夏旭文， 孟 朔， 潘如如， 高衛(wèi)東

(生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué))， 江蘇 無(wú)錫 214122)

漿紗是紡織行業(yè)織造前一個(gè)重要的準(zhǔn)備工序，漿紗賦予經(jīng)紗抵御外部復(fù)雜機(jī)械力的能力，提高經(jīng)紗的可織性，保證織造過(guò)程的順利進(jìn)行[1]。經(jīng)紗在伸縮筘?cái)嗔研纬蓳砑?，是漿紗過(guò)程中一個(gè)常見(jiàn)問(wèn)題，其產(chǎn)生的主要原因有：經(jīng)軸內(nèi)有回紗或飛花附著，或伸縮筘處有漿皮堵塞；漿槽內(nèi)蒸汽過(guò)大，漿紗被沖亂或粘并在一起；漿紗分絞不清，突然停車，經(jīng)軸上的經(jīng)紗形成“小辮子”[2]。若撞筘?fù)砑啲F(xiàn)象未及時(shí)發(fā)現(xiàn)，會(huì)增加漿紗機(jī)停臺(tái)率，增大經(jīng)紗的損耗，還會(huì)使后織生產(chǎn)中產(chǎn)生布面疵點(diǎn)，降低品質(zhì)。目前，企業(yè)應(yīng)對(duì)此類問(wèn)題普遍采用人工進(jìn)行巡查的方法，但是人工檢測(cè)會(huì)增加工人勞動(dòng)量，降低生產(chǎn)效率，影響企業(yè)效益[3]。因此，紡織企業(yè)迫切需要一套準(zhǔn)確高效的漿紗撞筘?fù)砑唽?shí)時(shí)自動(dòng)檢測(cè)系統(tǒng)。

隨著信息技術(shù)的發(fā)展，機(jī)器視覺(jué)檢測(cè)技術(shù)具有非接觸、響應(yīng)快、現(xiàn)場(chǎng)抗干擾能力強(qiáng)等特點(diǎn)[4]，這給自動(dòng)檢測(cè)提供了新的方法和手段。將機(jī)器視覺(jué)技術(shù)引入漿紗撞筘?fù)砑啓z測(cè)中，能夠很好地滿足其對(duì)靈敏度和可靠性的要求。王振亞等[5]提出了一種應(yīng)用光流法的目標(biāo)檢測(cè)算法，但是該算法易受光源、陰影變化的影響。蘇佳等[6]提出了一種應(yīng)用傳統(tǒng)幀差法進(jìn)行目標(biāo)檢測(cè)的方法，具有較好的實(shí)時(shí)性，但易出現(xiàn)目標(biāo)邊緣不連續(xù)的問(wèn)題。DAI等[7]提出了應(yīng)用背景減除法來(lái)檢測(cè)移動(dòng)目標(biāo)，但是該算法對(duì)背景建模及其更新要求較高。

目前采用機(jī)器視覺(jué)方法實(shí)時(shí)監(jiān)測(cè)撞筘?fù)砑喌难芯窟€很少，沒(méi)有檢測(cè)撞筘?fù)砑喌膶Ｓ盟惴?。本文研究開(kāi)發(fā)了一種基于改進(jìn)幀間差分法的經(jīng)紗撞筘?fù)砑唽?shí)時(shí)自動(dòng)檢測(cè)系統(tǒng)。首先，開(kāi)發(fā)了一套圖像采集設(shè)備，利用監(jiān)控設(shè)備捕獲經(jīng)紗通過(guò)漿紗機(jī)筘齒時(shí)的圖像，再通過(guò)高斯模糊和改進(jìn)幀間差分法進(jìn)行圖像處理，判斷經(jīng)紗撞筘?fù)砑喦闆r，以期為實(shí)際工業(yè)生產(chǎn)提供指導(dǎo)。

