閾值的設(shè)定是通過對比實(shí)驗(yàn)來確定[16]，以采用當(dāng)前閾值時絨毛可很好地與背景區(qū)別開為標(biāo)準(zhǔn)，來設(shè)定閾值，從而可得到較為理想的測量效果。最終確定的閾值為110，考慮背景變換因素，當(dāng)灰度值大于或小于閾值時，標(biāo)定為絨毛像素點(diǎn)；反之標(biāo)定為背景板像素點(diǎn)。

2 織物表面絨毛率測試系統(tǒng)組成

織物表面絨毛率測試系統(tǒng)主要由自動化攝像測試平臺及附屬裝置、步進(jìn)電動機(jī)驅(qū)動器和控制器裝置、圖像采集處理系統(tǒng)及織物表面絨毛率檢測數(shù)據(jù)分析和實(shí)時顯示裝置等組成。系統(tǒng)之間通過相互協(xié)調(diào)控制使用，實(shí)現(xiàn)絨毛率的自動化檢測。

2.1 自動化攝像測試平臺及附屬裝置

自動化攝像測試平臺及附屬裝置如圖2所示。配合攝像機(jī)鏡頭，實(shí)現(xiàn)對織物表面絨毛圖像自動拍攝。其中，圖2(a)為西南方向側(cè)視圖，圖2(b)為主視圖。測試平臺采用質(zhì)輕、剛性好的鋁合金材質(zhì)，2個直線運(yùn)動導(dǎo)軌水平放置于底板上，成垂直夾角，配合中心處放置的步進(jìn)電動機(jī)驅(qū)動器和控制器控制導(dǎo)軌運(yùn)行速度，便于絨毛圖像的準(zhǔn)確采集。測試平臺左側(cè)設(shè)有鏡頭夾持板和門，用螺釘固定在導(dǎo)軌上；導(dǎo)軌移動帶動門水平推進(jìn)，形成暗室環(huán)境，便于減少拍攝絨毛圖像時的外光影響。測試平臺右側(cè)設(shè)有背景板架，用螺釘固定在導(dǎo)軌上；背景板架上設(shè)置直角塊，確保背景板垂直固定，背景板上分別固定張緊輪、摩擦輪及楔形塊，用以夾持待測布環(huán)，避免測試對象出現(xiàn)破損。

待測織物表面纏繞在測試平臺的摩擦輪上，步進(jìn)電動機(jī)帶動布環(huán)滾動，完成織物表面的裝夾。X方向直線運(yùn)動導(dǎo)軌水平移動；Y方向上，直線導(dǎo)軌水平移動調(diào)焦，帶動門水平推進(jìn)，形成暗室環(huán)境。當(dāng)背景板、布環(huán)和攝像機(jī)鏡頭在一條直線上時實(shí)現(xiàn)對圖像的采集。步進(jìn)電動機(jī)驅(qū)動器和控制器自動控制步進(jìn)電動機(jī)驅(qū)動摩擦輪帶動布環(huán)滾動，攝像機(jī)鏡頭再次攝像。連續(xù)測量結(jié)束后步進(jìn)電動機(jī)驅(qū)動摩擦輪回到初始位置，將布環(huán)取下來進(jìn)行下一待測織物表面的檢測，從而實(shí)現(xiàn)單元—線—面—連續(xù)的自動化循環(huán)測量。

注：1―步進(jìn)電動機(jī)1；2―步進(jìn)電動機(jī)2；3―背景板架；4―X方向直線運(yùn)動模塊；5―步進(jìn)電動機(jī)3；6―門；7―LED光源；8―鏡頭；9―Y方向直線運(yùn)動模塊；10―步進(jìn)電動機(jī)4；11―底板；12―摩擦輪；13―布環(huán)；14―楔形板；15―張緊輪；16―背景板。 圖2 織物表面絨毛率測試系統(tǒng)總體裝置Fig.2 Overall device of fabric hairiness test system.(a) Southwest side view; (b) Main view

