机器视觉在棉花异纤分拣中的应用

朗锐智科1 2017-10-17

云栖社区 深度学习 大数据 人脸识别

在国内的棉花加工厂,为了清除异性纤维,除了在收购时把好管,进行人工挑拣外,还有专人在喂花前,在棉垛上挑拣异性纤维。这种人工的挑拣费时费力。利用机器视觉技术进行异纤分拣不但可以提高准确度,还可以大大提高工作效率,从而节省大量的成本。

棉花异纤分拣.jpg

目前我国棉花中混杂异性纤维问题突出,棉花中混杂的异性纤维比重虽小,但危害却很大。经过纺织机械打击分梳后,异性纤维纵向断裂、横向分开,数量成倍增加。纺纱时,散落的异性纤维容易使棉纱断头,降低生产效率;织布时,出现大量布面疵点,影响布面质量;染色时,因着色率不同影响外观。

利用机器视觉分拣出棉花中混杂的异性纤维(俗称“三丝”),指的是化学纤维,动物纤维和非棉性纤维,比如丙纶丝,塑料绳,各种色线,薄膜,头发丝,鸡毛,碎布以及被污染的棉花等。

棉花通过疏棉机后,风机带动棉花从棉花通道通过玻璃视窗,在玻璃视窗的两侧使用两个高速高分辨率彩色线扫描相机分别采集棉花的图像。图像数据传送至工控机,经图像处理软件处理后将处理结果给I/O单元,通过高频电磁阀将杂质吹入冗杂箱。

软件中利用异性纤维的色差和亮度信息与棉纤维的差值来判断是否为杂质。对每一个像素点的灰度值与设定阈值范围进行比较。

主要有两类异性纤维:

有色杂质,其RGB分量至少有一分量比棉纤维RGB中一分量低。

色彩鲜艳的强反光物质以及发生荧光效应的物质,其RGB分量至少有一分量比棉纤维RGB分量高。

由于相机的传感器中像素自身的不均匀性、镜头畸变和光源的不均匀性,所得到的图像两端与中间区域存在一定的灰度差值,可以对相机进行平场校正来减少这个差值,或者在图像处理的时候考虑到这个因素,在设定阈值的时候取非线性阈值。

机器视觉就是利用机器代替人眼做出测量和判断,在应用层面上,目前主要用来做系统集成或二次开发的较多,可以概括为以下四个部分:

1、检查。

外观及缺陷检测,主要利用模板匹配。

2、识别。

生物特征识别(人脸、语音、指纹、虹膜),目标识别(车牌识别,射频识别等),条码识别(一维码、二维码),字符识别,纹理识别等。识别的最终目的主要是为了分类,这里需要利用大数据训练学习,需要借助深度学习。

3、测量。

几何尺寸测量(长、宽、高、周长、面积、体积等),圆或者椭圆(圆心、半径、轮廓、角度、尺寸等);测量必须先标定,这里涉及到相机标定问题。

4、定位。工装定位移位、装配、码垛机器人。

目前机器视觉主要应用定位、识别、检测和测量。虽说四大块都取得了进展,但受到应用场景,算法的限制,稳定性较差。不过像简单的外观检查,颜色、字符、人脸识别,机械手的定位目前可以替代人类。朗锐智科(www.lrist.com)认为在精密测量方面,测量精度还远远不够,还没达到理想值。尤其是双目测量(也就是立体测量)方面目前匹配精度依然达不到,由于同一一个空间点在两个相机的空间位置不同,存在一定的视差,如何计算出视差依赖于两幅左右图像间的匹配,若匹配精度达不到,后面的三维重建更是难上加难,也就是说立体匹配与三维重建仍然是摆在视觉测量的一大难题。

登录 后评论
下一篇
corcosa
16978人浏览
2019-10-08
相关推荐
0
0
0
948