1 圖像采集系統(tǒng)的構(gòu)建

本文旨在建立漿紗機(jī)經(jīng)紗撞筘?fù)砑唽?shí)時(shí)自動(dòng)檢測(cè)系統(tǒng)。受不同類型漿紗機(jī)幅寬和機(jī)臺(tái)高度不一的限制，固定的圖像采集系統(tǒng)適應(yīng)性有限，因此本文設(shè)計(jì)開(kāi)發(fā)了一種可適應(yīng)不同類型漿紗機(jī)的撞筘?fù)砑啲F(xiàn)象實(shí)時(shí)圖像采集系統(tǒng)，該系統(tǒng)的示意圖如圖1所示。橫梁可縱向自由調(diào)節(jié)以適應(yīng)不同高度，兩側(cè)立柱可橫向自由調(diào)節(jié)以適應(yīng)不同的工作幅寬。本文創(chuàng)新地引入監(jiān)控設(shè)備來(lái)作為圖像采集設(shè)備，監(jiān)控設(shè)備與普通相機(jī)相比，存儲(chǔ)量大，攝像頭視野調(diào)節(jié)范圍大，成本低。監(jiān)控設(shè)備采用?？低旸S-2SC3Q120IY無(wú)線云臺(tái)監(jiān)控設(shè)備，分辨率為200萬(wàn)，采集幀率30幀/s，監(jiān)控?cái)z像機(jī)固定在橫梁上。由于漿紗機(jī)工作過(guò)程中會(huì)有細(xì)微的振動(dòng)，為避免這種細(xì)微振動(dòng)對(duì)圖像采集的影響，整個(gè)圖像采集系統(tǒng)不與漿紗機(jī)接觸。調(diào)試并固定橫梁高度及監(jiān)控設(shè)備位置為距經(jīng)紗平面70 cm， 使得監(jiān)控設(shè)備可以采集到覆蓋了完整經(jīng)紗區(qū)域的清晰圖像。單幅圖像的尺寸為1 920像素×1 080 像素，單個(gè)攝像頭監(jiān)測(cè)幅寬為130 cm。 圖2為采集到的部分漿紗圖像示例，檢測(cè)幅寬為70 cm，漿紗根數(shù)約為300根。

圖1 圖像采集系統(tǒng)Fig.1 Image acquisition system. (a) Schematic diagram of image acquisition system; (b) Monitoring equipment module

圖2 采集的部分經(jīng)紗圖像Fig.2 Part of collected warp images. (a) Warp passes through reed normally; (b) warp yarn collides with reed

2 經(jīng)紗撞筘?fù)砑唽?shí)時(shí)檢測(cè)

在漿紗機(jī)運(yùn)行狀態(tài)下進(jìn)行圖像采集，經(jīng)紗撞筘?fù)砑唽?shí)時(shí)自動(dòng)檢測(cè)分以下幾個(gè)步驟完成:1)對(duì)初始圖像進(jìn)行圖像裁剪；2)使用高斯模糊對(duì)裁剪后圖像進(jìn)行平滑處理；3)運(yùn)用改進(jìn)幀間差分法對(duì)平滑后的圖像進(jìn)行差異識(shí)別和目標(biāo)檢測(cè)；4)經(jīng)紗撞筘?fù)砑喤卸ā?/p>

2.1 圖像裁剪

由于撞筘?fù)砑啲F(xiàn)象僅發(fā)生于漿紗機(jī)筘齒處，因此為了排除筘齒以外無(wú)關(guān)區(qū)域帶來(lái)的干擾和減少程序運(yùn)行的時(shí)間，對(duì)初始圖像進(jìn)行裁剪只保留筘齒區(qū)域。裁剪后的圖像可以在排除紗線抖動(dòng)產(chǎn)生干擾的同時(shí)，獲取經(jīng)紗通過(guò)筘齒完整圖像。裁剪過(guò)后的待檢測(cè)圖像尺寸為1 180像素×310像素，如圖3 所示。

