一种自动验布机系统的设计与实现

陈德裕，曹庆红，蒋 俊，李跃华

(南通大学 计算机科学与技术学院，南通 226019)

0 引言

我国是一个纺织品生产、纺织机械制造的大国，但目前我国还不是这一行业的强国。在许多中小型纺织企业中，由于受到生产规模、生产能力和研发力量的限制，纺织品和纺织机械的科技含量不高，这极大程度地影响了纺织品的质量和销售。在纺织机械中，国内已经有大量的具有一定自动化水平的印花设备、验布设备。但在这些设备的使用过程中，有关质量检测方面的工作仍然需要人工方式来完成。人工方式的质量检测效率低、劳动强度大、漏检率高并受主观因素影响。与传统的人工检验方式相比，用数字图像处理、嵌入式系统、模式识别、CCD和精密伺服系统等诸多高新技术综合而实现的自动质量检测方式，不仅可以降低对人力资源的占用，而且可以大大提高产品的质量和科技含量，为纺织品生产企业和纺织机械制造企业创造更大的经济效益[1]。因此，我们以现有的机械验布机为基础，通过在其上加载图像捕获和采集设备，借助于系统的传输控制，用数字图像处理方法实现对所验布匹的质量检测，实现了验布机的自动化处理的要求。

1 系统分析和总体框架设计

1.1 系统设计的思想

根据我们对传统“人工+机械”式的验布机系统分析，在多次走访生产和操作第一线人员的基础上，采用数字图像处理、人工智能、嵌入式系统等技术，对传统验布机系统进行系统改造和技术升级，以实现验布系统的自动化。系统实现的主要思想是：首先通过视频采集设备，根据从卷布机获取的转速，确定视频帧的捕获位置，得到需要进行质量检测的图像。然后通过图像处理系统，对获取的数字图像进行分析比对，如果没有异常，则系统继续运行。否则根据验布要求进行处理，一种是停机进行实时质量处理，如修布、作标记（间隔工作模式）[2]；另一种是系统进行记录，同时验布系统继续检测下一帧图象（连续工作模式），无需人工干预。系统可以适应不同的卷布速度，进行实时扫描，当发现疵点时，将疵点记入错误日记，根据用户的请求可将疵点所在布匹的视频截面发送到显示器上，每当完成一卷布的检测，将检测结果（包括疵点分类、数目、描述、方位以及整匹布的阈值等级等）打印到厂家记录单上，从而完成布匹的自动检测[3,4]。

1.2 系统的总体框架

根据上述思想，我们确定验布机的检测系统由两个部分组成。其中硬件部分由高清晰度视频摄像机、步进电机参数转换器和嵌入式硬件系统三个部分组成，硬件部分负责采集检测布匹的图像、布匹的位置等有关信息，完成数据的采集工作。系统的的软件部分由设备接口及驱动程序、视频及数字图像处理程序和图像检测处理程序三个部分组成，实现对视频图像的切分、图像帧的提取、图像的加工、处理和比对工作，同时对处理结果进行记录保存。系统的总体结构如图1所示。

2 系统的实现

2.1 系统的总体设计

由于现有的验布机能直接提供布匹移动的实时速度和布长参数，所以不需要通过另外设备去获取，只需要通过接口直接调用获取相关参数即可。系统的总体设计如图1所示。系统由六个模块组成，分别为视频图像采集模块、验布机的转动速度与布长参数获取模块、嵌入式处理模块、接口驱动程序、视频切分处理模块和图像数据处理模块。其中视频图像采集模块、验布机的转动速度与布长获取模块和视频切分处理模块统构成验证布匹图像的采集平台，平台的硬件部分主要由嵌入式主机、灯光、高像素广角摄像机、验布机转动接口等部分组成，软件部分包括接口的驱动程序、视频切分程序、图像预处理程序等组成。布匹的质量检测主要是由图像数据处理子系统来实现。系统设计的思想是：首先由人工方式对一匹布的起始部分（约为视频中的一帧图像）进行检验，当检查的结果为质量合格后，将其作为检验标准加以存储。然后设置本系统的有关参数（如质量容忍值，也即阈值；检测速度等），启动自动验布流程。图像采集部分根据从验布转动接口获取的转速，确定视频抽取的时间间隔，获得图像帧。将图像进行预处理，经过归一化后，与标准图像进行比较。如果差异没有超过设定的阈值，则系统继续检测下一帧图像，如果比较的结果超过阈值，则记录下图像在布匹中的位置。此时根据需要或者停机，转由人工方式进行修布，或继续工作，最后生成该布匹的检验记录报告。系统的工作流程如图2所示。