2.2 系統(tǒng)主要硬件選擇

2.2.1 步進(jìn)電動機(jī)驅(qū)動器選擇

步進(jìn)電動機(jī)驅(qū)動器能夠通過控制脈沖個數(shù)及脈沖頻率來控制電動機(jī)角位移量及電動機(jī)轉(zhuǎn)動的速度和加速度，實(shí)現(xiàn)織物表面絨毛率測試系統(tǒng)自動精準(zhǔn)測量。步進(jìn)電機(jī)帶動的軸半徑為25 mm，每次運(yùn)動的尺寸可在軟件系統(tǒng)中設(shè)置給定的進(jìn)給量。在布環(huán)檢測過程中，因布環(huán)進(jìn)給量大于相機(jī)拍攝尺寸大小，屬于布環(huán)間隔取點(diǎn)檢測，所以不涉及到圖像的拼接問題。為使織物表面絨毛率測試系統(tǒng)的絨毛率測試精度不受步進(jìn)電動機(jī)驅(qū)動器的影響，選擇性能較好的深圳市雷塞智能控制股份有限公司的DMA860H驅(qū)動器。該型號步進(jìn)電動機(jī)驅(qū)動器為DSP兩相步進(jìn)驅(qū)動器，工作電流為2.4～7.2 A，工作電壓為18～80 V，由SW5～SW8共4個撥碼開關(guān)來設(shè)定16檔微步細(xì)分，完全能夠保證織物表面絨毛率測試系統(tǒng)的測試精度不受步進(jìn)電動機(jī)驅(qū)動器的影響。

2.2.2 步進(jìn)電動機(jī)控制器選擇

步進(jìn)電動機(jī)控制器能夠發(fā)出均勻脈沖信號進(jìn)入步進(jìn)電動機(jī)驅(qū)動器，轉(zhuǎn)換成步進(jìn)電動機(jī)所需要的能準(zhǔn)確控制其轉(zhuǎn)過每1個角度的強(qiáng)電流信號。為使織物表面絨毛率測試精度不受步進(jìn)電動機(jī)控制器的影響，選擇性能較好的深圳市雷塞科技有限公司的SMC-6480控制器。該型號步進(jìn)電動機(jī)控制器控制電動機(jī)數(shù)為4個，控制電動機(jī)指令脈沖頻率為1～5.0 MHz，頻率精度為±0.1 Hz，支持Windows VISTA/XP/2K/98/CE系統(tǒng)，完全能夠保證織物表面絨毛率測試系統(tǒng)的測試精度不受步進(jìn)電動機(jī)控制器的影響。

2.2.3 相機(jī)的選擇

在機(jī)器視覺系統(tǒng)研制過程中，應(yīng)選擇與系統(tǒng)性能最為匹配的工業(yè)相機(jī)。相機(jī)采用邁德威視科技有限公司生產(chǎn)的MV-UB500彩色相機(jī)，分辨率為2 592 dpi×1 944 dpi時，幀頻最高為9幀/s，鏡頭選用三鏘科技生產(chǎn)的XDS-10A型工業(yè)鏡頭，其放大倍數(shù)為0.7～4.5，且可調(diào)，完全能夠保證織物表面絨毛率測試系統(tǒng)的測試精度不受相機(jī)的影響。

2.3 系統(tǒng)軟件設(shè)計

數(shù)據(jù)圖像采集及處理程序的編寫應(yīng)以簡潔、直觀和有效的體現(xiàn)織物表面絨毛率測試數(shù)據(jù)結(jié)果和拍攝圖像的實(shí)時變化為準(zhǔn)則，利用Microsoft VisualC++編寫該程序。

軟件系統(tǒng)主界面主要包括拍攝圖像和捕獲圖像顯示窗口、開始暫停計算等數(shù)據(jù)采集功能按鈕、相機(jī)設(shè)置按鈕、評價參數(shù)設(shè)置窗口和相機(jī)長度標(biāo)定窗口、測量結(jié)果顯示和保存窗口、自動測量參數(shù)設(shè)置窗口等8個部分。軟件系統(tǒng)主界面如圖3所示。

