周其洪，張佳南，王 培，湯方明，尹立新，甘學(xué)輝

(1.東華大學(xué) 機(jī)械工程學(xué)院，上海 201620; 2.江蘇恒力化纖股份有限公司，江蘇 蘇州 215228)

碳纖維具有耐高溫、剛度及強(qiáng)度高、導(dǎo)電性好等優(yōu)良特性，因此，其制成的復(fù)合材料被廣泛地應(yīng)用于航空、風(fēng)力發(fā)電、體育用品等領(lǐng)域，且碳纖維的用途正在逐漸擴(kuò)大[1-3]。但是碳纖維在織造過程中紗線很容易受損，出現(xiàn)磨損起毛、割傷等狀況，這些損傷應(yīng)當(dāng)被及時(shí)發(fā)現(xiàn)并處理。然而國內(nèi)目前依然通過人工檢測方法對(duì)紗線的損傷狀態(tài)進(jìn)行判斷，檢測效果十分低效[4-5]。因此，為了實(shí)時(shí)在線獲取碳纖維織造過程中紗線的狀態(tài)，本文基于LabVIEW圖像視覺處理模塊，以織造過程中獲取的紗線圖為基礎(chǔ)，分析和研究了一套圖像處理算法，適用于碳纖維織造過程中紗線損傷狀態(tài)的實(shí)時(shí)在線檢測。利用該算法系統(tǒng)，能夠?qū)喚€的損傷狀態(tài)進(jìn)行整體而細(xì)致的評(píng)價(jià)，后續(xù)可以利用該算法系統(tǒng)獲取的參數(shù)為改善織造工藝、調(diào)整織造的生產(chǎn)過程提供相應(yīng)的參考。

1 紗線圖像處理

本文使用CCD攝像機(jī)-計(jì)算機(jī)的硬件平臺(tái)獲取碳纖維織造過程中的紗線圖。實(shí)際情況中，由于光線、圖像獲取裝置性能等影響，攝像機(jī)獲取的碳纖維紗線圖像的質(zhì)量往往較差，因此，必須對(duì)原始紗線圖像進(jìn)行與工作環(huán)境等因素相對(duì)應(yīng)的預(yù)處理[6-7]，為后續(xù)紗線圖像信息的進(jìn)一步提取奠定基礎(chǔ)。紗線圖像預(yù)處理能夠?qū)D像進(jìn)行一定程度優(yōu)化，摒除工作環(huán)境(如噪聲、亮度)等對(duì)圖像的影響。

紗線圖像預(yù)處理之后，需要確定合適的圖像處理算法，以便提取出反映紗線狀態(tài)的各項(xiàng)參數(shù)。本文針對(duì)碳纖維織造過程中的紗線圖像，設(shè)計(jì)程序總體流程如圖1所示。

圖1 紗線圖像處理流程圖Fig.1 Flow diagram of yarn image processing

2 預(yù)處理

2.1 圖像顏色轉(zhuǎn)變

原始紗線圖像是RGB彩色圖，為方便后續(xù)對(duì)圖像信息的進(jìn)一步提取，首先要對(duì)圖像進(jìn)行顏色轉(zhuǎn)化，即由彩色圖像轉(zhuǎn)為灰度圖像。具體實(shí)現(xiàn)方式是運(yùn)用LabVIEW，基于Color Plane Extraction函數(shù)來實(shí)現(xiàn)。顏色轉(zhuǎn)變后碳纖維紗線圖像如圖2所示。

