纺织学报 ›› 2018, Vol. 39 ›› Issue (06): 136-141.doi: 10.13475/j.fzxb.20170708306

• 管理与信息化 • 上一篇    下一篇

应用卷积神经网络的细纱断纱锭位识别

  

  • 收稿日期:2017-07-24 修回日期:2018-02-01 出版日期:2018-06-15 发布日期:2018-06-15

Position recognition of spinning yarn breakage based on convolution neural network

  • Received:2017-07-24 Revised:2018-02-01 Online:2018-06-15 Published:2018-06-15

摘要:

针对图像检测细纱断头过程中难以精确获取断头纱线位置的难题,研究了基于图像处理的细纱断纱锭位探测系统。安装在巡回小车上的工业相机,在细纱机前巡回过程中拍摄纺纱段的图像后,对细纱机台大梁上的锭位标识字符进行定位切割、形态学处理、字符分割后得到清晰的字符图像,再借助卷积神经网络对字符图像进行识别,并输出断纱锭位编号。通过对神经网络的结构筛选表明,卷积层的特征映射为4、亚采样层池化矩阵的大小为 2、迭代次数为 300 时,神经网络的准确率达97%以上,识别1 幅图像锭位用时1.152 s。实验结果表明,该系统可识别细纱断头纱线位置并输出。

关键词: 细纱机锭位识别, 卷积神经网络, 断纱, 图像处理

Abstract:

Aiming at the problem that the position of the broken yarn is difficult to be obtained in the process of detecting the yarn breakage, the spindles detection system based on image processing is studied. An industrial camera mounted on a roving car was used to record the image of the spinning section during the roving of the spinning frame. To get a clear character image, the mark of spindles on the beam of the spinning machine was identified by position cutting, morphological processing, character segmentation. And then the character image was classified by convolution neural network to export the number of broken yarn spindle. By mapping the structure of the neural network, it is shown that the feature map of the convolution layer is 4, the size of the sub-sampling pool pooling matrix is 2, the number of iterations is 300, the accuracy rate of the neural network is over 97%, and the  identification of an image spindle uses 1.152 s. The system could recognize the positionof yarn breakage and output the signals.

Key words: position reccognition of spinning, convolution neural network, broden yarn, image processing

[1] 汪珊娜 张华熊 康锋. 基于卷积神经网络的领带花型情感分类[J]. 纺织学报, 2018, 39(08): 117-123.
[2] 陆奕辰 王蕾 唐千惠 潘如如 高卫东. 应用图像处理的纱线黑板毛羽量检测与评价[J]. 纺织学报, 2018, 39(08): 144-149.
[3] 何晓昀 韦平 张林 邓斌攸 潘云峰 苏真伟. 基于深度学习的籽棉中异性纤维检测方法[J]. 纺织学报, 2018, 39(06): 131-135.
[4] 王雯雯 刘基宏. 应用优化霍夫变换的细纱断头检测[J]. 纺织学报, 2018, 39(04): 36-41.
[5] 王传桐 胡峰 徐启永 吴雨川 余联庆. 改进频率调谐显著算法在疵点辨识中的应用[J]. 纺织学报, 2018, 39(03): 154-160.
[6] 牟新刚 蔡逸超 周晓 陈国良. 基于机器视觉的筒子纱缺陷在线检测系统[J]. 纺织学报, 2018, 39(01): 139-145.
[7] 王晓予 向军 潘如如 梁惠娥 高卫东. 服饰刺绣图案的自动提取与色块分割[J]. 纺织学报, 2017, 38(09): 120-126.
[8] 张继东 薛元 张杰 郭明瑞 魏晓婷 高卫东 . 应用混色纱纹理信息的纬编针织物模拟[J]. 纺织学报, 2017, 38(07): 148-154.
[9] 路凯 钟跃崎 朱俊平 柴新玉. 基于视觉词袋模型的羊绒与羊毛快速鉴别方法[J]. 纺织学报, 2017, 38(07): 130-134.
[10] 张宁 李忠健 潘如如 高卫东 韩要宾. 采用色纺纱图像的真实感色织物模拟[J]. 纺织学报, 2017, 38(05): 37-42.
[11] 韦平 张林 刘翔 王冬 苏真伟. 籽棉中异性纤维的双光源成像检测方法[J]. 纺织学报, 2017, 38(04): 32-38.
[12] 刘成霞 韩永华. 模拟实际着装的织物抗皱性测试方法[J]. 纺织学报, 2017, 38(03): 56-60.
[13] 王传桐 胡峰 徐启永 吴雨川 余联庆. 采用Gabor滤波簇和等距映射算法的织物疵点检测方法[J]. 纺织学报, 2017, 38(03): 162-167.
[14] 景军锋 范晓婷 李鹏飞 洪良. 应用深度卷积神经网络的色织物缺陷检测[J]. 纺织学报, 2017, 38(02): 68-74.
[15] 李冠志 赵强 汪军 Gong Hugh . 纱线截面压缩变形仿真与验证[J]. 纺织学报, 2017, 38(02): 184-190.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!