基于ARM嵌入式的纺织品条干均匀度在线检测装置

刘冀龙，尹 岗，赵建伟

（1.内蒙古工业大学 内蒙古 呼和浩特 010051；2.中国矿业大学（北京）北京 100089）

基于ARM嵌入式的纺织品条干均匀度在线检测装置

刘冀龙1，尹 岗1，赵建伟2

（1.内蒙古工业大学 内蒙古 呼和浩特 010051；2.中国矿业大学（北京）北京 100089）

针对纺纱过程中手工检测毛条直径时间长，速度慢，精度不高等问题，设计了一种基于ARM嵌入式图像处理技术的毛条均匀度在线检测装置。首先，在ARM嵌入式系统内移植开源视觉库（OpenCV），使用OpenCV作为检测装置的核心算法库和数据处理库函数；其次，在预处理阶段，利用分段构造线性滤波函数替代复杂的非线性滤波函数，以OpenCV集成的方框滤波函数（box filter）重新构架非线性滤波器，滤波时间只有经典双边滤波器的5%；最后，利用交叉编译器在Qt开发环境内生成ARM-Linux环境下的可执行程序，使用USB显微摄像头采集图像，实现毛条直径的在线检测。在Crotex-A8内核的ARM嵌入式内进行测试，单次检测耗时在900 ms以内。实验结果表明，在线监测装置能够在光照不足的条件下自适应检测毛条直径，同时能够对毛条直径进行分类，人为实时在线标定，检测结果与手工测量误差低于5%。

嵌入式系统；均匀度检测；图像处理；非线性滤波；在线处理

在纺织业中，纤维条是纺织品的重要原料。通过加捻过程使纤维条成为单股纱线即毛条[1]，纺织品纱线广泛应用在国民生产的各个领域，与人们的日常生活息息相关。由于在卷绕过程后毛条已经成为卷绕的纱线，卷绕好的纱线不能被再次利用，因此在纺织工业中大多在加捻过程与卷绕过程之间对单股纱线进行均匀度检测[2]，当均匀度满足纱线直径标准时就可以进行卷绕过程，进而得到理想宽度的纱线。但是目前纺纱工业中主要采用人工称量法计算毛条直径，精度受人为影响很大，难以长期保证检测精度，而且只能进行离线检测，一旦检测到问题也会造成不必要的损失。近年来，随着图像处理技术和模式识别理论的发展和不断成熟，使用图像处理技术针对纺织品质量进行评价越来越受到人们的重视[3]，但是针对毛条均匀度进行在线检测的研究还甚少。

文献[4]采用黑板条干检测法对棉纱线成品进行检测，利用图像处理和电容法取代人工称量，提升了测量精度；文献[5-7]利用光学传感器来检测纱线的外观质量。对于离线检测装置，只需要得到毛条的直径信息，因此检测方法较为简单。然而，离线检测法速度慢，难以满足原料较贵的检测环境，例如羊绒纺织品的生产过程。另外，实际生产过程中操作工人希望发生问题时能得到报警提示，同时看到具体问题进而迅速排除故障，确保生产的顺利进行。本文设计的基于ARM嵌入式的毛条均匀度在线检测装置可以显示毛条边缘，在线计算毛条直径，还带有报警和错误类型报告功能。经过对不同直径的毛条测试后证明，该装置能够满足不同类型毛条的检测过程。

1 毛条图像采集

在传统的图像处理装置中，常见的光照补偿法有高角度照射、低角度照射与背光照射[8]，本装置采用环形光照射[9]，与高角度照射方式有相似的效果，光线直接照射被测物体，能清晰地得到对比度较高的图像，适合表面不反光的被检测目标。本装置的环形光源采用环形LED等安置在显微镜头口上，在检测毛条均匀度的同时提供稳定的光照补偿。

在文献[4]中周绚丽等采用黑板条干检测法增强检测目标与背景的对比度，同时也保证了图像背景的单一化，使处理过程不必考虑图像背景的变化，极大地提高处理速度。本装置也采用背景不变法，让条状毛条处于背景上方位置，使用摄像头对其直接拍摄。

