连续式织物色差联机监测器

Barco公司推出一种实时的颜色检测系统,用于染整机组和织物监测器上,该系统称为“Eye Opener”。与其他根据测得结果来检测色差的联机系统不同,该系统可在整个织物幅宽上连续检测。 现有的大多数系统是使用测色仪在织物上往复移动,这只是不连续的记录,不是真正的连续记录,在机械上也比较复杂。     

织物在线色差检测系统研究

为了确保织物染色质量,设计了一种基于机器视觉的在线色差检测系统.在试验室搭建了系统模拟平台,对图像处理算法进行了验证,并分析了样本左、中、右色差的数据.试验结果表明:系统检测结果与人眼视觉判断一致,可有效地检测出织物色差.认为:利用该系统在线检测染色织物色差,对控制织物染色质量、提高生产效率和降低生产成本有较大实际意义.     

基于机器视觉的织物色差检测方法研究进展

随着纺织品需求量的增加以及人们对购买衣物的色差要求越来越高,织物色差检测的需求也越来越高。为了解决目前传统色差检测方法速度慢、准确性差等问题,综述了使用基于机器视觉的织物色差检测方法。该方法相比于传统方法能够快速、准确的计算出被测织物与标准织物之间的色差。从色差产生的原因和两种传统色差检测方法出发,分析了传统色差检测方法的不足,总结了基于机器视觉色差检测的一般步骤,并具体评述了图像预处理、颜色空间转换、色差计算与色差评价等4个方面的技术,最后对全文进行总结并对当前研究面临的问题进行概述,清晰地呈现出该领域的发展脉络。     

基于计算机视觉的牛仔服装色差检测评级系统

针对现在牛仔服装色差检测中依靠人眼进行评价存在的主观差异,提出一种基于计算机视觉的牛仔服装色差检测评级系统。首先通过相机采集标准光源下的牛仔洗水样布与标准样布的图像,然后采用计算机图形学原理、图像处理、颜色空间转换等技术,最终使用MatLab和VC++混合编程技术建立了牛仔服装色差检测评级系统。为使评级数据更为精确,提出差异度-色差值百分比的概念,通过曲线拟合不同差异度下的色差值得到差异度-色差值方程,并作为牛仔服装色差检测系统的评级指标。结果表明,基于计算机视觉的牛仔服装色差检测评级系统与专家测评结果具有较高的一致性,而且色差检测评级系统得到的数据值更为客观和准确。     

基于计算机视觉的织物色差检测

为了有效地检测织物色差,针对织物色差检测存在的问题,在比较RGB模型、XYZ模型后,提出采用L*a*b*模型,并给出了各模型间的转换公式.通过对计算机获取的织物彩色图像进行一系列的转换、分割和定位后,计算其色差并进行相应的分析.经过试验证明:采用以上方法对纯色和印花织物的色差检测都是可行和有效的.     

新合纤仿毛织物的染整色差控制

从坯布、染化料、操作工艺、化验室打样等多方面分析了新合纤仿毛织物染整色差的产生原因。结合生产实践，提出筛选染料、助剂应用与工艺制订等方面的注意事项，以及操作性很强的预防控制措施。     

轧染染色色差的在线检测系统的设计

通过控制变量试验,找出了轧染机轧辊的压力与织物带液率、K/S值和色差之间的内在联系和数值关系。色差的在线检测系统以CIE1976 L*a*b*色差公式为标准,以K/S值和色差ΔE为表征对象,实现对轧染染色中染样的色泽和色差值的动态测量。借助计算机的C语言程序和可编程控制器,自动调节轧车轧辊两侧的压力,以达到消除色差的目的,对布面的颜色进行有效的控制。     

柑橘全表面色泽在线检测与分级系统

目的:实现柑橘色泽快速、准确分选。方法:建立了一种基于机器视觉的柑橘在线色泽检测与分级系统,系统由上料单元、链式输送机构、图像采集系统和分果单元组成。利用工业相机配合翻滚机构均匀拍摄50～60帧运动中的柑橘图像,获取柑橘完整表面信息。无损检测软件对实时获取的每一帧图像进行预处理,得到二维着色比值,对该比值进行动态跟踪存储,取二维着色比值的算术平均值以降低重复区域对柑橘表面着色率计算的影响,最后对计算的着色率进行判别分级。结果:在6个/s的分级速度下,系统计算的柑橘色泽占比最大误差为5%,分级准确率为90.54%。结论:该系统能够满足柑橘色泽快速、准确的分选需求。     

色差的分析及防止

分析染色过程中影响染料泳移的各种因素，诸如箱体加热温度不匀、机械挠度，以及染料性能差异等与色差的关系；介绍了产生色差的染前因素与染色中产生色差的因素区分，以及产生整批色泽不符样色差、前后色差和挠度色差的原因及解决办法。     