圖3 軟件系統(tǒng)主界面Fig.3 Main interface of software system

3 織物表面絨毛率測試系統(tǒng)驗(yàn)證

3.1 試驗(yàn)條件

用設(shè)計研發(fā)的織物表面絨毛率測試系統(tǒng)進(jìn)行織物表面絨毛率檢測試驗(yàn)，以檢驗(yàn)該系統(tǒng)的功能。首先進(jìn)行待測織物表面的取樣，取L=400 mm，H=50 mm。布環(huán)在檢測區(qū)域內(nèi)包覆摩擦輪、張緊輪、楔形塊刀口而形成可轉(zhuǎn)動的張力布環(huán)，保證布環(huán)呈現(xiàn)相同的初始狀態(tài)。布環(huán)檢測區(qū)域?yàn)閺埦o輪相對面，而不是整個布環(huán)的檢測，減少了機(jī)件擠壓和摩擦問題對檢測結(jié)果的影響，同時在實(shí)際檢測過程中發(fā)現(xiàn)，如果張緊輪表面比較光滑，且距檢測楔形塊檢測區(qū)有一定的距離，張緊輪對絨毛率檢測結(jié)果影響特別小，可以忽略不計。相機(jī)長度標(biāo)定系數(shù)為像素長度與實(shí)際長度之比，設(shè)定為0.032 15。相機(jī)初始位置及織物初始位置為0?？椢镞M(jìn)給量為50 mm，旋轉(zhuǎn)進(jìn)給量為40 mm，進(jìn)給次數(shù)均為5次。圖像分辨率為259 2 dpi×194 4 dpi，顯示和捕獲幀率為1.97幀/s(為動態(tài)值)。

選擇3種不同顏色的水洗牛仔布和2種不同顏色的純棉布進(jìn)行織物表面絨毛率檢測。調(diào)節(jié)攝像機(jī)鏡頭焦距及水平導(dǎo)軌左右位置以確定布環(huán)單點(diǎn)檢測區(qū)。測試準(zhǔn)備就緒后，攝像機(jī)鏡頭取單點(diǎn)拍照、捕獲圖像并實(shí)時顯示。橫向移動攝像機(jī)鏡頭，實(shí)現(xiàn)多個單點(diǎn)拍攝，既得單線織物表面得單線絨毛率量；摩擦輪轉(zhuǎn)動使布環(huán)縱向滾動得多個單線絨毛率量。測試結(jié)束，織物表面絨毛率拍攝和捕獲圖以.jpg的格式保存到用戶指定文件夾數(shù)據(jù)圖像采集及處理程序?qū)Ρ４娴臄?shù)據(jù)進(jìn)行運(yùn)算，獲得織物表面總平均絨毛率量。

3.2 試驗(yàn)結(jié)果和討論

為對比織物表面絨毛率測試系統(tǒng)與人工檢測的檢測結(jié)果，在人工檢測環(huán)境下，對已經(jīng)由該系統(tǒng)檢測過的3種不同顏色的水洗牛仔布和2種不同顏色的純棉布再次進(jìn)行人工絨毛率檢測。人工檢測方法為：將織物面對折繞過鋼尺，帶有一定張力，使絨毛清晰顯示在鋼尺邊緣，利用攝像機(jī)鏡頭成像系統(tǒng)采集鋼尺邊緣檢測區(qū)絨毛圖像并傳輸?shù)接嬎銠C(jī)中，使用Photoshop軟件對圖像進(jìn)行灰度處理，并用具體尺寸標(biāo)示出絨毛區(qū)域，通過裸眼對比已有的絨毛率標(biāo)準(zhǔn)等級模板圖像，判斷出某種織物表面絨毛率的等級數(shù)值。其測量結(jié)果數(shù)據(jù)對比如表1所示。

由表1可知，人工和系統(tǒng)檢測結(jié)果成正相關(guān)，在可允許范圍內(nèi)?？椢锉砻娼q毛率測試系統(tǒng)完全可實(shí)現(xiàn)代替人工來進(jìn)行絨毛率檢測。

