Способ классификации дефектов шерстяной ленты

(19) Комитет Российской Федерации по патентам и товарным знакам ИС ОБРЕТЕ ределяют пл яют максима ии, перпенди екта, а также а в двух вз ощадь льный кулярю 45-46одственное объединение "Аствели- аимно бычисляю и Р =О/Ь нагсоответствую осн СИФИКТЫ ФЕКТОВ(54) СПОСОБ КЛАШЕРСТЯНОЙ ЛЕН в Ю.ф,ограниченной ответствен(51) 5 006 НЗ ОО(57) Сущность. изобретения: оп3 изображения дефекта, измерразмер дефекта О в направленном направлению ширины Ь дефчиныи проекций дефектгперпендикулярных направленияхщенные признаки Р =( +Е )/5г г1 1 гвании которых дефект относят кклассу. 3 ил.Изобретение относится к автоматическому контролю качества в текстильном производстве путем распознавания дефектов по геометрическим признакам, В частности, в шерстяном чесальном 5 производстве к основным дефектам шерстяной ленты на выходе чесальной машины могут быть отнесены дефекты типа "мушка", "солома", и "репей" (в дальнейшем М, С и Р соответственно), возникающие на различ ных стадиях чесального производства.По количеству различных дефектов и их относительному весу можно локализовать источники их возникновения, тем самым определяя место нарушения технологического 15 процесса, Геометрически основные дефекты представляюг собой:М - эллиптические уплотнения из материала ленты;С - инородные включения вытянутой 20 формы;Р - инородные включения кольцеобразной формы.Их параметры сведены в таблицу.В настоящее время контроль подобных 25 дефектов проводится вручную, визуально, поэтому автоматизация процесса классифи, кации дефектов приобрела практическую ценность.Известны способы классификации де фектов, использующие корреляционные алгоритмы обработки, заключающиеся в регистрации изображения дефекта и его корреляционном сравнении с заранее зарегистрированным эталонным изображением 35 объекта, Эти способы имеют низкую точность, обусловленную неинвариантностью корреляционных алгоритмов к таким параметрам аффинных преобразований коррелируемых иэображений, как изменения 40 масштаба и ориентации, а также необходимостью нормализации изображений перед распознаванием, т,е. приведением изображений к каноническому виду.Известен также способ классификации 45 дефектов, основанный на определении геометрических характеристик объектов, заключающийся в формировании изображения дефекта, выделении его контура, нормализации изображения и выделе нии для нормализованного иэображения объекта системы геометрических призна-.ков, К недостаткам известного способа относится низкая точность, связанная с невозможностью классификации дефектов 55 для ненормализованных изображений дефектов, имеющих произвольный масштаб и ориентацию.Известен способ классификации дефектов, заключающийся в регистрации изображения дефекта, его пространственной дискретизации и пороговой обработке, определении системы геометрических признаков: площадь бинаризованного изображения дефекта Я, его периметр Р, наименьшую ширину и, диаметр Мартина Ом(максимальное расстояние между касательными к его границам) и принятии решения об отнесении дефекта к тому или иному классу.Его недостатком является низкая точность, вызванная большой вероятностью ошибочной классификации дефектов,Известен также способ контроля линейных величин длинномерных материалов, заключающийся в измерении проекций иэображения дефекта в двух взаимно перпендикулярных направлениях с последующей обработкой результатов измерений.Недостатком такого способа неоднозначность при определении класса ряда дефектов.Целью изобретения является повышение точности классификации дефектов,На фиг. 1 приведены типовые изображения классифицируемых дефектов; на фиг. 2 - пространство решений; на фиг, 3 - блоксхема устройства.Устройство содержит классифицируемый дефект 1, объектив 2, матрицу фотоприемников 3, пороговое устройство 4, блок 5 обработки сигналов, микропроцессор 6, соединенные последовательно, Шерстяная лента располагается в предметной плоскости объектива 2, изображение классифицируемого дефекта 1 и роецируется объективом 2 на фоточувствительную площадку матрицы фотоприемника 3, Выходные сигналы с матрицы фотоприемников 3 через пороговое устройство поступают на блок 5 обработки сигналов. После порогового устройства 4 изображение дефекта 1 представляет собой дискретизированную совокупность бинарных сигналов, обрабатываемых в блоке 5 обработки сигналов.Сущность предложенного способа заключается в следующем,Опишем вокруг изображения дефекта, ориентированного относительно координатных осей (задаваемых направлениями пространственной дискретизации) произвольным образом повернутого, например, на угол р относительно осей) прямоугольник, стороны которого ориентированы по направлениям пространственного разложения элементов растра фотоприемной матрицы 3.Тогда величиных и .