2 毛条图像处理

当摄像头采集回图像之后需要对原始图像进行处理，针对ARM嵌入式存储空间小，CPU主频较低的特点，选择算法优化较为成熟，能够跨平台交叉编译的开源视觉库Open Source Computer Vision Library（OpenCV）作为核心[10]。整体算法流程图如图1所示。

图1 毛条均匀度算法流程图

本装置采用高速USB2.0接口的工业相机外接显微镜头对图像进行采集，为了充分发挥USB接口即插即用的特点，采用Linux内核中集成的Video for Linux2（V4L2）接口传输图像[11]。 利用 V4L2接口读取到原始图像之后需要对原始图像进行预处理，目的是为了得到更加清晰的边缘，便于之后的边缘检测与直径计算。在毛条均匀度检测过程中，毛条的边缘必须清晰，同时尽可能避免边缘毛羽和内部疵点的影响，只有选取专用的滤波器对原始图进行滤波，才能得到准确的边缘信息。滤波方法分为线性滤波与非线性滤波[12]，为了得到良好的边缘与排除内部疵点，文献[12-13]采用中值滤波降低图像的椒盐噪声，同时平滑边缘；文献[14-15]采用双边滤波消除图像内部的疵点，对图像整体模糊化的同时很好的保护了边缘。经试验可得，双边滤波与中值滤波组合使用能够极大地减少噪声干扰，将双边滤波加中值滤波器对四种颜色毛条原始图进行滤波后如图2所示。

图2 双边滤波与中值滤波组合效果图

常规的双边滤波与中值滤波结合法虽然能起到很好的滤波效果，但是并不适合应用到ARM嵌入式系统中，因为大部分低功耗ARM中并不具有浮点数运算能力，而双边滤波与中值滤波都是非线性滤波法，适合在有浮点数功能的平台上运行，不同分辨率图像采用双边滤波在Crotex-A8 1GHz主频的ARM上运行时间如表1所示。

从上表可以看出双边滤波的用时与图像分辨率有密切关系，在文献[16]中详细推导了双边滤波的数学论证过程，总结后得到传统双边滤波在时间上的复杂度为O（Nr2），参数N为图像分辨率，r为双边滤波器内核半径，表1的结果与文献[16]中的结论接近，因此传统的双边滤波法不适合在ARM嵌入式系统中使用。针对传统双边滤波法耗时过长的缺点，文献[17]提出将像素值设为第三维变量，把整个系统放入空间-颜色离散网格，将双边滤波视为三维空间的滤波，采用并行运算进行逐步逼近极大地提升了计算能力；文献[16]提出基于直方图统计的算法，时间复杂度被降低至O（N）。但这些方法为达到较高的处理速度都要经过一个高度量化的过程，通常都会降低滤波的质量，并不适合应用在嵌入式系统上，必须采用能将非线性滤波变为线性滤波的滤波方法。

表1 不同分辨率原始图双边滤波法耗时对比

导引滤波[18]是He KM针对暗像元去雾算法耗时过长而提出的非线性滤波算法，自2010年提出之后广泛应用于图像去雾领域，在实现平滑滤波的同时，还能较好的保持边缘不受影响，最重要的是其时间复杂度只有O（N），且执行速度与滤波窗口的尺寸无关，相比采用双边滤波估计照度分量效率更高。本装置将导引滤波和中值滤波结合使用，对原图进行预处理。

传统的导引滤波法大多应用在PC仿真平台上例如Matlab工具箱软件，在嵌入式上还没有成熟的算法库，本装置利用开源视觉平台Opencv中的方框滤波器（box filter）作为工具编写C++代码实现的方框滤波函数，并针对嵌入式平台无浮点数功能进行整体优化，进一步提高运行速度。

对于嵌入式平台，可以从原始图的像素尺寸入手进一步降低导引滤波的用时，正如文献[18]中证明的，导引滤波的时间复杂度只有O（N），即只与像素大小有关，因此可以把源图先进行差值缩小进行滤波，滤波之后再插值放大做边缘提取，可以节省更多的时间，但对于本嵌入式平台处理速度已经足够，不需要再进行缩小放大了。图3是原始图导引滤波效果图。