為驗(yàn)證系統(tǒng)檢測性能的穩(wěn)定性和準(zhǔn)確性，對5種織物表面絨毛率，重復(fù)測量10組，每組10次，分別計算其平均值，然后由測量值與平均值的差得到絕對誤差值，最后由絕對誤差值與平均值相比得到相對誤差值，數(shù)據(jù)分析結(jié)果如表2所示。

表2 5種織物重復(fù)檢測絨毛率數(shù)據(jù)分析

由表2可知，系統(tǒng)重復(fù)檢測絨毛率數(shù)據(jù)分析結(jié)果表明：織物表面絨毛率檢測結(jié)果絕對誤差不超過0.3%，相對誤差不超過7.25%，其方差值均低于0.6，檢測數(shù)據(jù)準(zhǔn)確且穩(wěn)定。

4 結(jié) 語

根據(jù)紡織服裝生產(chǎn)加工過程對織物表面絨毛率的測試需求，運(yùn)用機(jī)器視覺及圖像分析處理技術(shù)、機(jī)電控制、軟件編程開發(fā)，研制了織物表面絨毛率測試系統(tǒng)。調(diào)試運(yùn)行結(jié)果表明：本系統(tǒng)能夠準(zhǔn)確、快速地實(shí)現(xiàn)織物表面絨毛率的檢測，可實(shí)現(xiàn)對織物表面絨毛拍攝圖像和處理數(shù)據(jù)的保存。證明本檢測方法有效可行，為準(zhǔn)確評價織物表面絨毛含量建立了客觀理論基礎(chǔ)，為其絨毛率自動化測量提供了有效的技術(shù)手段。

FZXB

[ 1] PRIYA D,RAJASELVI V M. Estimation of yarn hairiness using image processing [J]. Geochemistry Geophysics Geosystem, 2014, 15(7): 2821-2839.

[ 2] 胡玉珍. 加強(qiáng)紡織品安全性能檢測的重要性[J].中國纖檢,2010(22): 38-41. HU Yuzhen. The importance of strengthen textile safety testing [J]. China Fiber Inspection, 2010(22): 38-41.

[ 3] 章國紅, 辛斌杰. 圖像處理技術(shù)在紗線絨毛率檢測方面的應(yīng)用[J]. 河北科技大學(xué)學(xué)報, 2016, 37(1):76-82. ZHANG Guohong, XIN Binjie. Application of image processing technology in yarn hairiness detection[J]. Journal of Hebei University of Science and Technology, 2016, 37(1):76-82.

[ 4] 努爾頓,左保齊. 絲織物疵點(diǎn)智能化判別[J]. 絲綢, 2003(11):28-31. NU Erdun, ZUO Baoqi. Intelligent recognition of silk fabric defects [J]. Journal of Silk, 2003(11): 28-31.

[ 5] 王三武, 祁林. 織物疵點(diǎn)自動識別方法的研究及應(yīng)用現(xiàn)狀[J]. 紡織科技進(jìn)展, 2005(6): 67-69. WANG Sanwu, QI Lin. Research and application actuality on methods of automatic identification textile defects [J]. Textile Technology Development, 2005(6): 67-69.

[ 6] KARRAS D A, MERTZIOS B G. Improved defect detection using novel wavelet feature extraction involving principal component analysis and neural network technique[J]. Lecture Notes in Computer Science, 2002(25): 368-647.

[ 7] 陳新華, 周彩琴, 孫銀銀,等. 基于紗線條干邊緣曲線切點(diǎn)的紗線絨毛率檢測[J]. 江蘇紡織, 2013(9):44-49. CHEN Xinhua, ZHOU Caiqin, SUN Yinyin, et al. Yarn hairiness detection based on the edge of evenness curve tangent point [J].Jiangsu Textile, 2013(9):44-49.

[ 8] 紀(jì)惠軍, 張小棟, 楊建民. 基于機(jī)器視覺的織物疵點(diǎn)檢測技術(shù)探討[J]. 現(xiàn)代紡織技術(shù), 2011, 19(2):11-15. JI Huijun, ZHANG Xiaodong, YANG Jianmin. Discussion on the detection technology of fabric defects based on machine vision[J]. Modern Textile Technology, 2011, 19(2):11-15.

