坯布疵点实时检测装置的制作

<正>在纺织规模化、连续化生产中,原料、半制品及成品的检测对于最终产品质量至关重要。其中,坯布疵点的检验当前仍基本靠人工验布,不仅检测速度低(一般在15 m/min~20 m/min之间),而且存在评判标准不稳定和不一致,经常有漏验现象。验布工最多只能发现70%的疵点。     

验布分匹电子计数器

上棉四厂布机车间广大职工在新的长征道路上,意气奋发,斗志昂扬,在短短的两个月中,自行设计研制成功了验布分匹电子计数器,并已投入生产使用。 检验棉布原来是,下机成品由验布工检验打分及处理小疵点,再经过码布车摺布,然后由两个检验工翻布正式检验记录下机质量。现在使用分匹记数器,只要一个检验工,直接在验布车上检验下机成品质量。记录正确性高,免除了重复劳动,提高了工作效率。     

织物疵点自动识别技术在毛纺中的应用

为了实现自动验布，摆脱人工验布的种种缺点，介绍了采用神经网络和图像处理技术识别织物疵点的准确性和可行性，把疵点主要分为破洞、断经、断纬、油渍、筘路等5类，使用灰度统计量法对疵点图像进行处理，然后应用BP网络对其进行分类识别。实验证明该方法的准确性高、速度快，符合自动验布系统的要求。同时文章还讨论了该技术在毛纺企业的应用前景。     

两种激光验布系统

有两种激光验布系统目前为美国的纺织厂所采用。它们是利用激光束来扫描运行中的织物,并将所检测到的布面疵点类别和位置作出记录。 美国福特航空公司所生产的一种验布系统,验布速度229米/分,可检验19种不同的疵点,对检出的每一疵点地位都在布边上做出标记,并能提供全布长上的疵点总数。 另一种验布系统是美国识别系统公司(Recognition Systems Inc.)的产品,型号AI—6000。这个系统的验布速度和能提供的资料都不及前一系统,其方框图如下页。 AI—6000型自动验布系统,能以110米/分的速度在全幅布面上检出全部的疵点,并评出     

基于神经网络的织物疵点识别技术

因织物组织繁多,表面特征各异,很难建立一个统一的织物疵点识别模型。为了解决这一问题,实现自动验布,提出采用双层神经网络和小波变换来识别织物疵点的方法。先对正常织物进行训练,得到织物的特征,应用第1层简单BP网络来分辨正常织物和疵点。然后对疵点图像进行二维离散小波变换,并去除织物本身的特征,利用已训练的BP网络进行具体疵点识别。试验证明,这种方法的准确性较高,速度快,基本接近自动验布系统的要求。     

织物疵点自动检验系统的发展和展望

总结织物疵点自动检验系统的发展概况。指出了传统人工验布存在的主要问题;回顾了国内外自动验布技术的发展概况;对织物疵点的分类和检测要求进行了介绍;探讨了自动验布系统的功能和相关技术,并展望了自动验布技术的前景。认为:使用自动验布机,可提高劳动生产率;自动验布机是纺织产业升级、摆脱劳动密集型的重要措施,是今后发展的必然趋势。     

计算机辅助口语测试专家系统

介绍一套应用于外语口语自动化考试的计算机辅助测试专家系统。该系统中建立了常用词汇标准声音的参考频谱,非特定人通过麦克风输入的连续语音将转换为大词汇量的测量频谱,系统中的自适应模块与相关模块建立了测量频谱与参考频谱之间数字化的相似关系,通过分析频谱的相似性实现了系统对录入语音内容的自动识别。由于采用基于词汇的声学模型,系统的识别语料库易于增加,不受限制。在实际环境下的测试表明系统语音识别率达到98%。     

如何利用测试仪器控制纺纱细小疵点

为了防止因离线控制数量少、控制流程少、控制指标少而造成的棉纱质量各类疵点和有害纤维波动大的现象,减少纺纱厂成品棉纱的次品数量、降低面料疵点,通过对纺纱过程中单纤维测试仪、10万m纱疵仪和条干仪测试指标以及测试效率、测试效果的分析,说明纺纱厂利用先进测试仪器不仅可以有效地制定棉纱、面料有害疵点、危害性疵点、细小疵点的控制标准,而且还有利于混配棉质量标准、梳棉条质量标准、精梳条质量标准等的控制和制定,是纺纱厂采用离线控制手段控制棉纱质量的最佳途径之一.     

含疵服装样片的提取与匹配算法研究北大核心

为了提高服装加工过程中验布环节的自动化程度,结合服装自动打版软件DOCAD和拓扑学原理,找出服装样片中疵点标识和样片的拓扑关系,并对疵点标识和样片的关系进行分析和归类总结,分别建立疵点标识与样片的拓扑关系交集矩阵模型,以该模型为匹配模板研究疵点标识与样片的匹配算法。以牛仔布为实验对象,构建模拟铺布系统和验布系统的实验台,通过图像采集分析处理流程,结合机器视觉软件算法,实现验布环节疵点标识与服装样片的匹配,从而定位含疵样片并提取。实验表明,该方法可以实现服装加工验布环节中疵点标识与样片的匹配定位。     

