基于歐氏距離的細(xì)紗斷紗檢測

王雯雯，趙 靜，劉基宏

(江南大學(xué)生態(tài)紡織教育部重點實驗室，江蘇無錫214122)

在細(xì)紗生產(chǎn)中，細(xì)紗斷紗率是評價生產(chǎn)質(zhì)量的一個重要指標(biāo)之一，極大地影響了勞動生產(chǎn)率。細(xì)紗斷紗多，增加擋車工的勞動量，發(fā)現(xiàn)不及時影響產(chǎn)量，頻繁接頭影響成紗質(zhì)量[1-5]。因此，在紡紗生產(chǎn)中降低細(xì)紗斷紗率成為了一項重要課題，是提高企業(yè)生產(chǎn)效率的關(guān)鍵之一。

關(guān)于細(xì)紗機斷紗自動檢測的方案早在30多年前就已提出，檢測手段也有多種方式。從結(jié)構(gòu)類型上，可以分為定點檢測和巡回檢測[6]。其中定點檢測是指檢測裝置固定在細(xì)紗機的每一個錠子上，通過檢測錠子上的運動元件從而判斷相關(guān)的紗線有沒有斷紗；巡回檢測是指檢測裝置固定在細(xì)紗機的一側(cè)，通過導(dǎo)軌和發(fā)動機完成往復(fù)運動，在運動的過程中檢測紗線是否斷紗[7-8]。從檢測原理上，可以分為鋼絲圈運動光電掃描、鋼絲圈運動電磁感應(yīng)、鋼絲圈摩擦熱敏傳感、導(dǎo)紗鉤紗條光路遮斷等[9]。

有許多廠商推出了相關(guān)產(chǎn)品，但是并沒有基于圖像檢測紗線斷紗的算法。茍永波提出了一種基于視覺效果的巡回式斷紗檢測裝置[10]，并沒有對檢測算法做出解釋，也沒有區(qū)分紡紗段斷紗及氣圈段斷紗的情況。本文在以往研究的基礎(chǔ)上，通過圖像處理技術(shù)，提出一種新的斷紗檢測方式。將相機安裝在移動裝置上，采集細(xì)紗機動態(tài)細(xì)紗圖像，并使用圖像處理軟件處理，判斷細(xì)紗是否斷紗，期望為實現(xiàn)獨立的巡回式斷紗檢測小車奠定基礎(chǔ)。

1 圖像采集設(shè)備

實驗使用設(shè)備為像素500萬的索尼CCD工業(yè)相機，選擇分辨率為2 592×1 944，設(shè)置最大曝光時間77ms，該相機通過USB接口供電，通過電腦對圖像進行捕捉。實驗中對環(huán)錠紡的紡紗段進行圖像采集，采集區(qū)域如圖1中紅色區(qū)域，即紡紗段。為適用于移動裝置上的相機高度與細(xì)紗機葉子板一致并平行于細(xì)紗機葉子板，相機距離葉子板15 cm，圖2為采集到的原始細(xì)紗圖像。

圖1 圖像采集區(qū)域Fig.1 Image acquisition area

圖2 原始細(xì)紗圖像Fig.2 Original yarn image

2 圖像處理

2.1 紗線圖像處理流程

圖像中紗線背景比較冗雜，紗線由于鋼絲圈帶動加捻卷繞存在左右的運動，葉子板由于反光，部分區(qū)域顏色與紗線相同。用相機捕獲環(huán)錠紡細(xì)紗機紡紗狀態(tài)下的紗線圖像，由于紗線高速運動，相機焦距不穩(wěn)定，實驗車間的光照、雜質(zhì)等各種因素會造成圖像中細(xì)紗不同位置的亮度存在差異，影響到細(xì)紗特征值的提取。

為了得到清晰的細(xì)紗圖像，先對采集到的原圖像進行預(yù)處理[11]，再進行二值分割，逐步改善圖像質(zhì)量，突出目標(biāo)圖像，去除雜質(zhì)和噪聲，使圖像中的細(xì)紗主體更為清晰、突出，具體流程如圖3所示。