圖2 碳纖維紗線灰度圖Fig.2 Figure of carbon fiber yarn grayscale

2.2 圖像清晰度改善

紗線圖像經(jīng)顏色轉(zhuǎn)化后，需要分析圖像的對(duì)比度。對(duì)比度信息與LabVIEW圖像處理模塊的灰度直方圖分布相對(duì)應(yīng)，若紗線圖像的對(duì)比度低則對(duì)應(yīng)的灰度直方圖的分布范圍就比較寬，因此，需要對(duì)圖像的整體灰度進(jìn)行相應(yīng)的微調(diào)，即對(duì)圖像灰度比較密集的區(qū)間進(jìn)行拉伸，使得灰度區(qū)間覆蓋更大范圍，以此來提升紗線圖像的對(duì)比度?；贚abVIEW圖像處理模塊，在程序中利用Lookup Table函數(shù)來提高圖像的對(duì)比度。該函數(shù)有多種不同的處理方法，實(shí)際使用哪類方法要依據(jù)紗線圖像的情況以及對(duì)紗線圖像的后續(xù)分析而定。由于本文要進(jìn)行圖像處理的對(duì)象是碳纖維紗線，基于織造的現(xiàn)場環(huán)境以及織物的狀態(tài)，最終選擇灰度值反轉(zhuǎn)函數(shù)。灰度反轉(zhuǎn)前后的碳纖維紗線圖像如圖3所示。由圖3可以明顯觀察到圖像處理后的對(duì)比效果。

(a) 灰度反轉(zhuǎn)前

(b) 灰度反轉(zhuǎn)后

Fig.3Carbonfiberyarnimagesbeforeandaftergrayinversion

2.3 圖像噪點(diǎn)濾除

攝像機(jī)獲取到的原始紗線圖像不可避免地會(huì)受到外界環(huán)境作用而引入噪點(diǎn)，所以需要對(duì)其進(jìn)行相應(yīng)的濾波處理來摒除噪點(diǎn)。圖像處理中使用的濾波方法有很多，常見的有Smoothing-Low Pass、Smoothing-Median、Convolution-Highlight Details等，需要針對(duì)具體情況選擇合適的濾波處理算法。本文選取Smoothing-Median，該算法常常用于濾除椒鹽噪聲。通過對(duì)實(shí)際的生產(chǎn)環(huán)境分析，影響碳纖維紗線圖像質(zhì)量的主要因素正是椒鹽噪聲，所以Smoothing-Median算法是有效的?；贚abVIEW圖像處理模塊，濾波處理前后碳纖維紗線圖像如圖4所示。

(a) 濾波前

(b) 濾波后圖4 濾波前后碳纖維紗線圖Fig.4 Carbon fiber yarn images before and after filtering

3 紗線損傷狀態(tài)圖像檢測算法研究

紗線原始圖像進(jìn)行預(yù)處理之后，需要通過相關(guān)算法進(jìn)行圖像特征值提取。對(duì)圖像的特征進(jìn)行分析的算法有邊緣檢測、模式匹配、卡尺測量、輪廓分析、粒子分析等[8-9]。本文依據(jù)實(shí)際情況，探究上述各種算法在碳纖維紗線圖像特征提取的可行性。

模式匹配算法的核心是利用特征對(duì)比。首先，要有一幅模板圖像，且模板圖像的特征必須相對(duì)完整。之后，模式匹配算法將攝像機(jī)獲取的實(shí)際紗線圖像與模板進(jìn)行特征對(duì)比和打分，依據(jù)分?jǐn)?shù)的高低來確定相似度。因此，模式匹配算法適用于被研究的圖像具有相對(duì)突出、確定的特征。本文探究的是織造過程中紗線的狀態(tài)，因此紗線的特征通常不可預(yù)測，紗線的損傷往往存在多種狀態(tài)，不同的狀態(tài)就對(duì)應(yīng)著不同的特征，所以不能使用該算法獲取紗線的損傷狀態(tài)。

