Разработка технологии и методов обнаружения внешних пороков текстильных материалов с применением локальных бинарных шаблонов и вейвлет-анализа

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Автореферат

на соискание учёной степени

Разработка технологии и методов обнаружения внешних пороков текстильных материалов с применением локальных бинарных шаблонов и вейвлет-анализа

05.19.02-Технология и первичная обработка

текстильных материалов и сырья

кандидата технических наук

Якунин Михаил Аркадьевич

Москва, 2011

Работа выполнена в Государственном общеобразовательном учреждении высшего профессионального образования «Российский заочный институт текстильной и лёгкой промышленности» на кафедре технологии тканей и трикотажа.

Научный руководитель: доктор технических наук, профессор Семин Михаил Иванович

Официальные оппоненты:

доктор технических наук, профессор Битус Евгений Иванович

кандидат технических наук, доцент Майоров Михаил Александрович

Ведущая организация: Центральный научно-исследовательский институт технологической оснастки текстильного оборудования (ОАО «ЦНИИмашдеталь»)

Защита состоится «14» июня 2011 г. в 11:00 на заседании диссертационного совета Д 212.201.01 при ГОУ ВПО «РосЗИТЛП» по адресу: Москва, ул. Народного Ополчения, д. 38, корп.2. Зал заседаний советов.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Российский заочный институт текстильной и лёгкой промышленности» и на сайте института www.roszitlp.com

Автореферат разослан «___» __________ 2011 г.

Учёный секретарь диссертационного совета Тихонова Т.П.

Общая характеристика работы

Актуальность работы. Пороки в ткачестве возникают уже на стадии выработки текстильных материалов вследствие неисправной работы ткацкого станка. Несвоевременное обнаружение пороков ведёт к снижению сортности ткани и, как следствие, к потере её стоимости.

На ткацких станках всех типов используют основные и уточные остановы, которые контролируют целостность соответствующих нитей. При обрыве нитей станок останавливают. Однако остановы, в силу ограниченности ассортимента рассматриваемых пороков, не могут обеспечить высокого качества ткани. По механической природе конструкции, остановы не дают информации о причинах появления дефекта. Разработка и внедрение комплекса поиска пороков с использованием доступных компьютерных средств при выработке ткани имеют высокую рентабельность, но при этом являются сложной научно-технической проблемой, решение которой в мировой практике до настоящего времени не реализовано в полном объеме. Создание комплекса поиска пороков включает в себя разработку методов обнаружения и классификации пороков внешнего вида ткацкого полотна.

Подобный комплекс позволит управлять частью технологического процесса выработки ткацкого полотна и даст возможность фиксировать пороки в режиме реального времени с целью исправления дефектных областей и предотвращения их возможного образования в дальнейшем.

Таким образом, разработка комплекса поиска дефектов при выработке ткацкого полотна, основанного на методах обнаружения и классификации пороков с применением доступных компьютерных средств, является актуальной задачей научного и прикладного исследования.

Целью диссертационной работы является решение задачи определения пороков с применением машинного зрения, удовлетворяющей практические нужды ткачества, а также разработка комплекса обнаружения пороков при выработке ткацкого полотна - для частичного управления технологическим процессом выработки ткани, а именно:

· фиксировать пороки ткани;

· останавливать - при необходимости - ткацкий станок;

· исправлять пороки ткани;

· предупреждать неисправности ткацкого оборудования.

Для достижения поставленных целей были решены следующие задачи:

· проведён анализ современного состояния проблемы поиска пороков с использованием машинного зрения;

· разработан двухступенчатый алгоритм определения пороков с использованием машинного зрения;

· разработан метод поиска пороков внешнего вида ткацкого полотна;

· разработан метод классификации пороков ткани с применением компьютерных средств;

· на основании метода определения пороков внешнего вида разработана структура комплекса поиска пороков ткацкого полотна при его выработке;

· проведены испытания разработанных методов на образцах тканей в производственных условиях на предмет выявления их работоспособности и преимуществ по сравнению с визуальным контролем ткацкого полотна.

Объектом исследования является технологический процесс выработки ткани; существующие системы контроля качества суровой ткани и способы их модернизации; дефекты ткани и причины их появления.