圖3 圖像處理流程Fig.3 Image processing flow chart

2.2 歐氏距離線性映射

顏色距離指的是兩個顏色之間的差距，通常距離越大，兩個顏色相差越大，反之，兩個顏色越相近。在計算顏色距離時，有類似計算兩點間歐式距離的公式一樣，歐氏距離的大小，反映了兩個像素之間的相似程度，即數(shù)值越小，兩個像素之間的差異越小。通過觀察采集到的原始細(xì)紗圖像可以發(fā)現(xiàn)，細(xì)紗區(qū)域顏色較整個背景凸出，細(xì)紗機葉子板因為光照原因，反光較多導(dǎo)致背景部分較亮。通過顏色空間的歐氏距離的計算，可以將細(xì)紗與背景明顯區(qū)分開。

RGB顏色空間以 R(Red)、G(Green)、B(Blue)三種基本色為基礎(chǔ)，進行不同程度的疊加，產(chǎn)生豐富而廣泛的顏色，所以俗稱三基色模式[12]。在大自然中有無窮多種不同的顏色，而人眼只能分辨有限種不同的顏色。RGB顏色模型是三維直角坐標(biāo)顏色系統(tǒng)中的一個正方體。以24位存儲的方式，RGB模式可表示1 600多萬種不同的顏色，在人眼看來它非常接近大自然的顏色，故又稱為自然色彩模式。

在RGB空間內(nèi)，顏色距離表達(dá)式為:

式中:C1和C2為兩個不同顏色的點，R1和R2為顏色1和顏色2的R通道，G1和G2為顏色1和顏色2的G通道，B1和B2為顏色1和顏色2的B通道。

R1G1B1取原始圖像中紗線上一點的RGB值，R2G2B2為原始圖像中其他點的RGB值，通過式(1)計算圖像中各個點與紗線上該點的歐氏距離，并由熱力圖的方式來表示歐氏距離。顏色距離越小在圖中由藍(lán)色表示，顏色距離越大由紅色表示，如圖4所示。

圖4 RGB空間歐氏距離線性映射圖像Fig.4 Linearmapping image of RGB space Euclidean distance

Lab顏色空間是基于人眼對顏色的感知，可以表示人眼所能感受到的所有顏色，它是用數(shù)字化的方法來描述人的視覺感應(yīng)[13]。Lab顏色空間中的L?表示像素的亮度，取值范圍是[0，100]，表示從純黑到純白；a?表示從紅色到綠色的范圍，取值范圍是[－128，127]；b?表示從黃色到藍(lán)色的范圍，取值范圍是[－128，127]。在Lab空間內(nèi)，顏色距離表達(dá)式為:

通過熱力圖的方式來表示歐氏距離，如圖5所示。

圖5 LAB空間歐氏距離線性映射圖像Fig.5 Linearmapping image of LAB space Euclidean distance

2.3 閾值分割

歐氏距離線性映射后的圖像中，紗線部分顏色明顯區(qū)別于背景的紡紗機機件，由于光照等原因，背景中部分區(qū)域顏色與紗線顏色接近，對提取紗線圖像造成干擾，所以對葉子板前的紗線圖像進行截取。如圖6中黑色矩形框區(qū)域，截取圖像并不影響最終斷紗情況的判斷。對截取的圖像進行閾值分割，將與紗線區(qū)域顏色相同的像素值直接變?yōu)?55，其他部分的像素值為0，得到圖7所示的紗線二值圖像。由圖7可以看出，閾值分割可以有效地分離出紗線圖像，消除背景等干擾因素，并且保留紗線的完整性。