獲取研究圖像中最小距離這一特征時(shí)，通常會(huì)使用卡尺測量算法。如果使用該算法，在沒有任何干擾的前提下，可以得到紗線圖中的最小距離，即紗線的寬度。在實(shí)際的織造狀態(tài)下，紗線會(huì)由于機(jī)械磨損，出現(xiàn)起毛、割傷等狀態(tài)，因此，利用該算法獲取的距離值會(huì)比理想設(shè)定的值要小。原理上似乎能夠使用卡尺測量算法來判別紗線的損傷狀態(tài)，但經(jīng)實(shí)際的嘗試和驗(yàn)證分析，該算法運(yùn)用在實(shí)際的碳纖維紗線圖像檢測存在一定問題。因?yàn)樵谶B續(xù)的織造生產(chǎn)過程中，張力以及摩擦等因素會(huì)對(duì)紗線造成一定影響，使得碳纖維復(fù)絲的集束性變差，復(fù)絲局部變得疲軟。疲軟的單絲邊緣會(huì)被視為紗線寬內(nèi)割傷邊緣而檢出，從而計(jì)算出錯(cuò)誤的割傷程度，導(dǎo)致檢測結(jié)果與實(shí)際不相符，因此未選擇此算法。

在分析了實(shí)際生產(chǎn)狀況下的各種條件，最終確定使用邊緣檢測算法、輪廓分析算法以及粒子分析算法來獲取紗線圖像的各種特征。

3.1 邊緣檢測算法

邊緣檢測算法依據(jù)相鄰像素灰度值的改變來定位邊緣。邊緣本質(zhì)上是由于圖像灰度不連續(xù)所造成的，因此，可以通過對(duì)圖像中各個(gè)像素點(diǎn)進(jìn)行求導(dǎo)來發(fā)現(xiàn)。本文中碳纖維紗線的灰度值變化呈現(xiàn)脈沖狀，圖像邊界點(diǎn)對(duì)應(yīng)一階導(dǎo)數(shù)的零點(diǎn)，對(duì)應(yīng)二階導(dǎo)數(shù)的峰值點(diǎn)，圖像特點(diǎn)如圖5所示。

圖5 脈沖狀灰度圖像特點(diǎn)Fig.5 Characteristics of pulse gray image

實(shí)際中使用圖5中所示的基于微分的邊緣提取算法，這里選用梯度算子。對(duì)于函數(shù)f(x，y)，在點(diǎn)f(x，y)處，梯度grad(f(x，y))的幅度為

(1)

為便于進(jìn)一步計(jì)算，取

(2)

(3)

(4)

式(2)～(4)得到了灰度值在x和y方向上的變化率，但是若對(duì)圖像所有像素點(diǎn)計(jì)算，會(huì)導(dǎo)致工作量太大，因此，通過小型模板使用卷積作近似計(jì)算以縮小計(jì)算量。對(duì)x和y兩個(gè)方向都使用小型模板，常使用的有robert和sobel等算子，但是每種算子適用于不同的場合。本文基于LabVIEW圖像處理模塊則使用sobel算子，使用該算子檢測邊緣時(shí)定位比較準(zhǔn)確。sobel算子模板如圖6所示。

圖6 sobel算子模板Fig.6 Template of sobel opeartor

使用邊緣檢測算法最直觀體現(xiàn)是能夠得到紗線圖像中的紗線根數(shù)。若檢測得到的紗線根數(shù)少于實(shí)際生產(chǎn)中的設(shè)定值，就可以斷定該紗線圖像存在紗線斷裂的情況。

基于LabVIEW圖像處理模塊，邊緣檢測算法的參數(shù)設(shè)置如圖7所示。紗線圖像的檢測效果如圖8所示。從圖8可以清楚地看出紗線的根數(shù)，因此紗線是否斷裂完全可以通過該處理過程得到。此外，邊緣檢測算法還可獲取紗線的一些邊界屬性，例如邊界的位置、間距等。

圖7 邊緣檢測參數(shù)設(shè)置Fig.7 Edge detection parameter setting

圖8 邊緣點(diǎn)檢測效果Fig.8 Edge point detection effect

3.2 輪廓分析算法

輪廓分析算法可以分析對(duì)象的實(shí)際邊界屬性，基于該算法獲取的實(shí)際邊界和預(yù)先設(shè)定的理想邊界相比較，可以得到兩者之間的差異程度。此外，實(shí)際邊界可能出現(xiàn)一些畸點(diǎn)，輪廓分析算法能夠計(jì)算畸點(diǎn)峰值曲率、幅值等相關(guān)信息，這些信息能夠?yàn)檫吔缁c(diǎn)狀態(tài)給予一定參考。