Предметом исследования являются управление технологическим процессом выработки хлопчатобумажной ткани; методы замены существующих предохранительных приспособлений бесчелночных ткацких станков; машинные алгоритмы выявления и анализа наиболее часто встречающихся пороков ткани, причины появления дефектов.

Методической и теоретической основой диссертации явились научные труды по текстильному материаловедению, технологии хлопкоткачества, методы и средства измерения, методы оценки и прогнозирования качества, аналитическая геометрия, методы математической статистики; методы компьютерной обработки цифровых изображений; методы фильтрации цифровых сигналов; прикладные методы обработки сигналов; алгоритмирование и программирование на языках высокого уровня.

Научная новизна. В диссертационной работе впервые получены следующие результаты:

· на основании анализа современного состояния проблемы поиска пороков с использованием машинного зрения разработан двухступенчатый алгоритм определения пороков, с целью наиболее быстрого определения дефектных областей и их точной классификации;

· на основе современных достижений анализа и методов преобразования цифрового изображения разработан алгоритм поиска дефектной области с помощью локальных бинарных шаблонов;

· на основе современных достижений прикладной математики, в области анализа нестационарных сигналов, разработан метод классификации пороков ткани с помощью вейвлет-функции Габора;

· на основе алгоритма по определению пороков разработан комплекс для управления технологическим процессом выработки ткацкого полотна, дающий возможность фиксировать пороки в режиме реального времени с целью исправления дефектных областей и предотвращения их дальнейшего образования.

Практическая значимость работы. В результате проведённых научных исследований разработаны исследовательские алгоритмы и программы для комплекса управления технологическим процессом выработки ткани. Разработаны методические указания по внедрению комплекса в технологический процесс. Данный комплекс позволит повысить качество выпускаемой ткани и даст возможность контролировать готовый продукт на всех этапах его формирования.

Апробация работы. Исследования проводились на кафедрах ГОУ ВПО «РосЗИТЛП»: технология тканей и трикотажа, техническая механика. Практические испытания разработанных методов и комплекса проводились в производственных условиях на фабрике ОАО «Группа компаний ОРЕТЕКС».

Основные материалы диссертационной работы изложены в докладах и тезисах:

· научно-технических и научно-практических конференций,

· в директорате ОАО «Группа компаний ОРЕТЕКС»,

· на кафедре технологии тканей и трикотажа ГОУ ВПО «РосЗИТЛП»,

· на кафедре технической механики ГОУ ВПО «РосЗИТЛП».

Публикации по теме диссертации. По теме диссертационной работы опубликованы статьи:

· в журналах «Спутник+. Естественные и технические науки». № 6. 2010; «Казанский Издательский Дом. Казанская наука». № 10. 2010; «Известия вузов. Технология текстильной промышленности». № 1. 2011; «Швейная промышленность». № 2. 2011;

· в сборниках «Инновационность научных исследований в текстильной и лёгкой промышленности», «Теоретические знания - в практические дела», «Современные информационные технологии в образовании, науке и промышленности»

На защиту выносятся следующие положения.

· Комплекс управления технологическим процессом выработки ткани.

· Алгоритм определения пороков внешнего вида ткацкого полотна.

· Метод поиска дефектной области с помощью локальных бинарных шаблонов.

· Метод классификации пороков ткани с помощью вейвлет-функции Габора.

Структура и объём работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и приложений. Работа изложена на 134 страницах.

Основное содержание работы

Во введении дано обоснование актуальности выбранной темы научного исследования, отмечена важность практической реализации научно-практического проекта по определению пороков внешнего вида, рассматривается общая характеристика работы, определены объекты исследования, его цели и задачи.

В первой главе даны общие сведения о качестве ткани и дефектах ткацкого полотна. Рассматривается современное состояние проблемы контроля качества ткацкого полотна. Проведён сравнительный анализ существующих комплексов и методов контроля качества ткани. Изучаются компьютерные алгоритмы распознавания рисунков и пороков ткани.

