基于图像处理的梭织物密度分析检测

潘 全,殷正雄,金 凡,何 瑜

(1.湖北省纤维检验局,湖北 武汉 430061;2.武汉妙微科技有限公司,湖北 武汉 430074;3.湖北大学 化学与化工学院,湖北 武汉 430062)

梭织物密度是用来描述单位长度内织物所含有的经纬纱根数,分为经向密度和纬向密度,一般以根/10 cm表示[1]。织物密度作为衡量织物物理性能的重要指标之一,直接影响织物的外观、风格、功能(如透气性、耐磨性、保暖性能)等重要属性[2]。

梭织物密度测定一般采用GB/T 4668—1995《机织物密度的测定》。标准规定了3种方法,分别是织物分解法、织物分析镜法和移动式织物密度镜法。由于3种方法均由人眼主观检测,在日常检测过程中我们发现了一些实际问题和难点,见表1。面对织物密度大批量检测需求,传统人工检测结果具有主观性、工时多、效率低、误差大等缺点[3-4],难以满足行业市场的检测需求。

表1 GB/T 4668—1995《机织物密度的测定》标准中的3种检测方法及存在的问题

近几年,伴随着人工智能的高速发展和深度学习技术的日趋成熟,结合检测市场存在的问题,目前已有许多利用图像处理技术来检测织物密度的研究方法相继出现[5-6],例如利用平行光栅中的莫尔条纹测量织物经纬密度[7];利用Radon变换和能量曲线对织物图像进行分解和重构,结合小波变换的图像处理方法[8]等。采用深度学习的方法对梭织物样品图像进行经纬向自动标定、分割和矫正,通过图像处理技术分析和计算经纬纱数量,并换算出标准单位长度内的纤维根数,完成梭织物密度测试结果的自动输出。该方法有效克服了传统人工检测中效率低、人工成本高、主观误差大等缺点,实现梭织物密度的自动化测量。另外,针对不同织物样本采用智能分析系统与人工检测结果进行比对分析,进一步验证了该测试方法的准确性。

1 基于图像处理的梭织物密度分析系统

1.1 技术原理流程

基于图像处理的梭织物密度自动化分析系统包括控制模块、算法模块和实验结果管理模块。具体步骤为:控制模块通过取像装置采集样品高清实时图像,再由算法模块通过标尺目标进行自动化标定,自动化标定完成后,对织物样品图像进行分割,利用直线检测方法对分割后的图像进行水平矫正,并将矫正后的图像结果进行经纬纱计数。由试验结果管理模块换算出标准单位长度内的纤维根数,完成织物密度试验结果自动输出。具体技术原理流程如图1所示。

图1 织物密度自动化分析系统技术原理流程图

1.2 标尺的标定与算法

1.2.1 标尺的样品标定

将标尺放在待检织物样品上,织物的纬纱尽量与图像的边缘保持平行,将放有标尺的织物移动至高清一体机下,系统分析装置的控制模块,获取一幅清晰图像,通过实时生成待分析数据,直至当前场景取图完成,并将获取的清晰影像输出给算法模块;算法模块的标尺标定算法单元进行自动标定并记录标定结果,然后取走标尺,所述标尺即为单个像素对应的实际距离单位,单位是μm或mm。标尺示意图如图2所示。

图2 标尺示意图

1.2.2 标尺图像的标定算法

标尺图像的标定是指根据图像中标尺的实际刻度,结合标尺图像的分辨率,换算出每个像素对应的实际刻度值,具体计算方法如图2所示,图2中的每个单元格对应长度为Lmm,L根据实际标尺的最小分辨率进行选择(如L=0.1 mm),根据标尺的最小分辨率得出图中的完整单元格数量为N格(如图2所示为91格),单元格相对应的像素数量为M,M为根据成像设备的分辨率进行选择(如M=1 000个像素),那么可以按照公式(1)计算得出标尺图像中每个像素对应的实际长度C。

