(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210989653.1 (22)申请日 2022.08.18 (65)同一申请的已公布的文献号 申请公布号 CN 115063424 A (43)申请公布日 2022.09.16 (73)专利权人 南通永安纺织有限公司 地址 226000 江苏省南 通市启东经济开发 区银河路7 77号 (72)发明人 刘秋秋　 (74)专利代理 机构 南京桦森专利代理事务所 (普通合伙) 32652 专利代理师 袁瑞娟 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01)G06V 10/50(2022.01) G06V 10/74(2022.01) 审查员 陈震宇 (54)发明名称 基于计算机视觉的纺织 纱管纱线检测方法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及一种基于计算机视觉的纺织纱管纱线检测方 法， 本方法可以集成为生产领域的人工智能系 统， 可以作为一种人工智 能优化操作系统、 人工 智能中间件等， 可以用于计算机视觉软件的开 发。 该方法包括： 捕获 并识别纱管表面图像， 并对 图像进行预处理， 获得纱管灰度图像； 根据纱管 灰度图像中疑似纱线像素点的灰度波动程度和 梯度方向一致性获得疑似纱线像素点为纱线像 素点的概率， 并利用此概率获得纱线像素点的数 量。 本发明可以精确的区分纱管上存在少量纱线 的情况， 同时可以适应复杂的工况环境， 避免由 于光照或其他复杂工况所导致的纱管残余纱线 的误检测， 提高纱管上残余纱线检测的准确度， 避免影响后续的分类、 回流。 权利要求书2页 说明书6页 附图1页 CN 115063424 B 2022.10.28 CN 115063424 B 1.基于计算机视觉的纺织纱管纱线检测方法， 其特征在于， 该方法包括： 获取只包含纱 管的图像， 将图像灰度化获得纱管灰度图像； 利用纱管灰度图像中像素点的最大灰度级和 最小灰度级确定第一灰度级， 所述第一灰度级小于最大灰度级， 大于最小灰度级和 最大灰 度级的中间量； 根据纱管灰度图像中的最大、 最小灰度级和第一灰度级获得各灰度级的关 注度； 基于各 灰度级的关注度确定疑似纱线像素点； 利用疑似纱线像素点以及邻域内像素点灰度值的变化趋势获得疑似纱线像素点的灰 度波动程度； 获得疑似纱线像素点和其邻域内像素点的梯度方向向量； 疑似纱线像素点的 梯度方向向量与邻域内其他像素点的梯度方向向量的余弦相似度的方差为疑似纱线像素 点的梯度方向一 致性； 基于疑似纱线像素点的灰度波动程度和梯度方向一致性获得疑似纱线像素点为纱线 像素点的概率； 利用疑似纱线像素点为纱线像素点的概率确定纱管灰度图像中为纱线像素 点的数量， 且纱线像素点的数量与像素点的总数量的比值 为纱管的含纱 量； 所述获取只包含纱管的图像， 将图像灰度化获得纱管灰度图像包括： 采集纱管表面图 像； 使用交叉熵损失函数训练DNN语义分割网络， 输入采集的纱管表面图像， 输出纱管掩膜 图像； 将纱管掩膜图像与纱管表面图像相乘获得只包 含纱管的图像， 并将该图像灰度化； 所述第一灰度级为： 其中， m表示第一灰度级； 表示最大灰度级， 表示最小灰度级； 所述各灰度级的关注度为： 其中， 为第 个灰度级的关注度； 表示最大灰度级， 表示最小灰度级， 表 示最小灰度级和最大 灰度级之间的任一灰度级， m表示第一灰度级； e为自然常数； 所述基于各灰度级的关注度确定疑似纱线像素点包括： 设置关注度阈值， 其中， 属于关 注度大于等于关注度阈值的灰度级的像素点 为疑似纱线像素点； 所述疑似纱线像素点的波动程度为： 其中， 表示疑似像素点的波动程度； n表示疑似像素点与邻域像素点的个数， n的取值 为9； 表示包括疑似纱线像素点和其邻域像素点中的第i个像素点的灰度值； 表示疑似 纱线像素点和其邻域像素点的灰度值的均值； 所述获得疑似纱线像素点和其邻域内像素点的梯度方向向量包括： 获得疑似纱线像素 点和其邻域内像素点在水平方向和竖直方向的梯度幅值； 根据所述水平 方向和竖直方向的 梯度幅值 获得疑似纱线像素点和其邻域内像素点的梯度方向； 同时获得疑似纱线像素点和权　利　要　求　书 1/2 页 2 CN 115063424 B 2其邻域内像素点的梯度方向上的单位向量， 所述单位向量为疑似纱线像素点和其邻域内像 素点的梯度方向 向量； 所述疑似纱线像素点的梯度方向一 致性为： 其中， 表示疑似纱线像素点 的梯度方向一致性； n表示疑似像素点与邻域像素点的个 数， n的取值为9； 表示疑似纱线像素点的梯度方向向量， 表示疑似纱线像素点的邻域内 第j个像素点的梯度方向向量； 表示疑似纱线像素点的梯度方向向量与疑似纱线像 素点的邻域内第j个 像素点的梯度方向 向量的余弦相似度； 所述疑似纱线像素点 为纱线像素点的概 率为： 其中， P表示疑似纱线像素点为纱线像素点的概率； F表示疑似纱线像素点的灰度波动 程度； L表示疑似纱线像素点的梯度方向一 致性； e表示自然常数； 所述利用疑似纱线像素点为纱线像素点的概率确定纱管灰度图像中为纱线像素点的 数量包括： 设定概率阈值， 疑似纱线像素点为纱线像素点的概率大于概率阈值的疑似纱线 像素点为纱线像素点， 统计纱线像素点的数量。 2.根据权利要求1所述的基于计算机视觉的纺织纱管纱线检测方法， 其特征在于， 在基 于疑似纱线像素点的灰度波动程度和梯度方向一致性获得疑似纱线像素点为纱线像素点 的概率之前还 包括： 将疑似纱线像素点的灰度波动程度进行归一 化。权　利　要　求　书 2/2 页 3 CN 115063424 B 3