圖3 裁剪后圖像Fig.3 Cropped image

2.2 圖像平滑

檢測(cè)過(guò)程中，經(jīng)紗的運(yùn)動(dòng)對(duì)撞筘?fù)砑喌淖詣?dòng)檢測(cè)造成嚴(yán)重干擾。因此，需對(duì)裁剪后的圖像進(jìn)行平滑處理，降低圖像細(xì)節(jié)層次。高斯模糊是一種圖像模糊濾波器，它用正態(tài)分布計(jì)算圖像中每個(gè)像素的變換，其廣泛應(yīng)用于圖像平滑處理。其變化公式為

(1)

式中：f(x,y)為高斯濾波模板系數(shù)；(x,y)為點(diǎn)坐標(biāo)；σ為正態(tài)分布的標(biāo)準(zhǔn)差。

分布不為零的像素組成的卷積矩陣與原始圖像做變換,每個(gè)像素的值都是周圍相鄰像素值的加權(quán)平均。原始像素的值有最大的高斯分布值，所以有最大的權(quán)重，相鄰像素隨著距離原始像素越來(lái)越遠(yuǎn)，其權(quán)重也越來(lái)越小。這樣進(jìn)行模糊處理比其它的均衡模糊濾波器更好地保留了邊緣效果[8]。

圖4示出原始灰度圖像和高斯平滑過(guò)后的圖像對(duì)比。對(duì)圖4(a)所示圖像給定高斯核大小為(31,31)，作為濾波處理過(guò)程中其鄰域圖像的高度和寬度進(jìn)行高斯平滑處理后得到的圖像如圖4(b)所示。通過(guò)觀察發(fā)現(xiàn)，灰度圖像中的紗線信息被有效地平滑掉，經(jīng)紗撞筘?fù)砑喰畔⒌玫搅擞行ПＡ簟?/p>

圖4 圖像平滑效果對(duì)比Fig.4 Image smoothing effect comparison. (a) Grayscale image; (b) Gaussian smooth image

2.3 基于幀間差分法的差異識(shí)別與目標(biāo)檢測(cè)

幀間差分法是對(duì)時(shí)間上連續(xù)的兩幀圖像進(jìn)行差分運(yùn)算，不同幀對(duì)應(yīng)的像素點(diǎn)相減，判斷灰度差的絕對(duì)值，得到差分圖像[9]。幀間差分法方法簡(jiǎn)單、運(yùn)算量少且易于實(shí)現(xiàn)，可以較強(qiáng)地應(yīng)對(duì)動(dòng)態(tài)環(huán)境的變化，有效地去除系統(tǒng)誤差和噪聲影響，對(duì)場(chǎng)景中光照的變化不敏感而且不易受陰影的影響。

2.3.1 傳統(tǒng)的幀間差分法

傳統(tǒng)的幀間差分法的運(yùn)算公式為

Dn(x,y)=|fn(x,y)-fn-1(x,y)|

(2)

式中：Dn為差分圖像；fn(x,y)、fn-1(x,y)分別為第n幀和第n-1幀圖像。傳統(tǒng)幀間差分法缺點(diǎn)也較明顯：1)對(duì)于變化較慢的目標(biāo)易出現(xiàn)漏檢現(xiàn)象；2)在目標(biāo)檢測(cè)過(guò)程中存在目標(biāo)邊緣不連續(xù)問(wèn)題；3)由于經(jīng)紗撞筘?fù)砑喌闹丿B，檢測(cè)到的目標(biāo)會(huì)產(chǎn)生空洞。因此無(wú)法很好的用于撞筘?fù)砑喌臋z測(cè)，傳統(tǒng)幀間差分法示意圖如圖5所示。

圖5 傳統(tǒng)幀間差分法示意圖Fig.5 Schematic diagram of traditional inter-frame difference method

