基于机器视觉的色纺工厂智能化生产关键技术及应用

2021-07-25郑思越吴云志张毅

电脑知识与技术 2021年16期

郑思越吴云志张毅

摘要：识别混纺纱色号是色纺工厂中一项常见的任务，传统人工方法存在耗时耗力、准确率不高、严重依赖专业人员经验等不足，针对此问题该文提出一种基于机器视觉的识别方案，硬件上运用树莓派作为基础平台，算法上从颜色和纹理两个方面进行特征提取，特征融合后进行比对识别，提高了混纺纱识别准确率，减少了人工成本，对于色纺工厂开展智能化生产起到了积极的推动作用。

关键词：机器视觉; 智能化生产; 自动化技术

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2021）16-0195-02

开放科学（资源服务）标识码（OSID）：

The Key Technology and Application of Intelligent Production of Dyed Spinning Factory Based on Machine Vision

ZHENG Si-yue1，WU Yun-zhi1，ZHANG Yi2

（1.Anhui Agricultural University， Hefei 230036， China; 2.Anhui Hanlian Textile Co.， Ltd， Bozhou 236700， China）

Abstract：Recognizing the color number of blended yarns is a common task in dyed spinning factories. Traditional manual methods are time-consuming， labor-intensive， low accuracy， and rely heavily on professional experience. To solve this problem， this article proposes a machine vision In the recognition scheme， the Raspberry Pi is used as the basic platform on the hardware. The algorithm performs feature extraction from two aspects of color and texture， and compares and recognizes the features after fusion， which improves the accuracy of blended yarn recognition and reduces labor costs. This article has played a positive role in promoting intelligent production.

Key words：machine vision; intelligent production; automation technology;

1 引言

在色纺工厂中，传统的客户定制混纺纱业务需要专业人员肉眼对比颜色来确定客户需要混纺纱的颜色在自家厂房的色库里的型号，再通过型号去找配方，需要大量从业人员费时费力的去对比，成本较高且容易出错。

本文提供一个端到端的解决方案，从硬件设计和识别算法及配套软件上解决这个问题，客户提供混纺纱的样本后，经过本系统识别，直接输出厂家内部色库型号。降低人工成本的同时提高识别准确率，实现混纺纱图像的高效识别。

2 整体设计

如图1所示，整个系统分为三大层级，第一层级为图像采集模块[1]，为保证采集图像的质量，使用便携式摄影棚与USB摄像头相结合的方式，在摄影棚的恒定光源下获取高清图像，传输到第二层级。第二层级为一块树莓派开发板[2]，树莓派是一种低价且性能强劲的单片机电脑，相较于普通PC平台，树莓派降低了整套方案的成本。第三层级为一个图像识别程序，运行在树莓派上，通过调用下文所述的图像识别算法，对比厂家的混纺纱样本数据库，得到最终的识别结果。

3 算法設计

整个系统最核心的部分为图像识别算法的实现，算法针对色纺工厂中混纺纱的两大特性颜色和纹理，分别对颜色特征和纹理特征进行提取[3]，进而完成特征融合，输出最终的特征值。最后通过比对特征值找到厂家数据库中最相似的样本，完成识别流程。

以下详述针对混纺纱的图像识别算法的算法流程。

3.1 颜色特征处理

首先在RGB颜色空间中处理图像[4]，用如下3个公式建立颜色的一阶矩、二阶矩和三阶矩，三个公式分别表示颜色的一阶矩、二阶矩和三阶矩。

其中N代表像素个数，Pij代表RGB图像中第i个颜色通道分量灰度为j 的像素出现的概率。此步骤得到的一阶矩、二阶矩和三阶矩作为图像RGB颜色空间下的特征。

接着在HSV颜色空间下处理图像[5]。HSV从色度、饱和度、纯度三个方面描述图像的颜色、深浅、明亮程度。设（r，g，b）分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数，设 max 等于（r，g，b）中的最大者，设 min 等于（r，g，b）中的最小者。RGB到HSV的转换公式如下所示。

转换后还是按照上面的公式建立各个通道的一阶矩、二阶矩和三阶矩，最终在R、G、B、H、S、V六个通道上建立出一个18维向量作为颜色特征值。

3.2 纹理特征处理

LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算法[6]。可以用作进行混纺纱局部纹理特征的提取。原始的LBP算子定义为在3*3的窗口内，将围绕在中心点周围的相邻的8个像素的灰度值与窗口中心点像素进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样在此窗口内的8个点可产生一个8位二进制数，转化为十进制数后，即为该区域的LBP值，这个值可以用来反映该区域的纹理信息。

但是如此处理得到的特征维度过高，为了数据降维引入LBP等价模式算法[7]。设周围点数为P，引入等价模式算法后，特征值维度由原来的2的P次方减少为 P （ P-1）+2，大幅降低了数据维度。当P取8的时候维度从256降到58。通过图像直方图，统计各个LBP值出现的频数，即可得到图像的纹理特征向量。

3.3 特征融合

首先分别对颜色特征和纹理特征做相似度运算[8]。本文采用卡方距离来衡量两幅图像之间的相似性。公式如下：

其中，ai和bi分别表示图像A和B的特征向量中的第i个值，D（a，b）即为两幅图像之间的卡方距离。图像A来自图像采集模块，图像B来自色纺工厂数据库。

分别在颜色特征向量和纹理特征向量做卡方距离运算，记为D1，D2。

最终的图像距离为D = w*D1 + （1-w）*D2，其中w和1-w表示对应的距离权重。将图像A与色库中所有的B进行距离运算，距离最小的B即为匹配结果。

4 结束语

本文提出的方法可以有效推进色纺企业智能化构建，在混纺纱识别方面提高了结果的准确性，减少工作人员的工作量，为企业降低了运营成本。本平台还可以继续拓展出新功能，未来将做更多的尝试以更好地推进色纺工厂的智能化生产。

参考文献：

[1]卢萌萌，安俊峰，孙丽萍，等.基于机器视觉的纱线管颜色和纱线量识别研究[J].电子产品世界，2018，25（7）：45-48，54.

[2] 刘功民.基于嵌入式物联网平台的零件加工信息监控系统的研究与设计[D].北京：北京邮电大学，2018.

[3] 崔红静，景军锋，张缓缓，等.融合颜色和边缘特征的织物图像检索算法[J].棉纺织技术，2019，47（10）：35-39.