圖6 圖像截取區(qū)域Fig.6 Image interception area

圖7 閾值分割圖像Fig.7 Threshold segmentation image

2.4 圖像去噪及膨脹

細(xì)紗機葉子板因為光照原因，反光較多導(dǎo)致圖像中紗線背景部分較亮，其顏色與紗線顏色基本一致，所以閾值分割后圖像有噪點(圖7)。由于噪點區(qū)域較小，通過保留最大連通域，消除噪點。

圖像的膨脹是把結(jié)構(gòu)元素B平移a后得到Ba，若Ba擊中X，則記下這個a點[14]。所有滿足上述條件的a點組成的集合稱作X被B膨脹的結(jié)果。用公式表示為:

其中采用的結(jié)構(gòu)元素是半徑為17的圓盤[15]。圖像去噪后的紗線圖像將閾值分割中的噪點去除，經(jīng)過圖像膨脹后，得到圖8(a)，紗線圖像更為清晰，圖像更加整潔。

圖8 形態(tài)學(xué)膨脹圖像Fig.8 Morphological expansion image

圖8(a)(b)采用的是RGB空間和Lab空間下歐氏距離圖經(jīng)過處理后的最終結(jié)果，對比發(fā)現(xiàn)，RGB空間的歐氏距離映射圖效果好于Lab空間的歐氏距離映射圖。原因在于Lab空間下的歐氏距離映射圖像沒有將紗線部分與背景明顯區(qū)別開，Lab空間的L?值表示的是圖像的亮度，在葉子板反光較亮的情況下，無法有效地提取紗線部分，導(dǎo)致閾值分割無法分割出紗線，因此實驗采用在RGB空間的歐氏距離映射對紗線圖像計算色差。

3 實 驗

實驗選取了TH558細(xì)紗機上紡制的20S、40S和60S的全棉精梳紗，紗線參數(shù)見表1，紡紗所采用纖維參數(shù)見表2。對這三種細(xì)度的紗線在正常紡紗時進行圖像采集。

表1 圖像法采集紗線Tab.1 Yarn collection by imagemethod

表2 原棉性能參數(shù)Tab.2 Performance parameter of raw cottons

圖像采集過程中，出現(xiàn)了氣圈段斷紗的情況，如圖9所示。當(dāng)紗線斷紗發(fā)生在氣圈段時，紗線一端纏繞在導(dǎo)紗鉤上，另一端被吸風(fēng)口吸住，因此葉子板前仍存在紗線。單純地比較圖像中是否存在紗線容易產(chǎn)生較大的誤差，所以對氣圈段發(fā)生的斷紗情況進行圖像處理，如圖10所示。

圖9 氣圈段斷紗圖像Fig.9 Broken yarn image of balloon segment

圖10 氣圈段斷紗二值圖像Fig.10 Binary image of broken yarn in balloon segment

對比細(xì)紗原圖可以發(fā)現(xiàn)，紡紗中的紗線由于鋼絲圈的加捻卷繞運動會產(chǎn)生抖動，而斷紗后的紗線一端被吸風(fēng)口給予了一個張力，由于吸風(fēng)口的氣流變化，紗線會產(chǎn)生輕微抖動，并不影響圖像的采集。為區(qū)分這兩種情況，對正常紡紗和氣圈段斷紗的情況分別進行圖像采集。

4 測試結(jié)果與分析

4.1 斷紗情況判斷

細(xì)紗機正常紡紗和氣圈段斷紗時采集到的圖像中，都存在細(xì)紗，如圖11、圖12所示。但是對比兩圖的二值圖像可以發(fā)現(xiàn)，紡紗時的細(xì)紗圖像紗線部分面積更大，通過計算紗線部分像素點在整個二值圖像中所占比例從而判斷是否斷紗。

圖11 正常紡紗圖像Fig.11 Normal spinning image

圖12 氣圈段斷紗圖像Fig.12 Broken yarn image of balloon segment

當(dāng)紡紗段發(fā)生斷紗時，氣圈段和紡紗段都不存在紗線，采集圖像如圖13所示，二值化圖像如圖14所示。圖像中不存在細(xì)紗，白色像素點數(shù)目為0。判斷斷紗情況時，通過設(shè)定像素點比例閾值，檢測是否斷紗。