腐败肉光谱在线检测及剔除系统研究

目的提供一种基于可见/近红外光谱技术的腐败猪肉在线检测及剔除系统,实现自动化检测。方法构建由同步模块、检测模块和剔除模块组成的检测系统。肉样随传送带运动,同步模块控制检测探头的调整,保证探头到肉样表面的距离,并使其与肉的传送同步进行;检测模块用于提取光谱并进行分析,得出是否腐败的结果;之后由剔除模块对腐败样本进行剔除。将光谱数据与理化值联立采用多元散射校正与主成分分析法进行光谱预处理,建立了基于Fisher算法的判别模型。结果系统信噪比100:1,在线判别准确率达到87.4%。结论该系统可以保证光谱检测的稳定性,能实现腐败肉的在线检测和剔除动作,为实际生产应用创造了条件。     

基于机器视觉的鲍鱼风味片残次品在线检测方法

目的:解决鲍鱼风味片在生产过程中出现的边缘残损、内部气孔以及皮料厚度不均匀等外观缺陷自动化检测问题。方法:提出了一种基于机器视觉的在线检测方法。利用机械梳理装置将鲍鱼风味片整理成单层阵列排布;采集图像后,选择图像分割、灰度值拉伸、轮廓边缘提取等方法进行图像处理;利用外轮廓圆形度特征完成边缘残损检测,通过测量皮料厚度完成皮厚异常检测,通过计算气孔面积,完成气孔检测。结果:该在线检测方法对边缘完整度缺陷的检出率为100%,皮厚度异常缺陷检出率为100%,气孔缺陷的检出率为98.65%。结论:该方法具有较好的应用性,能够实现鲍鱼风味片残次品的在线检测。     

染色织物潮态定形色差的产生原因

染色织物潮态定形时产生色差的原因,包括轧车压力不匀,烘箱循环风机转速不匀,烘箱结构使织物水分蒸发速率过快,染料和整理剂选择不当等,应针对实际情况采取相应的解决措施.     

染色设备与边中色差

具体讨论了组成连续染色机的单元设备，如轧液轧辊、给液、预烘、焙烘，以及固色还原蒸箱等，与边中色差的关系。改善边中色差，应全面地分析和考虑各设备情况，不能盲目地只调节均匀轧车压力。     

Fabric defect delaminating detection based on visual saliency in HSV color space

Due to a large variety of fabric defects, the traditional detection method is difficult to meet the needs of dynamic detection that include all kind of defects. In order to enhance the effect of fabric defects detection, this paper proposed a dynamic delaminating detection method that fabric defects in the HSV color space are detected according to the fabric defect saliency. The idea is simulating the human visual system, and gradually enhancing the saliency of fabric defects through the data-driving. By the way, different types of defects are highlighted in different layers. At the same time, some task factors are used to drive form detection interest region in each layer. Then all kinds of defects are delaminated detection by setting a threshold in different layers. Experiments show that the proposed algorithm can accurately detect all kinds of defects, and have a strong universality for various types of defect detection. It can provide a possibility for the realization of fabric defects automatic detection.     

硫化染料轧染色差的成因及预防

分析硫化染料轧染产生色差的原因,提出了相应的预防措施,诸如根据染料用量决定初染加水率,根据Na2S用量决定初始氧化剂用量,根据织物克重决定氧化剂补充量等;并基于多年的生产经验,给出了上述工艺参数的参考值.     

活性轧染的边中色差控制

活性染料轧染咖啡、棕色、军绿等敏感色时易产生边中色差.文中比较系统地分析了产生色差的原因,如前处理煮退不匀、去碱不净,染色时轧车轧液、轧槽加料不匀、烘燥时染料泳移等,并提出了解决措施,以及在染色操作中需予以重视的事项.     

In vivo visual reporter system for detection of estrogen-like substances by transgenic medaka

Detection of endocrine disrupting chemicals, in particular, environmental estrogens with living organisms, has many advantages if compared to chemical analysis. The screening of novel pollutants with meaningful endpoints, the integration of uptake, bioconcentration, and excretion as well as the evaluation of endocrine disrupting effects with respect to toxicity require in vivo biotests for estrogen-like substances (ELSs). Critical disadvantages of whole organism biotests are their low sensitivity and the need for laborious and time-consuming work. To overcome these problems, we have developed a transgenic medaka strain harboring the green fluorescence protein (GFP) gene driven by choriogenin H gene regulatory elements. Choriogenin H is an egg envelope protein induced by estrogens in the liver. With yolk sac larvae of this strain, GFP induction in liver was observed 24 h after onset of aqueous exposure to 0.63 nM 17beta-estradiol (E2), 0.34 nM ethynylestradiol, or 14.8 nM estrone. Furthermore, concentrated sewage treatment effluent induced GFP expression. Comparison of E2 equivalents estimated by GFP-induction in transgenic medaka, a YES assay, and GC/MS showed detection limits in the same order of magnitude. These results indicated that the sensitivity of the transgenic medaka strain was sufficient for application as an alternative model in monitoring environmental water samples for ELSs.