基于小波變換的紗管殘紗檢測系統(tǒng)設計

楊嶺玉 ，任淑艷 ，余佳琦 ，段海龍

（1.天津職業(yè)技術師范大學自動化與電氣工程學院，天津 300222；2.天津職業(yè)技術師范大學天津市信息傳感與智能控制重點實驗室，天津 300222）

隨著紡織企業(yè)占市場經(jīng)濟比重的不斷增大，生產(chǎn)成本儼然成為紡織企業(yè)競爭的重要指標之一[1]。生產(chǎn)過程中，從絡筒機上退下的紗管仍有殘紗存在的可能，因此需要根據(jù)殘紗的有無來進行紗管的分揀。傳統(tǒng)的檢測方法采用人工檢測或接觸式檢測。人工檢測成本高且識別率不穩(wěn)定。接觸式檢測采用各種樣式的打手觸碰紗管來判定紗管是否存有殘紗，打手快速下落和打擊紗管表面紗線時，易對紗管成形和紗線品質(zhì)造成不利影響[1-2]。近年來出現(xiàn)了非接觸式余紗量檢測方法，通過顏色傳感器實現(xiàn)數(shù)據(jù)采集，將同類型的空管作為預設值進行比對[3]，或利用支持向量機或神經(jīng)網(wǎng)絡對顏色進行劃分[4]，這些方案主要依賴紗管和紗線之間的色差進行分檢，顏色相近時易誤檢，檢測效果不理想。

本文設計一款基于小波變換的紗管殘紗檢測系統(tǒng)，當檢測系統(tǒng)傳送帶上的紗管通過紅外傳感器時，觸發(fā)攝像頭抓拍紗管圖像，隨后使用OpenCV進行圖像處理與檢測。該方法為非接觸式檢測，在檢測過程中不會對紗線造成損傷，在提高檢測效率的同時，解決了人力成本高的問題。

1 檢測系統(tǒng)與檢測流程

1.1 檢測系統(tǒng)

紗管殘紗檢測系統(tǒng)主要由觸發(fā)裝置、圖像采集裝置和上位機處理3部分組成，如圖1所示。圖1中，觸發(fā)裝置由紅外傳感器與單片機組成。本系統(tǒng)采用2Y0A21 GP2Y0A21YK0F紅外測距傳感器，該傳感器響應速度快，可以準確檢測到是否有紗管經(jīng)過，并將檢測信號傳送給單片機，由單片機進行處理。圖像采集裝置由光源和CCD工業(yè)相機組成。通過調(diào)節(jié)光源，可以降低紗管對光線的反射，保證圖像質(zhì)量。選用MV-UBD32C工業(yè)攝像頭，可以將光信號轉(zhuǎn)變成為有序的電信號[5]，該攝像頭分辨率高，可以保證圖像采集速度，滿足系統(tǒng)需要。圖像處理部分由上位機完成，上位機讀取CCD攝像頭采集的圖像數(shù)據(jù)并進行處理，以判斷紗管是否存在殘紗。

圖1 檢測系統(tǒng)

1.2 檢測流程

系統(tǒng)的采樣區(qū)為攝像頭拍到的區(qū)域。當紅外傳感器感應到有紗管進入后，首先采集圖像，利用紗管繞紗區(qū)域提取方法將采集的圖像縮減至一個僅包含紗管繞紗區(qū)域的矩形；然后利用形態(tài)學濾波以及小波變換，提取圖片各個方向分量繞紗部分的信息；最后使用灰度直方圖提取分量圖像特征量，通過使用歐氏距離比較低頻、垂直、水平方向差異性較大的2部分圖像是否一致，判斷紗管是否有殘線存在。檢測算法流程如圖2所示。

2 檢測過程

2.1 圖像采集及預處理

提取繞紗區(qū)域過程如圖3所示。傳送帶上有紗管通過時，觸發(fā)攝像頭進行拍照，得到紗管原圖；對紗管原圖進行剪裁，提取紗管繞紗區(qū)域圖；最后令紗管繞紗區(qū)域與背景圖做減法，得到排除背景干擾的繞紗區(qū)域圖。絡筒機上退下的帶有殘紗的紗管在運動過程中可能出現(xiàn)脫線的情況，紗管脫線圖如圖4所示。

圖2 檢測算法流程圖

圖3 提取繞紗區(qū)域過程

圖4 紗管脫線圖

為了不影響后續(xù)的操作，本文采用形態(tài)學濾波解決脫線情況，膨脹、腐蝕操作是形態(tài)學濾波最基本的操作[6]。

膨脹運算公式為XΘS={x|S+x?X}，用結(jié)構(gòu)元素S掃描原圖像X的每個像素，然后取當前S所覆蓋下的X對應區(qū)域內(nèi)的所有像素的最大值，用該最大值替換當前像素值，從而實現(xiàn)連接相鄰物體和填充圖像中的細小縫隙的功能[7]。腐蝕運算公式X○+S={x|[S+x]∪X≠X}，與膨脹相反，腐蝕運算取的是S覆蓋區(qū)域內(nèi)的所有像素的最小值，實現(xiàn)去除物體間細小的粘連，消除圖像中小顆粒噪聲的功能[8]。