4.2 氣圈段斷紗結(jié)果與分析

在開機20min后對紡制的細(xì)紗連續(xù)采集100張圖像，并對氣圈段斷紗的情況采集100張圖像，共獲取200張紗線圖像。對采集好的紡紗圖像和氣圈段斷紗圖像二值化處理，并根據(jù)下式計算統(tǒng)計圖像中紗線部分像素點的比值:

圖13 紡紗段斷紗圖像Fig.13 Broken yarn image of spinning section

圖14 紡紗段斷紗二值圖像Fig.14 Binary image of spinning sectio

式中:f為二值圖像中像素值為255的點在整圖中所占比例，S1為二值圖像中像素值為255的點總和，S為二值圖像像素點總和。

由于數(shù)據(jù)較大，表3統(tǒng)計了三種紗線正常紡紗的最小值及氣圈斷紗的最大值，表4、表5和表6按照時間順序顯示了部分統(tǒng)計結(jié)果。

表3 細(xì)紗二值圖像白色像素點比例最值Tab.3 Optimal proportion value ofwhite pixel of spun yarn binary image

表4 60S細(xì)紗二值圖像白色像素點比例Tab.4 White pixel ratio of 60S yarn binary image

表5 40S細(xì)紗二值圖像白色像素點比例Tab.5 White pixel ratio of 40S yarn binary image

表6 20S細(xì)紗二值圖像白色像素點比例Tab.6 White pixel ratio of 20S yarn binary image

通過表4、表5和表6的對比，可以發(fā)現(xiàn)隨著紡紗時間的增加，細(xì)紗穩(wěn)定性也不斷提高。對于細(xì)紗二值圖像來說，存在:

式中:G為斷紗檢測結(jié)果，f為二值圖像中像素值為255的點在整圖中所占比例，δ為設(shè)定的閾值。

通過表3，設(shè)定的取值如下:

4.3 紡紗段斷紗結(jié)果與分析

對于紡紗段發(fā)生的斷紗，采集到的紡紗段圖像中不存在細(xì)紗，二值圖像中不存在像素值為255的點，由式(4)得:

5 結(jié) 論

通過移動設(shè)備上的相機，對細(xì)紗機紡紗段紗線進行圖像采集，經(jīng)過歐氏距離線性映射、閾值分割、最大連通域去噪和圖像膨脹等預(yù)處理，得到清晰的細(xì)紗二值圖像。對二值圖像進行像素點統(tǒng)計，判斷細(xì)紗的斷紗情況:紡紗段斷紗、氣圈段斷紗或正常紡紗。對于實際生產(chǎn)中氣圈段斷紗的情況能夠準(zhǔn)確判斷。實驗證明，本文提出的斷紗檢測方法是可行的，為將來實現(xiàn)斷紗檢測小車提供參考。實驗中，相機只捕獲了一根紗線紡紗時的圖像，程序魯棒性較小，之后可增大檢測的紗線根數(shù)，完善斷紗檢測算法。

[1]李強，楊藝，劉基宏，等.賽絡(luò)紡粗紗斷紗在線檢測[J].紡織學(xué)報，2016，37(10):120-124.LIQiang， YANG Yi， LIU Jihong，et al.Online detection of roving strand broken in siro-spinning[J].Journal of Textile Research，2016，37(10):120-124.

[2]楊藝，張銘龍海，高暢，等.細(xì)紗單錠斷紗管理系統(tǒng)的設(shè)計與實現(xiàn)[J].紡織學(xué)報，2016，37(1):137-141.YANG Yi， ZHANGMinglonghai， GAO Chang， etal.Design and realization of management system of definite spindle for yarn breakage in spinning frame[J].Journal of Textile Research，2016，37(1):137-141.

