一种基于机器视觉的铺棉控制系统及方法

技术领域

本发明属于铺棉加工控制技术领域，具体涉及一种基于机器视觉的铺棉控制系统及方法。

背景技术

棉花是一种重要的纺织原料，在纺织行业中具有广泛的应用。铺棉是棉花加工过程中的一个重要环节，其目的是将棉花均匀地铺展成一层，以便于后续的加工操作。传统的铺棉方法主要依靠人工操作，铺棉质量和效率受到很大限制，存在铺棉厚度控制精度低、产出效率低，进一步导致了棉花铺棉质量低等问题。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种基于机器视觉的铺棉控制系统及方法，通过引导滤波的Retinex算法处理棉花图像信息得到棉花图像增强数据，通过对棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，根据棉花平面灰度图通过处理得到目标杂质坐标，根据棉花切向灰度图通过处理得到棉胎厚度异常信息，根据目标杂志坐标和棉胎厚度异常信息得到第一预警信息和第二预警信息，并启动除杂装置和调整装置，实现了对棉花表面异常的快速、准确识别和分析，提高了棉花铺棉的质量和效率，降低了人力成本和设备故障率。

本发明的目的可以通过以下技术方案实现：

一种基于机器视觉的铺棉控制方法，包括如下步骤：

S1：获取铺棉机的棉花图像信息，所述棉花图像信息包括棉花平面图数据、棉花切向图数据；

S2：根据所述棉花图像信息通过引导滤波的Retinex算法处理得到棉花图像增强数据，通过对所述棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，所述棉花图像增强数据包括平面图像增强数据和切向图像增强数据；

S3：根据所述棉花平面灰度图通过二值化处理得到二值平面图像，根据所述二值平面图像和所述棉花平面灰度图得到目标杂质框集，根据所述目标杂质框集通过数学形态边缘检测得到目标杂质坐标；

S4：根据所述目标杂质坐标生成第一预警信息，根据所述第一预警信息启动除杂装置并返回除杂成功信息；

S5：根据所述棉花切向灰度图通过形态学处理和边缘检测得到棉花上边缘轮廓特征图像，通过链码原理处理所述棉花上边缘轮廓特征图像得到所述棉花上边缘轮廓特征图像的边缘轮廓曲线；

S6：获取棉花表面分辨率，根据所述边缘轮廓曲线结合所述棉花表面分辨率通过厚度测量原理得到棉花切向厚度，根据所述棉花切向厚度生成棉胎厚度异常信息，所述棉胎厚度异常信息包括超厚度上限、低厚度下限；

S7：根据所述棉胎厚度异常信息生成第二预警信息，根据所述第二预警信息启动调整装置并返回厚度合格信息。

优选地，所述步骤S2具体包括，获取棉花图像亮度值，根据所述棉花图像信息结合所述棉花图像亮度值通过所述引导滤波的Retinex算法处理得到所述平面图像增强数据和所述切向图像增强数据，公式为：

优选地，所述步骤S3具体包括以下步骤：

S301：获取结构元素，通过所述结构元素对所述二值平面图像进行运算得到二值结构数据，通过所述结构元素对所述棉花平面灰度图进行运算得到灰度结构数据，根据所述二值结构数据和所述灰度结构数据通过加权融合得到所述目标杂质框集；

S302：通过卡尔曼滤波器处理所述目标杂质框集得到匹配关键帧信息，根据所述匹配关键帧信息通过所述数学形态边缘检测进行边缘提取得到所述目标杂质坐标。

优选地，所述步骤S301具体包括以下步骤：

计算所述二维结构数据和所述灰度结构数据，计算公式为：

计算所述目标杂质框集，计算公式为：L(F)＝(α

优选地，所述步骤S5具体包括以下步骤：

S501：根据所述棉花切向灰度图通过所述形态学处理得到棉花切向形态特征数据，通过所述边缘检测处理所述棉花切向形态数据得到所述棉花上边缘轮廓特征图像，公式为：

S502：根据所述棉花上边缘轮廓特征图像得到边缘坐标值，根据所述边缘坐标值得到所述棉花上边缘轮廓曲线。

优选地，所述步骤S6具体包括以下步骤：

S601：根据所述棉花上边缘轮廓曲线建立亚像素级边缘矩阵，根据所述亚像素级边缘矩阵通过三邻域非极大值抑制法处理得到上边缘标准曲线，根据所述上边缘曲线通过所述厚度测量原理计算得到所述棉花切向厚度；