2.2 自动验布系统的设计与实现

系统的具体设计与实现分为三个子系统：一是图像采集子系统，二是图像处理子系统，三是嵌入式Linux子系统。

1）图像采集子系统。该子系统是要实现根据验布机的转速来定位检测布匹的位置，通过视频摄像机捕获视频图像，送交图像处理子系统进行处理。设计的内容包括：与验布机传送部分的接口，视频摄像机的接口，视频摄像机的选型，灯光照明系统的选择以及设备安装部位的确定等。上述诸功能的设计，都直接影响到捕获布匹图像的质量，同时会影响到检验布匹的质量精度。图像采集子系统是整个自动验布机系统中的基础性子系统。为了能够准确地获取待验布匹的图像以及获取的图像在整个布匹中的位置，系统中根据验布机上的步进电机提供的转速、布长两种信号，通过嵌入式系统的串口提供给系统，同步存入数据表中，以便验布结果的输出。视频摄像机通过嵌入式系统的RJ45接口，将视频信息传输给嵌入式视频处理模块。经过多次试验，当摄像机选用AipStar AS-NC235、分辨率为500万象素的枪机时，能获取布匹视频中的丰富图像信息。本系统中摄像机的机位，选定在布匹正前方居中的位置，摄像机用固定可调整的支架放置于验布机的上前方。灯光照明对图像的采集在质量上有着重要的影响。一方面灯光照明可以提高采集图像的清晰度，另一方面还可以减少图像的噪音，增强布匹中疵点的信息量以提高系统的精确度。本系统中的灯光，选择无闪影节能光源，保证光照的均衡，同时也使得待检布匹中缺陷点（瑕疵点）与其它点之间有足够的差异。从待检布匹中获取的图像在整个布匹中的位置是通过验布机的转速传动装置加接测速器后，通过USB接口与嵌入式系统相连。图像采集中的软件设计包括USB接口驱动程序的设计、视频采集RJ45接口的设计和视频抽取以及预处理等。

图1 系统总体结构图

图2 系统流程图

2）图像处理模块。该模块的功能是将从图像采集模块传来的数据信息进行处理，找出与标准模板的差距，进行识别和分类。这部分主要的是通过编程来实现的。为了在嵌入式系统上提高匹配速度，我们设计的算法是：

第一步：将标准图像四等分，经过预处理并调用神经网络算法后，将学习结果作为模板保存；

第二步：根据验布的转速，抽取视频图像帧，并将抽取的检测图像帧四等分；

第三步：开通四个线程，将待检测图像与模板图像的对应子块进行比较，累加其差异值T；

第四步：若T小于设定的阈值，则转第二步。若T超过设定的阈值，则根据转速，计算布匹的位置值L，将L和T写入检测文件中。同时，根据起始时的人工设定，对问题部位是否要实时处理。如果是，则待机，等待人员进行问题布匹的处理。如果不是，则转第二步。

在记录图像匹配结果时，根据差异值的大小，给出被检测布匹质量的合格、较合格与不合格三种检测结果，以及出现差异位置的布匹图像一并存入检测文件中，以供用户核查和参考。

3）嵌入式Linux的设计模块。该模块的功能主要提供了图像获取和图像处理的软硬件平台。主要包括微处理器的选择、硬件部分、操作系统的选择，其中处理器的选择又会制约到操作系统的选择，考虑到通用性和兼容性，我们采用了普通的微处理器ARM9和嵌入式Linux系统。硬件部分包括了控制端的I/O设备的接入等。

上述三个模块在边设计边调试的方式下，实时考虑了各模块之间互相兼容和配合度，最后进行了系统集成和系统优化。

3 运行结果与评价

我们利用实验箱和PC机模拟了验布机的嵌入式自动检测系统的运行，对视频捕获的图像进行分析比对，得出了正确的处理结果。从系统的初步运行情况来看，基本上达到了预期的目的和效果。系统运行的部分界面如图3、图4所示。

图3 视频获取的等待检验布匹图像

图4 经过图像处理模块处理后得到的结果

从系统的运行情况来看，在模拟情况下，达到了一定质量检测效果（精确度可以达到80%）。但其实时性还不够，精确度有待于进一步提高；软件部分的神经网络算法和模板匹配算法还需要进一步优化。

4 结束语

验布机的自动化涉及到多个学科、多种技术。本文给出了一种基于模板匹配和神经网络算法的布匹质量检测方法。系统只需在传统验布机加载相关设备即可实现验布机的自动化，具有较好的可行性和经济性。虽然取得了初步的成果，但系统在精确度和稳定性等方面还有待于进一步的提高。特别是在现有的验布机系统上加载嵌入式的智能检测模块，真正实现与传统验布机的无瑕连接，实现产品的工业化，这些都是我们今后的努力方向。我们相信，通过纺织机械制造业、自动控制和计算机领域相关人士的共同努力，高度智能化、高精度和高可靠性的经济实用的验布机系统一定会为纺织业的腾飞做出更大的贡献。

[1]陈德裕,苏啸晨,朱学芳,杭月芹.自动孔板印刷机中图像检测系统的设计与实现[J].计算机工程与应用,2010,46(24)：60-63.

[2]努尔顿,左保齐.丝织物疵点智能化判别[J].丝绸,2003(11)：28-31.

[3]陈俊杰,谢春萍.自动验布系统[J].纺织科技进展.2004(5)：56-57.

[4]高晓丁,汪成龙,左贺,梁继超.基于直方图统计的织物疵点识别算法[J],纺织学报,2005(4)：121-123.

[5]努尔顿,左保齐.图像识别与纺织品检验[J].苏州大学学报(工科版),2003(4)：49-54.

[6]王培峰.利用神经网络技术的验布系统[J].棉纺织技术,2004(1)：30-32.

[7]祁林,织物疵点的计算机软件识别方法研究[D].武汉理工大学,2006.4.

[8]王建霞,吴长莉,周万珍,乔世权.织物疵点图像的特征参数提取[J].数学的实践与认识,2008(8)：134-137.

[9]沈咏军.人工神经网络在织物疵点分类中的应用研究[J].科技创新导报,2008(5)：12.

[10]于坤,织物疵点识别算法的研究[D].天津工业大学,2008.6.

[11]步红刚,黄秀宝.基于计算机视觉的织物疵点检测的近期进展[J].东华大学学报(自然科学版) 2006(6)：129-133

[12]马鸿龙.基于图像识别的布匹疵点检测分析与设计[D].北京工业大学,2007.12.