[3]宋曉亮，劉建立，徐陽，等.光電式環(huán)錠斷紗在線檢測系統(tǒng)[J].紡織學(xué)報，2014，35(8):98-103.SONG Xiaoliang， LIU Jianli， XU Yang， et al.On-line detecting system based on optoelectronic technology for ring spun-yarn breakage[J].Journal of Textile Research，2014，35(8):98-103.

[4]龔羽，倪遠(yuǎn).環(huán)錠細(xì)紗機紡紗斷頭監(jiān)測技術(shù)現(xiàn)狀與發(fā)展評析[J].紡織導(dǎo)報，2012(6):100-104.GONG Yu，NIYuan.The latest development in broken-end detecting technology on ring-spinning machine[J].China Textile Leader，2012(6):100-104.

[5]顧金華.一種電磁式細(xì)紗機紗線斷頭檢測裝置:CN203333896U[P].2013-12-11.GU Jinhua. Electron-type yarn breaking device for electromagnetic yarn spinning machine: CN203333896U[P].2013-12-11.

[6]張亞秋，陳霞，江慧，等.基于圖像處理技術(shù)的彎鉤纖維表征[J].紡織器材，2014，41(5):32-36.ZAHGN Yaqiu， CHEN Xia， JIANG Hui， et al.The characterization of the hooked fiber based on image processing technology[J].Textile Accessories，2014，41(5):32-36.

[7]呂漢明，呂鑫.基于聲音檢測與分析的環(huán)錠紡細(xì)紗斷頭檢測[J].紡織學(xué)報，2015，36(7):142-146.Lü Hanming， Lü Xin.Detection of ring spun yarn breakage based on detectingand analyzing sound signal[J].Journal of Textile Research，2015，36(7):142-146.

[8]李強，楊藝，劉基宏.實施細(xì)紗斷紗檢測技術(shù)的改造實踐[J].棉紡織技術(shù)，2016，44(5):64-66.LIQiang， YANG Yi， LIU Jihong.Reformation practice on implementation of spining yarn breakage detection technology[J].Cotton Textile Technology，2016，44(5):64-66.

[9]盧明，劉一萍.紗線毛羽圖像的二值化處理及其Matlab實現(xiàn)[J].山東紡織科技，2009(2):37-39.LU Ming，LIU Yiping.Binarizational disposal of image of yarn hairiness and its Matlab realization[J].Shandong Textile Science ＆ Technology，2009(2):37-39.

[10]寧波韻升控股集團有限公司，寧波德昌精密紡織機械有限公司.紗線斷頭監(jiān)測裝置:CN201410041523.0[P].2014-7-9.Ningbo Yunsheng Holding Group Co Ltd，Ningbo Dechang Precision Textile Machinery Co Ltd. Yarn breakage monitoring device:CN201410041523.0[P].2014-7-9.

[11]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，2013，34(6):102-106.SUN Yinyin， PAN Ruru， GAOWeidong.Detection of yarn hairiness based on digital image processing[J].Journal of Textile Research，2013，34(6):102-106.

[12]張闖，王婷婷，孫冬嬌，等.基于歐氏距離圖的圖像邊緣檢測[J].中國圖象圖形學(xué)報，2013，18(2):176-183.ZHANG Chuang， WANG Tingting， SUN Dongjiao， et al.Image edge detection based on the Euclidean distance graph[J].Journal of Image and Graphics，2013，18(2):176-183.

[13]陳惠明.圖像歐氏距離在人臉識別中的應(yīng)用研究[J].計算機工程與設(shè)計，2008，29(14):3735-3737.CHEN Huiming.Application study of image Euclidean distance in face recognition[J].Computer Engineering and Design，2008，29(14):3735-3737.

[14]黃東芳，胡桂明，周楊.基于一種改進的Hough變換的輸電線提取與識別[J].計算技術(shù)與自動化，2016，35(3):50-53.HUANG Dongfang， HU Guiming， ZHOU Yang.Extraction and recognition of transmission line based on an improved hough transform [J]. Computing Technology and Automation，2016，35(3):50-53.