S602：当所述棉花切向厚度大于等于预设阈值时，所述棉胎厚度异常信息为所述超厚度上限，当所述棉花切向厚度小于预设阈值时，所述棉胎厚度异常信息为所述低厚度下限。

优选地，所述步骤S601具体包括计算所述棉花切向厚度，计算公式为：

一种基于机器视觉的铺棉控制系统，包括：

图像采集模块，获取铺棉机的棉花图像信息，所述棉花图像信息包括棉花平面图数据、棉花切向图数据；

图像处理模块，用于根据所述棉花图像信息通过引导滤波的Retinex算法处理得到棉花图像增强数据，通过对所述棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，所述棉花图像增强数据包括平面图像增强数据和切向图像增强数据，根据所述棉花切向灰度图通过形态学处理和边缘检测得到棉花上边缘轮廓特征图像，通过链码原理处理所述棉花上边缘轮廓特征图像得到所述棉花上边缘轮廓特征图像的边缘轮廓曲线；

异常识别模块，用于根据所述棉花平面灰度图通过二值化处理得到二值平面图像，根据所述二值平面图像和所述棉花平面灰度图得到目标杂质框集，根据所述目标杂质框集通过数学形态边缘检测得到目标杂质坐标，获取棉花表面分辨率，根据所述边缘轮廓曲线结合所述棉花表面分辨率通过厚度测量原理得到棉花切向厚度，根据所述棉花切向厚度生成棉胎厚度异常信息，所述棉胎厚度异常信息包括超厚度上限、低厚度下限；

中央控制模块，用于根据所述目标杂质坐标生成第一预警信息，根据所述第一预警信息启动除杂装置并返回除杂成功信息，根据所述棉胎厚度异常信息生成第二预警信息，根据所述第二预警信息启动调整装置并返回厚度合格信息。

本发明的有益效果为：

1.通过设置有图像处理模块，通过引导滤波的Retinex算法处理棉花图像信息得到棉花图像增强数据，通过对所述棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，根据所述棉花切向灰度图通过形态学处理和边缘检测得到棉花上边缘轮廓特征图像，通过链码原理处理所述棉花上边缘轮廓特征图像得到所述棉花上边缘轮廓特征图像的边缘轮廓曲线，提高了基于机器视觉技术的针对异常情况的识别精度和速度；

2.通过设置有异常识别模块，通过将棉花平面灰度图通过二值化处理得到二值平面图像，根据所述二值平面图像结合所述棉花平面灰度图得到目标杂质框集，根据所述目标杂质框集通过数学形态边缘检测得到目标杂质坐标，获取棉花表面分辨率，根据所述边缘轮廓曲线结合所述棉花表面分辨率通过厚度测量原理得到棉花切向厚度，当所述棉花切向厚度小于预设阈值时，生成棉胎厚度异常信息，根据所述棉胎厚度异常信息确定棉胎厚度异常位置坐标，实现了对棉花表面异常的快速、准确识别和分析，提高了棉花铺棉的质量和效率。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的基于机器视觉的铺棉控制方法的流程示意图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。

请参阅图1，一种基于机器视觉的铺棉控制方法，包括

一种基于机器视觉的铺棉控制方法，包括如下步骤：

S1：获取铺棉机的棉花图像信息，所述棉花图像信息包括棉花平面图数据、棉花切向图数据；

S2：根据所述棉花图像信息通过引导滤波的Retinex算法处理得到棉花图像增强数据，通过对所述棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，所述棉花图像增强数据包括平面图像增强数据和切向图像增强数据；

S3：根据所述棉花平面灰度图通过二值化处理得到二值平面图像，根据所述二值平面图像和所述棉花平面灰度图得到目标杂质框集，根据所述目标杂质框集通过数学形态边缘检测得到目标杂质坐标；

S4：根据所述目标杂质坐标生成第一预警信息，根据所述第一预警信息启动除杂装置并返回除杂成功信息；

S5：根据所述棉花切向灰度图通过形态学处理和边缘检测得到棉花上边缘轮廓特征图像，通过链码原理处理所述棉花上边缘轮廓特征图像得到所述棉花上边缘轮廓特征图像的边缘轮廓曲线；

S6：获取棉花表面分辨率，根据所述边缘轮廓曲线结合所述棉花表面分辨率通过厚度测量原理得到棉花切向厚度，根据所述棉花切向厚度生成棉胎厚度异常信息，所述棉胎厚度异常信息包括超厚度上限、低厚度下限；

S7：根据所述棉胎厚度异常信息生成第二预警信息，根据所述第二预警信息启动调整装置并返回厚度合格信息。

步骤S1具体涉及图像采集模块，通过在铺棉机设置机器视觉终端，通过机器视觉终端采集铺棉机的棉花图像信息；

通过设置机器视觉终端采集铺棉机的棉花图像信息，有利于实时采集铺棉机工作时棉花图像信息，提高了铺棉机加工铺棉管理效率，为后续数据分析提供数据基础。

步骤S2和步骤S5具体涉及图像处理模块，获取棉花图像亮度值，根据所述棉花图像信息结合所述棉花图像亮度值通过所述引导滤波的Retinex算法处理得到所述平面图像增强数据和所述切向图像增强数据，公式为：