單獨進行膨脹或腐蝕操作會使目標大小發(fā)生改變[9]。為解決上述問題，本文采用開運算操作，即先腐蝕后膨脹。經(jīng)過形態(tài)學濾波得到濾波圖如圖5所示。

圖5 形態(tài)學濾波所得圖

由圖5可以看出，開運算在消除小顆粒噪聲、平滑較大物體邊界的同時其面積并無明顯的改變，較好地解決了脫線問題。

2.2 小波變換提取特征

由上文分析可知，單獨使用開運算僅能去除部分干擾，分離出的紗管輪廓較淺。本文將形態(tài)學處理作為過程中的一步，以其粗提取的結(jié)果作為基礎，使用小波變換提取特征信息。小波變換是一種時頻分析法[10]，它解決了傅氏變換只能將圖像信號從空間域轉(zhuǎn)化為頻率域的問題。離散的二維空間域數(shù)字信號紗管圖像通過變換到小波域，可以同時提取包含細節(jié)成分的高頻部分信息和包含圖像信息的低頻成分信息[11]。

小波變換公式如下

式中：Ws為獲得的尺度分量，表示分解后的近似圖像，為低頻部分；Wωi為前一近似圖像與后一近似圖像的差別成分，為三方向的高頻部分[9]；j0為開始尺度，常為0，令圖像尺寸 M、N 為 2j，故 j為（0，1，…，2j-1），m、n 為（0，1，…，2j-1）；i為 H、V、D 三方向，小波分解過程如圖6所示。

圖6 小波分解過程

由于Haar小波函數(shù)是最簡單的正交函數(shù)，具有構(gòu)造簡單、計算方便的特點[12]，故本文使用Haar小波函數(shù)。小波變換后得到的圖像如圖7所示。由圖7可以看出，經(jīng)過小波變換后得到的圖像在凸顯特征信息的同時，更好地保留了圖像細節(jié)，便于后續(xù)對殘紗的識別。

圖7 小波變換后得到的圖像

2.3 殘紗檢測

從小波變換得到的各個方向分量圖可以看出，低頻分量圖與水平高頻分量圖的紗線與紗管具有較高的對比度，并且紗線特征明顯，故本文使用灰度直方圖提取特征量，使用歐氏距離[13]鎖定差異性較大的2部分圖像，通過比較低頻、垂直、水平方向差異性較大的2部分圖像是否一致，判斷紗管是否有殘線存在。低頻圖像特征量提取過程如圖8所示。

圖8 低頻圖像特征量提取過程

圖8（a）中，將低頻分量圖沿著x方向平均分為5部分，分別為 A1、A2、A3、A4、A5。以 A1 為例，首先對A1進行灰度直方圖操作，得到圖像中各灰度級的像素的個數(shù)，由于灰度級數(shù)較多，極大地影響了后續(xù)計算效率。為了解決此問題，將灰度直方圖按灰度級平均分為 5 份，記為 x1、x2、x3、x4、x5，統(tǒng)計每一份的像素值和，得到特征量 sum1、sum2、sum3、sum4、sum5，該操作通過減少特征量，提高了計算機運算效率。然后對A2、A3、A4、A5同樣進行特征量提取的操作，得到各自的特征量。最后對相鄰2部分的特征量求歐氏距離d。當d＞閾值q時，認為紗線存在于該部分；反之，當d＜閾值q時，判斷為紗線不存在于該部分。其中q值是經(jīng)過大量的實驗計算所得。距離d計算公式為

通過對垂直分量與水平分量進行相同的處理，判斷紗線存在于哪一部分，并通過對比殘紗在低頻、水平與垂直方向存在的部分是否一致，判斷是否有殘紗存在。對于藍色和紅色的有紗紗管識別率可達95%，綠色的有紗紗管識別率可達90%。可以看出，算法對有色紗管是否存在殘紗均可做出準確的檢測。

2.4 檢測軟件

使用Microsoft Visual Studio 2015 MFC搭建殘紗檢測界面。Microsoft Visual Studio 2015是一種集成開發(fā)環(huán)境，提供了MFC類庫[14]。MFC是C++實現(xiàn)界面可視化設計的核心，配合動態(tài)鏈接庫實現(xiàn)界面設計[15]。

用戶首先進行串口設置，在裝置開始工作之前進行背景采集，然后點擊運行。由于在工業(yè)現(xiàn)場不同顏色、亮度的紗管對光的敏感度不同，因此在進行檢測時，可以根據(jù)現(xiàn)場的情況對不同顏色的紗管進行工作現(xiàn)場紗桿顏色參數(shù)與探測靈敏度參數(shù)的調(diào)節(jié)，從而減少燈光等外界因素對紗管顏色和亮度的影響，提高紗管殘紗檢測系統(tǒng)的準確率。

3 結(jié)語

本文對基于小波變換的紗管殘紗檢測算法進行了研究。檢測系統(tǒng)由單片機與OpenCV共同構(gòu)成，通過二者之間的相互通信，保證了檢測系統(tǒng)的實時性。檢測算法根據(jù)不同顏色的紗管對工作現(xiàn)場紗桿顏色參數(shù)與探測靈敏度參數(shù)進行調(diào)節(jié)，極大地降低了燈光等外界因素對紗管顏色和亮度的影響，從而提高了識別的準確率。實驗結(jié)果表明，該算法可以對不同顏色與亮度的紗管是否存有殘紗進行識別，且識別效果良好。