2.3.2 改進(jìn)幀間差分法

針對(duì)傳統(tǒng)的幀間差分法出現(xiàn)的問(wèn)題，采取以下幾點(diǎn)改進(jìn)：1)對(duì)于變化較慢的目標(biāo)易出現(xiàn)漏檢現(xiàn)象的問(wèn)題，采取擴(kuò)大幀差的方法來(lái)處理；2)在目標(biāo)檢測(cè)中存在的目標(biāo)邊緣不連續(xù)性的問(wèn)題，加入Canny邊緣算法進(jìn)行處理，能夠清晰完整的檢測(cè)出紗團(tuán)邊緣，為了增強(qiáng)算法的自適應(yīng)性，在邊緣算子的雙閾值選取時(shí)，采用最大類間方差法[10]；3)經(jīng)紗撞筘?fù)砑喼丿B產(chǎn)生空洞，采用膨脹的數(shù)學(xué)形態(tài)學(xué)運(yùn)算進(jìn)行空洞填充。為了減少在檢測(cè)過(guò)程中場(chǎng)景光線變化和陰影帶來(lái)的影響，加入對(duì)整體光照和陰影敏感的添加項(xiàng)。

D′n=|fn(x,y)-fn-t(x,y)|-

(3)

圖6 改進(jìn)幀間差分法示意圖Fig.6 Schematic diagram of improved inter-frame difference method

2.3.3 撞筘?fù)砑喌呐卸?/p>

當(dāng)經(jīng)紗發(fā)生撞筘時(shí)，會(huì)發(fā)生紗線團(tuán)聚現(xiàn)象。因此，在遍歷輪廓過(guò)后，以輪廓面積閾值δ作為經(jīng)紗撞筘?fù)砑喤卸l件。

(4)

式中：Rn為最后檢測(cè)出的目標(biāo)圖像，即當(dāng)輪廓面積>δ時(shí)，判定經(jīng)紗發(fā)生撞筘?fù)砑啲F(xiàn)象；輪廓面積≤δ時(shí)，則未發(fā)生經(jīng)紗撞筘?fù)砑啲F(xiàn)象。

3 結(jié)果與參數(shù)討論

本文以采集到的不同車速序列圖像作為測(cè)試數(shù)據(jù)集。通過(guò)人工標(biāo)定的方法，標(biāo)定出待測(cè)圖像中經(jīng)紗正常通過(guò)筘齒和經(jīng)紗發(fā)生撞筘?fù)砑啲F(xiàn)象的圖像。通過(guò)對(duì)數(shù)據(jù)集進(jìn)行經(jīng)紗撞筘?fù)砑啓z測(cè)，以準(zhǔn)確率AR、誤檢率PR作為經(jīng)紗撞筘?fù)砑唽?shí)時(shí)檢測(cè)系統(tǒng)的評(píng)價(jià)指標(biāo)[11]。

(5)

(6)

式中：NTP(true positive)表示分類正確，把原本屬于正類的樣本分成正類的數(shù)目；NTN(true negative)表示分類正確，把原本屬于負(fù)類的樣本分成負(fù)類的數(shù)目；NFP(false positive)表示分類錯(cuò)誤，把原本屬于負(fù)類的錯(cuò)分成了正類的數(shù)目；NFN(false negative)表示分類錯(cuò)誤，把原本屬于正類的錯(cuò)分成了負(fù)類的數(shù)目。

3.1 幀間差t的選擇

本文以Intel Corei7為軟件平臺(tái)，借助OpenCV函數(shù)庫(kù)，采用Python編程語(yǔ)言對(duì)幀間差分法進(jìn)行改進(jìn)和優(yōu)化。實(shí)驗(yàn)中圖像系列在祥盛XSY617型智能漿紗機(jī)樣機(jī)上采集完成。傳統(tǒng)的幀間差分法對(duì)于變化較慢的目標(biāo)易出現(xiàn)漏檢現(xiàn)象，針對(duì)這一問(wèn)題采取擴(kuò)大幀間差來(lái)解決。不同幀差和各漿紗機(jī)車速下的撞筘檢測(cè)準(zhǔn)確率如表1所示，圖像采集幀率為30幀/s。