根据所述棉花切向灰度图通过所述形态学处理得到棉花切向形态特征数据，通过所述边缘检测处理所述棉花切向形态数据得到所述棉花上边缘轮廓特征图像，公式为：

通过图像处理模块处理棉花图像信息，基于机器视觉的铺棉机能够适应不同品种、不同厚度的棉花，具有较高的灵活性。

步骤S3和步骤S6具体涉及异常识别模块，通过获取结构元素，通过所述结构元素对所述二值平面图像进行运算得到二值结构数据，计算所述二值结构数据和所述灰度结构数据，计算公式为：

通过所述结构元素对所述棉花平面灰度图进行运算得到灰度结构数据，根据所述二值结构数据和所述灰度结构数据通过加权融合得到所述目标杂质框集，计算所述目标杂质框集，计算公式为：L(F)＝(α

通过卡尔曼滤波器处理所述目标杂质框集得到匹配关键帧信息，根据所述匹配关键帧信息通过所述数学形态边缘检测进行边缘提取得到所述目标杂质坐标。

根据所述棉花上边缘轮廓曲线建立亚像素级边缘矩阵，根据所述亚像素级边缘矩阵通过三邻域非极大值抑制法处理得到上边缘标准曲线，根据所述上边缘曲线通过所述厚度测量原理计算得到所述棉花切向厚度，计算公式为：

当所述棉花切向厚度大于等于预设阈值时，所述棉胎厚度异常信息为所述超厚度上限，当所述棉花切向厚度小于预设阈值时，所述棉胎厚度异常信息为所述低厚度下限。

通过异常识别模块处理棉花平面灰度图和棉花上边缘轮廓特征图像的边缘轮廓曲线得到目标杂质坐标和棉花切向厚度，实现了铺面机基于机器视觉识别到铺棉过程中棉花存在异常，有利于提高铺棉质量和管理效率。

步骤S4和步骤S7具体涉及中央控制模块，用于根据所述目标杂质坐标生成第一预警信息，根据所述第一预警信息启动除杂装置并返回除杂成功信息，根据所述棉胎厚度异常信息生成第二预警信息，根据所述第二预警信息启动调整装置并返回厚度合格信息；

实现了基于机器视觉的铺棉机自动控制加工和加工过程棉花的异常识别，由于采用自动化操作，减少了人工操作过程中的错误，降低了设备的故障率，便于维护。

更进一步地，本申请还提供一种基于机器视觉的铺棉控制系统，包括：

图像采集模块，获取铺棉机的棉花图像信息，所述棉花图像信息包括棉花平面图数据、棉花切向图数据；

图像处理模块，用于根据所述棉花图像信息通过引导滤波的Retinex算法处理得到棉花图像增强数据，通过对所述棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，所述棉花图像增强数据包括平面图像增强数据和切向图像增强数据，根据所述棉花切向灰度图通过形态学处理和边缘检测得到棉花上边缘轮廓特征图像，通过链码原理处理所述棉花上边缘轮廓特征图像得到所述棉花上边缘轮廓特征图像的边缘轮廓曲线；

异常识别模块，用于根据所述棉花平面灰度图通过二值化处理得到二值平面图像，根据所述二值平面图像和所述棉花平面灰度图得到目标杂质框集，根据所述目标杂质框集通过数学形态边缘检测得到目标杂质坐标，获取棉花表面分辨率，根据所述边缘轮廓曲线结合所述棉花表面分辨率通过厚度测量原理得到棉花切向厚度，根据所述棉花切向厚度生成棉胎厚度异常信息，所述棉胎厚度异常信息包括超厚度上限、低厚度下限；

中央控制模块，用于根据所述目标杂质坐标生成第一预警信息，根据所述第一预警信息启动除杂装置并返回除杂成功信息，根据所述棉胎厚度异常信息生成第二预警信息，根据所述第二预警信息启动调整装置并返回厚度合格信息。

本发明的工作原理及使用流程：

通过图像采集模块获取铺棉机的棉花图像信息，通过引导滤波的Retinex算法处理棉花图像信息得到棉花图像增强数据，通过对棉花图像增强数据进行灰度化处理得到棉花平面灰度图和棉花切向灰度图，根据棉花平面灰度图通过处理得到目标杂质坐标，根据棉花切向灰度图通过处理得到棉胎厚度异常信息，根据目标杂志坐标和棉胎厚度异常信息得到第一预警信息和第二预警信息，并启动除杂装置和调整装置。

本发明实施例中的方法中包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围。