本文采用的輪廓分析算法，在基于梯度的幅值信息基礎(chǔ)上，通過設(shè)定閾值將輪廓點(diǎn)和背景隔離，從而將紗線的整個(gè)輪廓體現(xiàn)出來。設(shè)原始圖像為[f(i，j)]M×N，使用sobel算子計(jì)算中間變量Δxf和Δyf，如式(5)和(6)所示。

Δxf=Δxf(i，j)

(5)

Δyf=Δyf(i，j)

(6)

再由式(7)和(8)獲得梯度的幅值圖以及方向圖。

(7)

[θ(i，j)]M×N= sin-1[Δxf/Mag(i，j)]

(8)

其中[θ(i，j)]M×N∈[0，2π]，再依據(jù)[θ(i，j)]M×N計(jì)算梯度方向的編碼圖[Ori(i，j)]M×N。將梯度方向[θ(i，j)]M×N∈[0，2π]對(duì)稱均勻地量化為K個(gè)區(qū)間，定義為

(9)

即Ori(i，j)的取值范圍為0，1，…，K-1，接下來按照式(10)得到梯度方向直方圖。

(10)

梯度方向直方圖對(duì)于對(duì)比度大的輪廓邊緣有較大的響應(yīng)，且梯度方向和輪廓方向相互垂直，因此使用梯度直方圖很容易確定圖像中的輪廓特征。具體地假設(shè)kmax是最強(qiáng)梯度方向，則

Hd(kmax)=max{Hd(k)，k=0，1，…,K-1}

(11)

根據(jù)式(11)確定了最強(qiáng)梯度方向，則輪廓方向就可以根據(jù)垂直關(guān)系確定。在上述已經(jīng)得到的最強(qiáng)邊緣方向?qū)D像進(jìn)行掃描，lp作為掃描線，其中的每一條掃描線依據(jù)式(12)來統(tǒng)計(jì)，獲取相應(yīng)的掃描線在最大梯度方向上的邊緣位置直方圖，之后就可以在該直方圖上獲得目標(biāo)輪廓的位置。

(12)

針對(duì)本文的紗線圖像，基于LabVIEW圖像處理模塊，輪廓分析算法的參數(shù)設(shè)置如圖9所示。經(jīng)輪廓分析算法處理后，紗線圖像輪廓檢測效果如圖10所示。使用輪廓分析算法，在獲得的紗線研究區(qū)域內(nèi)，表征單根紗線狀態(tài)的基礎(chǔ)參數(shù)和數(shù)值如表1和2所示。

圖9 輪廓檢測參數(shù)設(shè)置Fig.9 Contour detection parameter setting

圖10 紗線邊界檢測圖Fig.10 Yarn contour detection

在圖10中，外側(cè)的兩條直線代表實(shí)際紗線的理想邊界，中間的兩條曲線代表真實(shí)邊界。通過兩者接近程度來判斷紗線的損傷狀態(tài)，如果兩者之間的差異越明顯，則說明紗線整體的損傷狀況越嚴(yán)重。

表1 視覺處理基礎(chǔ)參數(shù)Table 1 Visual processing parameters

表2 基礎(chǔ)參數(shù)的數(shù)值Table 2 Data value of basic parameters

3.3 粒子分析算法

毛羽指數(shù)如毛羽長度、根數(shù)等是紗線起毛檢測過程的常用參數(shù)，常見棉紡織品的纖維毛羽通常具有黏彈性，而碳纖維紗線起毛的毛羽卻不具有該特性，所以毛羽指數(shù)的相關(guān)特征難以識(shí)別。因此，針對(duì)碳纖維紗線圖像，本文通過計(jì)算起毛面積來表征紗線起毛的程度。首先，理想紗線面積可由前面的算法得到，其次，利用粒子分析算法來計(jì)算紗線未起毛的區(qū)域面積，二者相減就能計(jì)算出碳纖維紗線的起毛面積。