表1 不同幀間差和車速下撞筘檢測(cè)準(zhǔn)確率Tab.1 Accuracy of collision reed detection at frame difference and vehicle speed

圖像中每次檢測(cè)目標(biāo)變化的大小取決于漿紗機(jī)車速v和幀間差t。由表1可發(fā)現(xiàn)，當(dāng)幀間差t從20增加到80時(shí)，幀間差越大，檢測(cè)目標(biāo)變化越大，撞筘檢測(cè)準(zhǔn)確率增大；當(dāng)幀間差t>80后，隨著幀差的增加，撞筘檢測(cè)準(zhǔn)確率逐漸趨于穩(wěn)定；但是隨著幀間差的增大，從發(fā)生撞筘到系統(tǒng)做出響應(yīng)的時(shí)間也會(huì)增大。因此，在擴(kuò)大幀間差，提高檢測(cè)準(zhǔn)確率的同時(shí)，還要保證盡可能少的系統(tǒng)響應(yīng)時(shí)間?，F(xiàn)代漿紗機(jī)工作車速約為60～120 m/min，圖7為在漿紗機(jī)車速為70 m/min 下，幀差分別為1、50、60、80、100幀的差分圖像和二值化圖像。

圖7 不同幀差下差分圖像和二值化圖像Fig.7 Differential image and binarized image under different frame differences

綜合表1和圖7在現(xiàn)代漿紗機(jī)車速考慮，保證撞筘檢測(cè)準(zhǔn)確率的同時(shí)，有盡可能少的系統(tǒng)響應(yīng)時(shí)間，將改進(jìn)后的幀間差t確定為80～100幀。傳統(tǒng)幀間差分法幀間差異不明顯，而改進(jìn)后的幀間差分法能夠很好地檢測(cè)出撞筘?fù)砑嗇喞冶Ａ糇搀靥幖?xì)節(jié)信息，有利于提高系統(tǒng)檢測(cè)準(zhǔn)確率。

3.2 監(jiān)控設(shè)備與經(jīng)紗平面距離

在對(duì)監(jiān)控設(shè)備與經(jīng)紗平面距離L確定中，既要保證監(jiān)控?cái)z像頭采集到的圖像質(zhì)量，又要保證能夠檢測(cè)到盡可能大的幅寬。通過(guò)預(yù)實(shí)驗(yàn)，將L范圍縮小至60～90 cm之間，對(duì)L為60、70、80、90 cm分別進(jìn)行圖像采集。通過(guò)實(shí)驗(yàn)觀察，在L為70 cm時(shí)獲取圖像質(zhì)量最好，可以觀察到清晰完整的經(jīng)紗撞筘?fù)砑唸D像；當(dāng)L為80、90 cm時(shí)，圖像中經(jīng)紗擁紗現(xiàn)象不明顯，不易檢測(cè)。因此，在衡量圖像質(zhì)量、算法精度和檢測(cè)幅寬后，確定監(jiān)控設(shè)備與經(jīng)紗平面距離L=70 cm，此時(shí)的空間分辨率(PPI)為38。

3.3 輪廓面積閾值的選擇

在進(jìn)行差異識(shí)別和目標(biāo)檢測(cè)過(guò)程中，經(jīng)紗的細(xì)微抖動(dòng)會(huì)給目標(biāo)識(shí)別造成較大的干擾。這不僅增加了經(jīng)紗撞筘?fù)砑啓z測(cè)的誤檢率，而且還增加了計(jì)算量，降低了檢測(cè)速度。因此，為了排除不必要的運(yùn)算，減小誤檢率，設(shè)置面積閾值δ來(lái)進(jìn)行撞筘?fù)砑喤卸?。圖8示出在不同面積閾值下各位置經(jīng)紗撞筘自動(dòng)檢測(cè)的平均誤檢率、平均響應(yīng)時(shí)間。響應(yīng)時(shí)間為漿紗出現(xiàn)撞筘到系統(tǒng)響應(yīng)所需時(shí)間。