基于光电自动验布机视觉系统的织物疵点检测

为了提升织造织物质量、提高验布效率,介绍FS220型光电自动验布机的工作原理,以及特征明显织物疵点和特征不明显织物疵点的检测流程,对其采用的傅里叶变换与高斯滤波相结合的疵点检测算法和Sobel算子与Laplace算子相结合的疵点检测算法进行分析;对比分析纺织厂使用FS220型光电自动验布机与人工验布的结果。指出:采用多算法混合检测的FS220型光电自动验布机验布速度快、疵点的正检率高,可有效替代人工验布、节约人工成本,提高织物质量和企业经济效益,可促进织物疵点检测的数字化、智能化发展。     

基于机器视觉的坯布自动检测技术

针对我国纺织品检测大多采用人工检测,检测速度低,误检率、漏检率高等问题,提出了实现织物疵点检测自动化、鲁棒性的设计理念。介绍了目前国内外在织物检测方面的主要识别方法以及织物自动检测系统的研究成果,阐述了机器视觉软、硬件技术的发展现状及目前机器视觉技术在纺织检测应用中存在的问题;分析并提出研制分布式的、面向高速生产线的鲁棒机器视觉检测技术是适合我国坯布自动检测系统的研究方向。     

国外纺织工业计算机应用的新动向

介绍了近年来计算机技术在纺织机械机电一体化、服装CAD、织物结构CAD系统、自动验布机、数字式喷墨印花机、纺织测试等方面应用的最新动向。     

基于机器学习的布匹瑕疵识别研究

纺织工业是我国制造业出口的重要组成部分。布匹的质量控制在纺织工业中尤为重要,而布匹瑕疵是影响布匹质量控制的重要因素之一。在中小企业中,布匹瑕疵识别主要依靠人工流水线作业,存在着人工成本高、人眼识别准确度低等问题。因此,一个有效的布匹瑕疵检验系统是十分必要的,布匹瑕疵分类算法是保证疵点判决效率的核心。基于布匹生产企业存在的问题,有针对性地研究了机器学习与计算机视觉的布匹瑕疵识别算法的基本原理,介绍了各类布匹瑕疵识别中的检测与分类算法,将最近发展迅速的机器学习的理论研究引入布匹瑕疵识别中,对涉及机器学习的模式识别算法进行了介绍。     

图像处理技术应用于纺织工业的最新动态

随着计算机技术的发展及其应用的不断推广,计算机技术越来越多地运用于纺织企业.尤其是近年来,数字图像处理技术越来越广泛地应用于纺织工业生产的各个环节.在产品、原材料的检测方面,该技术更具有传统技术所无法比拟的优越性.文章论述了数字图像处理技术在纺织工业中的研究应用情况及最新动态,并对其未来的发展方向作了简要的说明.     

图像处理与识别技术在纺织工业中的应用

随着计算机技术的发展及其应用的不断推广,计算机技术越来越多地运用于纺织工业。与传统技术相比,图像处理与识别技术的应用提高了纺织产品检测鉴别的效率、自动化程度和精度。文章论述了图像处理与识别技术在纺织工业产品中的研究应用现状和发展前景。     

基于纬编针织物特性的静电吸附力模型

为提高工业机器人在纺织服装行业的使用率,拓展静电吸附式末端执行器的使用范围,提升服装加工过程中面料自动抓取和转移自动化程度, 以纬编针织物为例,首先分析纬编针织物的结构特性和纤维成分对静电吸附力大小的影响,分别建立了织物单元的三维结构仿真模型和织物相对介电常数的计算模型。在此基础上构建纬编针织物的静电吸附力模型;然后通过仿真软件对模型进行验证。结果表明,利用该模型可计算出静电极板对纬编针织物的吸附力大小。该研究结果为实现面料的自动抓取和转移提供了新的思路。     

基于DSP的语音识别系统设计

为了提高语音识别系统的可靠性和高效率性,利用线性预测倒谱（LPCC）和动态时问规整技术（DTW）设计了一种语音识别系统．系统以TI公司的TMS320VC5402DSP芯片为控制核心,以汉语言的短命令为识别对象,实现特定孤立词语言识别功能．系统设计了串行通讯接口,更好地利用计算机对其控制．同时系统能进行语音指令的识别并做出相应的应答．该系统适合应用在一些智能控制领域,且结构简单,功能稳定．     

Identification of fabric defects based on discrete wavelet transform and back-propagation neural network

Detection of fabric defects can be considered as a texture segmentation and identification problem, since textile faults normally have textural features that are different from features of the original fabric. A feasible approach for the recognition of fabric defects based on discrete wavelet transform and back-propagation neural network is proposed in this article, the indispensable processes of which are defect image preprocessing, wavelet transform, feature extraction, principal component analysis of the extracted feature parameters, and defect identification. Under the experimental condition, the average recognition accuracy of defects and nondefects are 99.2% and 100%, respectively. Experimental results show the advantages with high identification correctness and high inspection speed.     

织物CAD系统的研究与开发

纺织CAD系统能够加快纺织产品的开发效率,但由于织物表面外观受多种因素影响,逼真模拟织物外观一直是织物CAD系统研究的难点,特别是如何表现织物中纱线的特征.文章主要从构成织物的纱线计算机模拟入手,即先模拟出织物中各种纱线的外观特征,然后用模拟出来的纱线按照组织、密度进行平铺,最终达到模拟织物外观的目的.