На основании проведённого анализа сделаны следующие заключения: визуальный контроль качества ткани становится менее эффективным; быстрое развитие компьютерных средств даёт возможность внедрить в технологический процесс ткацкого производства методы разбраковки ткани, основанные на сложных математических моделях; используемые в системах методы и алгоритмы поиска пороков неизвестны, т. к. являются коммерческой тайной разработчиков, что делает невозможным их оценку; методы, использующиеся в новых алгоритмах, не приносят полного успеха в разбраковке, отличаются невысокой скоростью работы, что важно в производственном процессе, но этот недостаток можно устранить, используя комбинацию методов для предварительного анализа и последующего более точного анализа.

Во второй главе рассматривается метод поиска дефектных областей ткацкого полотка с использованием машинного зрения. Для фильтрации изображения ткани был выбран алгоритм, основанный на локальных бинарных шаблонах (ЛБШ), а для анализа полученного бинарного кода использовалась математическая статистика - хи-квадрат.

ЛБШ представляет собой описание окрестности пикселя изображения в двоичной форме. Оператор ЛБШ, который применяется к пикселю изображения, использует восемь пикселей окрестности, принимая центральный пиксель в качестве порога. Т. е. пиксели, которые имеют значения больше, чем центральный пиксель (или равное ему), принимают значения «1», которые меньше центрального, принимают значения «0». Таким образом, получается восьмиразрядный бинарный код, который описывает окрестность пикселя. Пример работы оператора ЛБШ над полутоновым изображением показан на рисунке 1.

Рис. 1. Пример работы ЛБШ оператора

Часто применяется модификация ЛБШ, в которой используют пиксели окрестности, находящиеся на некотором расстоянии от центрального пикселя. В этом случае пиксели окрестности лежат на круге с радиусом R.

В задаче поиска пороков ткани для фильтрации изображения использовались не все ЛБШ, а только те, которым свойственно иметь не более двух переходов с «1» в «0» или наоборот. Обозначим их как .

В задаче поиска пороков, в силу возможной разницы между продольным и поперечным шагом переплетения, целесообразно использовать окрестность из пикселей в форме эллипса - ЭЛБШ, то есть для формирования ЛБШ будут использоваться те пиксели окрестности, которые лежат на эллипсе относительно центрального пикселя.

ЭЛБШ необходимо иметь для бездефектного отрезка ткани и для отрезка исследуемой ткани.

Далее проводится анализ, основанный на определении расстояния между гистограммами ткани образца и исследуемой ткани, используется хи-квадрат. Расстояние между изображениями S и M определяется по формуле:

где S_i,j и M_i,j - размеры столбика і из области j.

Таким образом, при «несовпадении» изображений можно утверждать, что найдена область с высокой вероятностью нахождения в ней дефекта.

Предложенный метод является начальным этапом общего метода определения пороков и служит для выявления дефектных областей с целью сокращения объёма начальной информации.

В третьей главе рассматривается метод классификации пороков ткацкого полотна с использованием компьютерного зрения. Основой метода является вейвлет-функция Габора, применение которой необходимо для отчистки изображения от шума, где в качестве шума примем всё, что не является пороком.

Функции Габора локализованы в пространственной и частотной области и имеют вид плоской волны с волновым вектором , на которую наложена гауссовская огибающая функция шириной , где :



Для вещественной функции вейвлет-коэффициенты будут находиться из свёртки функции с вейвлетом:

.

Так как функции локализованы в пространственной области, то характеризуют не всё изображение, а некоторую его часть, размер которой определяется параметром , а положение - аргументом «x».

Используемый набор масштабов функций Габора был предложен авторами работы Distortion invariant object recognition in the dynamic link architecture, которые провели исследования для двух значений пространственного фактора , определяющего расстояние между соседними масштабами ядер Габора, и различных значений параметра k_max, определяющего максимальный масштаб используемых ядер:

где v={0,…4}, u={1,…8}.

Результат преобразования будет состоять из сорока наборов вейвлет-коэффициентов. Эти вейвлет-коэффициенты необходимо получить для изображения образца (бездефектного отрезка ткани) и для дефектной области.