导引滤波在Crotex-A8 1GHz主频的ARM上运行时间如表2所示。

图3 源图导引滤波效果图

表2 不同像素大小毛条图像导引滤波耗时对比

经过实际测试可得结论：在嵌入式上用C++编写导引滤波函数可以实现毛条原始图的快速滤波，再结合中值滤波后可以起到保护边缘又消除内部疵点的效果；适当降低源图分辨率再进行滤波可以把处理时间减少一半，但是不能把源图分辨率降得过低，因为复原过程采用的插值计算也会模糊边缘[19]。

3 边缘提取与数据拟合

毛条原始图经过预处理之后就可以进行边缘提取，常见的边缘提取方法有边缘算子法与形态学处理法，其中边缘算子法较为简单，运算数据量较低，适合在嵌入式平台使用，因此本文采用边缘提取效果较好的Canny边缘算子提取边缘。

为了得到更加准确的边缘，避免周边环境光照突变干扰毛条的检测，在提取边缘之前先采用阈值分割提取出整个毛条的二值化图像，相当于简化处理内容，提高边缘提取的准确度和速度，降低由于噪声和光线变化引起的错误边缘提取。不同二值化方法应用在纺织品纱线上的处理效果不同，其中效果最好的方法是最大类间方差法（Otsu）。Otsu是一种能够自适应分割图像的二值化计算方法，能在不同光照强度的环境下使用，被认为是图像阈值分割的最佳算法，时间复杂度低，受亮度和对比度影响小，结果稳定。非常适合应用在本装置中。

图4 4种颜色毛条的Canny边缘图

为了计算条干均匀度，必须提取左右两个边缘的特征点坐标，对于毛条图像特征坐标就是边缘坐标，因此可以使用Canny边缘算子对二值图直接提取边缘坐标，图4是图3进一步进行Canny边缘提取之后的效果图。

4 实验应用

提取到边缘坐标之后，采用分段直线拟合法对条干左右边缘进行拟合，经过预处理之后的毛条图像素数为320*281，即y轴方向的纵坐标共有281个，将281个纵坐标分成3段，分别为93，93，95个像素点，首先针对每段左右边缘各提取20个特征点坐标，对这20个坐标进行排序后计算中值，这样处理得到的中值就是每部分边缘线条的x坐标，利用计算后得到的的k与b参数构造边缘的函数表达式，再把每段的20个边缘坐标代入计算，即可得到20个边缘坐标，而右边缘减左边缘的差值就是毛条的直径。每段直径像素值如表3所示。

表3 毛条直径统计表

得到直径的像素值之后就可以利用标准直径毛条进行直径标定，让像素值除以某个标定系数得到毛条直径真实值，本装置利用Qt Creator交叉编译开发环境设计了上位显示界面，将核心算法封装在上位界面内，使得所有操作都在上位界面上进行，方便快捷。嵌入式显示界面如图5所示。

图5 嵌入式显示界面

如图5所示，上位界面具有处理时间显示、直径像素值显示、直径真实值显示、在线标定和错误类型显示功能，还能随意切换原始图像与边缘提取图像，操作简单，便于操作工人使用。

5 结 论

本装置采用图像处理技术测量羊绒毛条直径，将OpenCV作为视觉算法核心，针对嵌入式设备不带浮点数功能的限制，编写了嵌入式设备能够使用的高速非线性滤波方法，使在线检测毛条直径成为可能，同时设计了错误类型判断和超量报警功能，基本满足了羊绒毛条的在线检测要求。实验表明，本装置能够在500 ms内准确识别出不同直径的毛条，并进行人工在线标定，可以在一定程度上替代人工称量法，提高生产效率，减少资源浪费，具有一定的工程应用价值。

[1]王霞.羊绒针织产品单件质量影响因素及控制方法[J].针织工业，2014（6）:20-22.