圖8 不同閾值δ下平均誤檢率及響應(yīng)時(shí)間Fig.8 Average false detection rate and response time under different threshold δ

由圖8可發(fā)現(xiàn)，隨著面積閾值的增大，誤檢率呈下降趨勢(shì)，響應(yīng)時(shí)間呈上升趨勢(shì)。當(dāng)面積閾值δ≥300后，誤檢現(xiàn)象消失，響應(yīng)時(shí)間增大趨勢(shì)陡然上升。因此，在衡量誤檢率和檢測(cè)系統(tǒng)靈敏性后，選擇δ=300作為輪廓面積閾值，可以在消除誤檢現(xiàn)象的同時(shí)確保較低的響應(yīng)時(shí)間。

3.4 系統(tǒng)響應(yīng)時(shí)間

由于面積閾值δ的設(shè)定，經(jīng)紗從發(fā)生撞筘到被檢測(cè)系統(tǒng)所識(shí)別需要響應(yīng)時(shí)間，稱這段時(shí)間為系統(tǒng)響應(yīng)時(shí)間,不同車速下系統(tǒng)平均響應(yīng)時(shí)間如圖9所示。

圖9 不同車速下系統(tǒng)平均響應(yīng)時(shí)間Fig.9 Average response time of system at different vehicle speeds

由圖可發(fā)現(xiàn)，隨著漿紗機(jī)車速的增大，固定幀差下幀間差異增大，幀間差異到達(dá)面積閾值δ所需時(shí)間減小，系統(tǒng)響應(yīng)的時(shí)間呈下降趨勢(shì)。結(jié)合現(xiàn)代漿紗機(jī)工作車速約為60～120 m/min考慮，當(dāng)漿紗機(jī)車速為60 m/min時(shí)，系統(tǒng)響應(yīng)時(shí)間為1.30 s，該系統(tǒng)滿足對(duì)漿紗撞筘實(shí)時(shí)在線檢測(cè)的要求。

4 結(jié) 論

基于改進(jìn)幀間差分法原理，本文構(gòu)建了一種漿紗機(jī)經(jīng)紗撞筘?fù)砑喿詣?dòng)檢測(cè)系統(tǒng)。通過(guò)對(duì)采集到的圖像進(jìn)行裁剪、平滑后，采用改進(jìn)后的幀間差分法進(jìn)行撞筘?fù)砑啓z測(cè)識(shí)別。實(shí)驗(yàn)表明該系統(tǒng)在復(fù)雜背景和光照陰影變化下，改進(jìn)后的算法對(duì)漿紗機(jī)經(jīng)紗發(fā)生撞筘?fù)砑喦闆r的判斷和具體位置的定位、跟蹤是準(zhǔn)確可靠的，并且滿足漿紗撞筘?fù)砑喸诰€檢測(cè)對(duì)實(shí)時(shí)性的要求。整套檢測(cè)系統(tǒng)不與經(jīng)紗表面直接接觸，避免了對(duì)經(jīng)紗表面的損傷；并具有檢測(cè)面積廣，基本不受漿紗根數(shù)的影響的特點(diǎn)，減少漿紗機(jī)停臺(tái)率和后織生產(chǎn)中的布面疵點(diǎn)，提高織物品質(zhì)，具有廣闊的產(chǎn)業(yè)應(yīng)用前景。未來(lái)的研究將進(jìn)一步提高算法的性能，并嘗試對(duì)色紗撞筘進(jìn)行檢測(cè)。