Тогда отчистка изображения от шума будет происходить следующим образом:

где ? вейвлет-коэффициенты изображения дефектной области;

? вейвлет-коэффициенты изображения образца;

i = [1……40].

В результате фильтрации получим полную картину дефектной области, очищенную от посторонних объектов (нити, точки узлов переплетений). Таким образом, поиск пороков сводится к поиску перепада значений яркости в цифровой матрице изображения, где 40 ? это бездефектная зона, а любое значение, отличное от 40, ? это зона с дефектом.

Рис. 2. Изображение дефектной области

Разработанный алгоритм позволяет получить точную информацию о положении дефекта, его размерах и ориентации в пространстве. Классификация пороков проводится путём подробного анализа выявленных дефектных областей.

Каждый порок является областью с известной яркостью дефектных пикселей. Координаты этих пикселей позволяют установить размеры порока, взаимную ориентацию нитей сетки ткани дефектной области в пространстве.

Пусть наибольший размер по горизонтали (рисунок 2) определяется как:

порок ткацкий полотно визуальный

и наибольший размер по вертикали определяется как:

Тогда размеры их проекций, взятые по направлению нитей утка или основы, будут равны:

Информация о размерах пороков позволила разделить все пороки на три группы: порок основы; порок утка; порок типа «пятно».

В диссертационной работе разработаны условия, позволяющие классифицировать пороки внутри группы.

Первое обязательное условие позволяет разделить пороки на группы. Принадлежность порока определённой группе выводится из отношения между размером взятого по направлению нитей основы (утка) и наибольшим размером дефекта по вертикали (горизонтали).

То есть:

и

В исследованиях образцов тканей выявлено:

если

то выявлен порок группы «порок основы»;

если

то выявлен порок группы «порок утка»;

если

и

то выявлен порок группы «порок типа "пятно"».

Второе условие позволяет классифицировать дефекты внутри группы.

Пороки основы. Если шаг по направлению уточной нити равен М, то для порока «близна» должно выполняться требование:

Если шаг по направлению уточной нити равен М, то для порока «рассечка» должно выполняться требование:

Пороки утка. Если шаг по направлению нити основы равен N, то для порока «забоина» должно выполняться требование:

Если шаг по направлению нити основы равен N, то для порока «недосека» должно выполняться требование:

Пороки типа «пятно». Пороки типа «пятно» не имеют направленности, для пороков этого класса необходимым условием является: и . При этом можно выделить пороки, размеры которых меньше либо равны шагу переплетения:

Это пороки «шишковатость», «мушковатость», «засоренность». Из-за схожести поведения уровней яркости в местах этих пороков пороки данной группы не различаются.

К другому классу пороков типа «пятно» относятся дефекты, размеры которых больше шага переплетения. Это пороки «дыра» и «пятно».

«Пятно» и «дыра» различаются уровнем яркости отражённого от них света.



Рис. 3. Изображение окрестности середины области с пороком

Пусть е>0 ? фиксированное число, характеризующее окрестность центра дефектной области в пределах области порока (рисунок 3).

Тогда:

Так как при пороке «дыра» открывается большая область однотонной подложки, то функция яркости на протяжении всего дефекта не меняется и выполняются условия:

и

где

и

При дефекте «пятно» функция яркости не постоянная из-за текстуры ткани. В этом случае выполняется условие:

и

где

и

Представленный метод является логическим завершением более общего метода поиска пороков, рассмотренного в главе 2, и отражает возможности его практического применения для тканых материалов.

В четвёртой главе рассматривается возможность реализации методов, приведённых в главах 2 и 3, в комплексе для управления технологическим процессом выработки ткани. В качестве управления процессом предложено останавливать станок при появлении дефектов для последующего их исправления.

Метод классификации, рассмотренный в главе 3, не только даёт возможность определить сортность ткани, но и расширяет практическую значимость комплекса ? позволяет комплексу выводить для оператора ткацкого станка информацию о причинах возникновения пороков.

В четвёртой главе также описана рентабельность использования данного комплекса. Для определения рентабельности приведено сравнение его работы на ткацком станке с работой в браковочном цехе. Выявлено основное преимущество ? оперативность реагирования на возникновение пороков.