基于Green公式計(jì)算具體的紗線未起毛區(qū)域面積A，即對(duì)封閉曲線所包含的面積A使用輪廓積分，如式(13)所示。

(13)

本文中紗線圖屬于離散圖像，所以需要利用式(14)對(duì)式(13)離散化。

(14)

式中：Nb為邊緣點(diǎn)的個(gè)數(shù)。通過式(14)可以得到碳纖維紗線未起毛區(qū)域的面積。

基于LabVIEW圖像處理模塊，碳纖維紗線圖像經(jīng)粒子分析算法處理后的效果如圖11所示。從圖11可以看出，經(jīng)過粒子檢測算法處理后，獲得碳纖維紗線未起毛區(qū)域的面積輪廓。

圖11 紗線未起毛區(qū)域檢測圖Fig.11 Detection figure of yarn area without fuzz

經(jīng)過粒子分析算法處理，紗線起毛面積計(jì)算結(jié)果如表3所示。該面積參數(shù)可以作為碳纖維紗線損傷的一個(gè)評(píng)價(jià)標(biāo)準(zhǔn)。粒子分析算法的參數(shù)設(shè)置如圖12所示。

表3 基礎(chǔ)參數(shù)的數(shù)據(jù)值Table 3 Data value of basic parameters

圖12 粒子檢測參數(shù)的設(shè)置Fig.12 Parameter setting of particle detection

4 結(jié) 語

本文基于LabVIEW圖像處理模塊，利用攝像機(jī)獲取的碳纖維織造紗線圖像，探究了合適的檢測算法來提取圖像相應(yīng)的特征，并根據(jù)這些特征分析紗線的損傷狀態(tài)，獲取了部分參數(shù)，如紗線是否斷裂、單根紗線的邊界信息、紗線起毛面積等。這些參數(shù)可以作為制定紗線損傷狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)的重要參考，研究成果有助于改善織造工作環(huán)境和調(diào)整織造參數(shù)。

參 考 文 獻(xiàn)

[1] PANIN S V，BURKOV M V，LYUBUTIN P S，et al. Fatigue damage evaluation of carbon fiber composite using aluminum foil based strain sensors[J].Engineering Fracture Mechanics，2014，129: 45-53.

[2] 王源升，朱珊珊，姚樹人，等. 碳纖維表面改性及對(duì)其復(fù)合材料性能的影響[J]. 高分子材料科學(xué)與工程, 2014(2): 16-20.

[3] 彭金濤，任天斌. 碳纖維增強(qiáng)樹脂基復(fù)合材料的最新應(yīng)用現(xiàn)狀[J]. 中國粘膠劑，2014，23(8): 48-52.

[4] 孫寶忠，顧伯洪. 碳纖維高應(yīng)變率拉伸破壞形態(tài)的應(yīng)變率效應(yīng)性質(zhì)[J]. 東華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005，31(1): 124-127.

[5] CARVALHO V H，CARDOSO P J，BELSLEY M S，et al. Yarn hairiness characterization using two orthogonal directions[J]. IEEE Transactions on Instrumentation and Measurement，2009，58(3): 594-601.

[6] 景軍鋒，張緩緩，李鵬飛. 基于方法庫的織物圖像疵點(diǎn)檢測[J]. 東華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，39(5): 650-655.

[7] CARVALHO V H，BELSLEY M S，VASCONCELOS R M，et al. Automatic yarn characterization system: Design of a prototype[J]. IEEE Sensors Journal，2009，9(8): 987-993.

[8] 梁宏偉. 紗線毛羽降低方法及圖像技術(shù)檢測研究[D]. 石家莊: 河北科技大學(xué)紡織服裝學(xué)院，2011.

[9] 孫銀銀，潘如如，高衛(wèi)東. 基于數(shù)字圖像處理的紗線毛羽檢測[J]. 紡織學(xué)報(bào)，2013，34(6): 102-106.