式中:C——标尺图像中每个像素对应的实际长度,cm/像素;L——标尺的最小分辨率,mm;N——标尺图像中的完整单元格数量,个;M——单元格对应的像素数量,像素。

1.3 图像的标注与分割

研究了梭织物密度检测中常见的2种织物结构(平纹和斜纹),均需按照织物实际的编织工艺方式对织物图像进行数据标注。

数据标注完成后,算法模块通过深度学习的方法对数据进行分割模型训练,利用获取到的分割模型对待测织物图像进行图像分割,得到分割的二值图像。平纹织物图像分割前后对照如图3所示,斜纹织物图像分割前后对照如图4所示。

图3 平纹织物图像分割前后对照图

图4 斜纹织物图像分割前后对照图

图3(a)和图4(a)分别为2种织物结构的原样采集图,图3(b)和图4(b)分别为2种织物结构经过分割处理后的二值图。通过对照发现,梭织物密度智能检测系统能够针对不同结构类型的织物样品采集图像通过算法模块进行有效准确的识别、采集及二值化处理,得到分割后的清晰二值图像。

1.4 经纬向根数的计算方法

以纬向根数计算为例:选取二值图(图5)中纬向的一根纤维,计算图5中标记为A的方框(A方框区域为该行中的所有完整纤维区域)中的单元格数量,记为D(单位:个),其中A方框区域的宽度为W(单位:像素),对应的纬向根数即为D根。经向的计算根数方法与纬向类似。二值图纬向根数计算方式示意图如图5所示。

图5 二值图纬向根数计算方式示意图

1.5 数据结果的输出

由试验结果管理模块将织物样品的经纬向密度计数结果换算为cm(或英寸)对应的根数,最后系统输出最后的经纬向结果。公式(2)为纬向1 cm对应根数的计算公式。

式中:G——1 cm对应的纬向根数,根/cm;D——二值图中指定区域内纬向纤维对应的单元格数,个;W——二值图中指定区域内像素的宽度,像素;C——标尺图像中每个像素对应的实际长度,cm/像素。

2 样品的取样与结果计算

依据GB/T 4668—1995《机织物密度的测定》,对试验样品按照方法要求准确取样,以保证样品的代表性和均匀性。

由于织物的纺织工艺不可能完全均匀,同一块织物,测量不同位置,得到的测量结果不可能完全一致。为了保证最终所测结果的客观性和准确性,试验取5个不同的部位多次测量并求出平均值,计算结果保留至小数点后一位。

3 测试结果及比对分析

选取10个梭织物样品,分别采用系统检测方法和人工检测法进行测试和比对,结果见表2。

表2 系统检测与人工检测织物密度结果对比

从表2中可以看出,2种检测方法的测试结果相对偏差均在±5%以内(其中经向密度:-2.37%～1.73%,纬向密度:-1.16%～1.98%)。表明智能分析系统与人工测试结果基本一致,适用于梭织物密度的分析测试。值得注意的是,对于编号为8、9、10的样品,随着经密的逐渐增加,与人工测试结果的相对偏差也在增大,但结果仍在可靠的范围内,说明该方法能够满足从低密到高密的织物样品的分析检测。

4 结束语

介绍了一种基于图像处理的梭织物密度智能分析系统。该系统通过取像装置采集织物样品图像,利用算法模块对图像进行自动化标定、分割及矫正,计算出图像中经、纬纱数量,最后由试验结果管理模块换算出标准单位长度内的纤维根数,完成织物密度的自动测量。由于每个样品单次识别速度小于10 s,极大提高了织物密度的检测效率,并且有效规避测量过程中因人为主观因素而导致的测量误差。

通过两种方法比对分析,智能系统检测与人工检测数据结果相对偏差小于5%。结果表明,基于图像处理的梭织物密度分析系统能够提供客观、稳定、可追溯的检测结果,同时为促进纺织品检验技术的提升、检验检测装备智能化发展和改进提供技术支持。