[ 9] 謝黎路, 莫靜昱, 吳佩云. 我國紗線外觀質(zhì)量檢測技術(shù)的進(jìn)步[J]. 棉紡織技術(shù), 2005, 33(9):25-30. XIE Lilu, MO Jingyu, WU Peiyun. Advancement of national yarn appearance quality test technique[J]. Cotton Textile Technology, 2005, 33(9):25-30.

[10] 章國紅, 辛斌杰. 圖像處理技術(shù)在紗線絨毛率檢測方面的應(yīng)用[J]. 河北科技大學(xué)學(xué)報, 2016, 37(1):76-82. ZHANG Guohong, XIN Binjie. Application of image processing technology in yarn hairiness detection[J]. Journal of Hebei University of Science and Technology, 2016, 37(1):76-82.

[11] 李文羽, 程隆棣. 基于機(jī)器視覺和圖像處理的織物疵點(diǎn)檢測研究新進(jìn)展[J]. 紡織學(xué)報, 2014, 35(3):158-164. LI Wenyu, CHENG Longdi. New progress of fabric defect based on computer vision and image proces-sing[J]. Journal of Textile Research, 2014, 35(3):158-164.

[12] MAHAJAN P M, KOLHE S R, PATIL P M. A review of automatic fabric defect detection techniques[J]. Advances in Computational Research, 2009, 1(2):18-29.

[13] ANIRBAN GUHA, AMARNATH C, PATERIA S, et al. Measurement of yarn hairiness by digital image processing[J]. Journal of the Textile Institute, 2010(101):214-222.

[14] SCHNEIDER D, MERHOF D. Blind weave detection for woven fabrics [J]. Pattern Analysis and Applications, 2015, 18(3): 725-737.

[15] 游達(dá)章, 張建鋼, 甘勇. 位圖圖像灰度化的方法及編程實(shí)現(xiàn)[J]. 廣西科技大學(xué)學(xué)報, 2004, 15(1):23-26. YOU Dazhang, ZHANG Jiangang, GAN Yong. The method and programming realization of bitmap image grayscale[J]. Journal of Guangxi University of Technology, 2004, 15(1):23-26.

[16] 袁汝旺, 蔣秀明, 周國慶,等. 基于線性陣列的紗線直徑與絨毛率測量方法[J]. 紡織學(xué)報, 2013, 34(8):132-137. YUAN Ruwang, JIANG Xiuming, ZHOU Guoqin, et al. Measuring method of yarn diameter and hairiness based on linear array[J]. Journal of Textile Research, 2013, 34(8): 132-137.

Fabric surface fluff rate detecting system based on machine vision

YANG Songlin， MA Shuai， DING Zhaopeng， FAN Hongli， XUE Huanhuan

(SchoolofMechanicalEngineering,HebeiUniversityofScienceandTechnology,Shijiazhuang,Hebei050018,China)

The fluff content on the surface of fabric is detected by manual method, which is low in efficiency and accuracy. For this reason, a set of detecting system of fabric surface fluff rate was developed based on machine vision and image processing technology. The detection principle of the fabric surface fluff rate was introduced including the mathematical model, the detection algorithm and the method for determining threshold value, and introduced hardware and software composition of the fabric surface fluff rate detecting system. The surface fluff rate of five kinds of fabrics was detected by the system, and the results were compared with the artificial test results. The results show that the detecting system can efficiently determine the fluff rate of the fabric surface and has a high positive correlation with the artificial test results. The system repeat detection error is between 1.18% and 7.25%, which can meet the fabric surface fluff rate detection needs.

fabric surface fluff rate； vision machine； image analysis； fluff rate detecting system

10.13475/j.fzxb.20160604106

2016-06-16

2017-03-15

楊松林(1961—)，男，教授，碩士。主要研究方向?yàn)闄C(jī)械設(shè)計與制造，紡織機(jī)械與儀器設(shè)計制造，工程CAD及三維數(shù)字化。E-mail: 375086472@qq.com。

TS 103.7

A