у определяют как=Осоз р+ йз "Ози 1 р+ Вс вп р я дефекта Рр Ь 1 - миния как минр односвязаированного чении: я также пана, опредеоперечный ширина бив центральопределяетс альная шири мальный и ой области - зображения.Д рамет ляема раэме нариз ном се с +тмин уется с помощью локе 5 обработки р+ 3 и ОЬ= 1 классифицируемых обозначениях име= ЛО 4 5 Для объекта тип 1соз р 4 +3 и Яс=ОК Бм у= и сов.1 Бп Р с-зп 2 р р= - (1+2 Л д= ( -Ь 1 Ь 2 ы на фиг. роено ре- иидефекада ющее ВеличИны Хмакс Хмин, Умакс Умин опре деляют. в блоке 5 обработки как номера экстремальных ненулевых элементов бинаризированного изображения обьекта по строке и кадру соответственно, Реализация этих вычислений на цифровой элементной базе не вызывает затруднений,Для классифицируемых дефектов величины .х, .у выражаются через параметры дефектов О, й, (р следующим образом: что также легко реалицифровых устройств всигналов,Величины площадидефектов в выделенныхют вид: 42 х+42 х огда значения параметра Р Зависимости Р 1/Р 2/ приведе2, б, по которой может быть посшающее правило для классификатов, а именно учитывая Рг = , сов с выражениями (3). Для оценки неизвестных априорно параметров 1 р, ф, Ь 1, Ь используют определенные величины 5,х, .у и в ширину бинаризованного иэображения 5 (максимальную) в центральном сечении ЛХ,Для каждого из трех классов по измеренным величинамх,у, Я, ЬХ в микропроцессоре 6 могут быть получены оценки определяемых величин Ь, Ь, ,р, по кото рым строится пространство решенийР /Р 2/.Решение полученных систем уравненийв микропроцессоре 6 осуществляют, например, методом Ньютона и не вызывает затруд нений, Однозначность воспроизведенияалгоритма работы микропроцессоров обеспечивается конкретностью приведенных выше формульных зависимостей (1, 2, 4), Для объекта типа Сх = О соз р+ Ь зи р 25 у=03 и р+псозрЯ=Ой. я объекта типа Мх - исоз 2 р с + зи р ОЬ О - 2 П 1)( -2614 4 Проверочное условие (на совместимость систем уравнений) следует из подстановки в полученных из решения систем (5)соответствующего типу дефекта условия (4).Величина классифицируемого дефекта Я определяется простым подсчетом ненулевыхэлементов бинаризованного изображения0 дефекта с помощью счетчика. Реализацияэлектронных блоков не вызывает затруднений, и они могут быть изготовлены на обычной элементной базе: счетчики, регистры,устройства выборки - хранения, логическиеэлементы, микропроцессорный комплект1801 и т,п,Положительный эффект предложенногоспособа по сравнению с прототипом заключается в повышении точности за счет выбо2004658Толщина кольца. Ф ор мул а и эо брет е н и яСПОСОБ КЛАССИФИКАЦИИ ДЕФЕКТОВ ШЕРСТЯНОЙ ЛЕНТЫ. заключающийся в регистрации изображения образцовых дефектов с последующим измерением для каждого из них площади бинаризированного изображения и величины минимального поперечного сечения, отличающийся тем, что, с целью повышения точности, дополнительно проецируют иэображение дефекта в двух взаимно перпендикулярных его плоскости направлениях и измеряют величины проекций изображения дефекта, а также величину максимального поперечного сечения изображения дефекта в направлении, перпендикулярном к направлению его минимального поперечного сечения, по результатам измерений вычисляют координаты точек образцового дефекта" ра системы признаков, не требующих предварительной нормализации иэображений дефектов и обладающих инвариантностью к изменениям масштаба изображений. Кроме того, для ряда классифицируемых дефектов (М, Р) достигается инвариантность к углу поворота, Реализация предложенного способа ориентирована на использование растровой структуры матрицы фотоприемников (ПЗС-матрица/ТВ передающая камера. В известном способе при этом операции по измерению таких параметров, как диаметр Мартина и периметр, приводят к неоднозначному результату, Измерения периметра сопровождаются большой погрешностью (особенно при наклонной ориентации дефектов типа С), приводящей к ошибкам5 классификации, В предложенном способе погрешности, связанные с дискретизацией изображения, практически отсутствуют, что обусловлено выбором признаков, мало подвижных ее влиянию.10 (56) Воронцов П.Н, Фотоэлектрические системы контроля линейных величин, М., 1965, с,154-155,Р 1 ( 1+ 2)3 и Р 2 О/1,2 215 где 1 и 1.2 - величины проекций изображения дефекта;3 - площадь бинаризированного иэображения;О - величина максимального поперечно 20 го сечения;Ь - величина минимального поперечногосечения изображения дефекта,на основании чего строят график распре 25деления дефектных областей для множества видов образцовых дефектов, причемклассификацию контролируемого на шерстяной ленте дефекта осуществляют путемопределения его координат, вычисленныханалогично образцовому дефекту, и расположения точки с одними координагами всоответствующей дефектной области образцовых дефектов.