Алгоритм работы комплекса составляет:

обучение комплекса - определение шага переплетения и построение эталонных моделей для сравнения;

определение пороков - поиск «дефектных областей» и их классификация; останов при появлении порока, для устранения дефекта;

информирование оператора о появлении порока;

информирование о причине возникновения порока.

В пятой главе изложены результаты испытаний метода определения пороков. Эксперименты проведены в производственных условиях в ОАО «Группа компаний ОРЕТЕКС».

По результатам испытаний получены следующие результаты: браковочный комплекс уверенно выделяет все дефектные зоны; лучше всего прибор идентифицирует пороки «пятно» и «дыра». На данных типах пороков процент ошибки равен нулю. При работе с пороками типа «близна» и «рассечка» отмечались единичные случаи ошибок разделения данных сравнительно близких дефектов; испытанная система показала высокую стабильность рабочих характеристик, способность комплекса к выделению дефектов практически не изменялась ни в течение восьмичасовой смены, ни в ходе многодневных испытаний.

Выводы

1. Разработан двухступенчатый алгоритм определения пороков с использованием машинного зрения.

2. На основе современных достижений анализа и методов преобразования цифрового изображения разработан алгоритм поиска дефектной области с помощью локальных бинарных шаблонов.

3. На основе современных достижений прикладной математики, в области анализа нестационарных сигналов, разработан метод классификации пороков ткани с помощью вейвлет-функции Габора. На основании полученных данных о классе порока проведён анализ возможных причин его появления.

4. Разработан комплекс управления технологическим процессом выработки ткани. Управление технологическим процессом заключается в возможности останавливать ткацкий станок при обнаружении порока ? для последующего его устранения. Показана рентабельность замены существующих предохранительных приспособлений бесчелночного ткацкого станка разработанным комплексом.

5. Разработаны методические указания по внедрению комплекса.

6. В рамках поставленной задачи проведена экспериментальная апробация метода определения пророков, реализованная в комплексе по управлению технологическим процессом выработки ткани.

Список работ, опубликованных по теме диссертации

Публикации в ведущих рецензируемых научных журналах и издания, рекомендованных ВАК:

1. Якунин М. А. Определение местных пороков ткани с использованием машинного зрения // Естественные и технические науки. 2010. № 6. - С. 582?585.

2. Семин М. И., Якунин М. А. Разбраковка ткацкого полотна с применением машинного зрения при его выработке // Известия вузов. Технология текстильной промышленности. 2011. № 1. - С. 119?122.

3. Якунин М. А. Применение метода неразрушающего контроля ткацкого полотна при его выработке и раскрое // Швейная промышленность. 2011. № 2. - С. 18?19.

Статьи в профессиональных журналах и научных сборниках, доклады на конференциях, научно-методические работы:

4. Якунин М. А. Обзор современного состояния проблемы контроля качества ткани // Сборник материалов Международной научно-методической конференции «Современные информационные технологии в образовании, науке и промышленности». - М.: РосЗИТЛП, 2009. Ч. 1. - С. 62?63.

5. Слабодянюк А. А., Якунин М. А. Применение вейвлет-преобразования для подготовки изображения ткацкого полотна к поиску дефектов // Сборник материалов Международной научно-технической конференции «Инновационность научных исследований в текстильной и лёгкой промышленности» ? М.: РосЗИТЛП, 2010. Книга 1. - С. 85?86.

6. Слабодянюк А. А., Якунин М. А. Подготовка изображения ткацкого полотна с помощью вейвлет-преобразования к анализу и поиску дефектов // Сборник научных статей XI Всероссийской научно-инновационной конференции аспирантов, студентов и молодых учёных с элементами научной школы «Теоретические знания - в практические дела» (с международным участием), г. Омск. Филиал ГОУ ВПО «РосЗИТЛП» в г. Омске, 2010. Ч. 1. - С. 46?47.

7. Якунин. М. А. Дефектация ткацкого полотна с использование машинного зрения // Казанская наука, Казань: ООО «Казанский Издательский Дом». 2010. № 10. - С. 75?77.

Размещено на Allbest.ru

...