[2]孙致陆，王贝贝，肖海峰.农牧户羊绒生产技术效率及其影响因素研究—基于农牧户调查数据的分析[J].中国农业大学学报，2014（3）:243-249.

[3]马辉.计算机图像处理技术在纱线性能测试中的应用[J].轻纺工业与技术，2015（6）:71-75.

[4]代亚萍.短纤纱新型电容式条干检测法与目光检验法对比研究[D].上海:东华大学，2015.

[5]Wang Rong-wu，Zhou Jin-feng，Yu Ling-jie，et al.Fusing multifocus images for yarn hairiness measurement[J].Optical Engineering，2014，53（12）:37-37.

[6]D Priya，VM Rajaselvi.Estimation of yarn hairiness using image processing[J].Geochemistry Geophysics Geosystems，2014，15（7）:2821-2839.

[7]M Eldessouki，S Ibrahim，J Militky.A dynamic and robust image processing based method for measuring the yarn diameter and its variation[J].Textile Research Journal，2014，84（18）:1948-1960.

[8]涂文骁.基于机器视觉的生丝均匀度动态检测系统[D].苏州:苏州大学，2014.

[9]王义文，焦环宇，刘献礼，等.绝对式编码器输出信号的误差自动补偿[J].光电工程，2015（1）:14-20.

[10]OpenCV官方手册 [EB/OL].[2016-05-11].http://opencv.org/.

[11]幕鑫.嵌入式人脸识别系统的研究与应用[D].无锡:江南大学，2013．

[12]马辉．计算机图像处理技术在纱线性能测试中的应用[J]．轻纺工业与技术，2015（6）:71-75．

[13]赵立阳．基于数字图像处理技术的智能纱线检测系统的开发与应用[D]．长春:吉林大学，2014．

[14]程杰．基于激光扫描的织物表面模型构建与结构参数测量方法研究[D]．天津:天津工业大学，2015．[15]张敬．多源图像超分辨率重建研究[D]．合肥:中国科学技术大学，2015．

[16]Inessa Gracheva，Andrey Kopylov，Olga Krasotkina．Fast global image denoising algorithm on the basis of nonstationary gamma-normal statis-tical model[C]//Analysis of Images，Social Networks and Texts：Springer International Publi-shing，2015（9）：71-82．

[17]Dimitrios T，Luca B，Abhilash Srikantha，et al．Capturing hands in action using discriminative salient points and physics simulation[C]．International Journal of Computer Vision（IJCV），2016（6）:172-193．

[18]谷雨，刘晶红，孙明超，等．基于分形特征和导引滤波的可见光与红外图像融合算法[J]．光电工程，2015（4）:62-67．

[19]张宝峰，王明跃，朱均超．一种零件图像亚像素边缘检测算法[J]．计算机仿真，2014（2）:68-76．

Line inspection device for yarn evenness based on embedded system

LIU Ji-long1，YIN Gang1，ZHAO Jian-wei2
（1.Inner Mongolia University of Technology，Hohhot 010051，China；2.China University of Mining&Technology （Beijing），Beijing 100089，China）

The traditional yarn`s diameter inspection process has characteristics of inflexible，long delay，and low accuracy.In order to solve those problems，a yarn inspection instrument based on digital image processing techniques was designed.Firstly，an open source computer vision was transplanted into ARM embedded system，which as the core algorithm library and data processing library.Secondly，in the image pre-processing stage，a method of segment linear filter was given.Using the box filter to rebuild a new non-linear filter to replace the traditional filter method，and the time spent of new was about half of old.Finally，the instrument used microscopic camera to photo picture in the ARM-Linux embedded equipment.The simulation results show that this equipment can automatic work in the different environment，and classify a diversity of yarn efficiently.The average measured accuracy was within 5 percent in the time of 900 ms.

embedded system； evenness detection； digital image processing；non-linear filter； online processing

TP391.4

B

1674－6236（2017）17-0093-04

2016-08-03稿件编号：201608022

刘冀龙（1991—），男，河北石家庄人，硕士研究生。研究方向：机器人视觉处理、嵌入式软件开发。