Аннотації

ДОСЛІДЖЕННЯ ТА ДИЗАЙН ОСНОВНИХ ДЕТЕКТОРІВ РИНКОВИХ СТИЛІВ ON ПРИСТРОЇ ДЛЯ ПЗЗУ

Автор(и):
Hu Yucai
Дата публікації:

03.10.2018

Анотація (укр):

У даній роботі представлена динамічна система вимірювання рівноваги сировини шовку з точки зору машини. Коли сировина шовку рухається з певною швидкістю привідним пристроєм, сирі шовкові зображення постійно фіксуються системою зйомки зображень, включаючи датчик лінії із зарядним зв'язком пристрою (ПЗЗ), телецентричні лінзи, джереа світла. Щоб точно витягнути основну частину сирого шовку, сирі шовкові зображення обробляються послідовно з пороговою сегментацією, функцією морфологічного відкриття. І тоді рівноважність сирого шовку характеризується розрахунком коефіцієнта варіації (значення CV) діаметра. Розглянто різні методи обробки зображень. У порівнянні з існуючими вимірюваннями та оцінкою рівноваги сировини шовку, такими як контроль обличчя та технологія виявлення ємності на дошці, метод вимірювання з використанням машинного зору має наступні характеристики. По-перше, оскільки пристрій для зйомки зображень є лінійним ПЗЗ з високим дозволом, динамічне вимірювання рівноваги сирого шовку може бути реалізоване з високою швидкістю. По-друге, телецентричні лінзи адаптовані в запланованому вимірі рівномірності сировини шовку, що дозволяє усунути вплив джитера сирого шовку вздовж оптичної осі при зйомці зображення. Нарешті, високоякісний сирний шовковий малюнок може надати інформацію про сировину шовку після сегментації порогу зображення та експлуатації морфології.

Анотація (рус):

Анотація (англ):

In this paper, a dynamic measurement system of raw silk evenness based on machine vision is introduced. When the raw silk is moving at a certain speed by a drive device, the raw silk images are continuously captured by image acquisition system including a Charge Coupled Device (CCD) line sensor, a telecentric lens, a light source. To extract the main body of the raw silk accurately, the raw silk images are processed sequentially with threshold segmentation, morphological opening operation. And then the raw silk evenness is characterized by calculating the coefficient of variation (CV value) of diameter. Different image processing methods are discussed. When compared with the existing measurement and assessment of raw silk evenness, such as blackboard manual eye inspection and capacitance-detecting technology, the measurement method using machine vision has following characteristics. Firstly, because the image capture equipment is linear CCD with high resolution, the dynamical measurement of raw silk evenness can be realized with high speed. Secondly, the telecentric lens is adopted in the designed raw silk evenness measurement, which can eliminate the influence of the jitter of raw silk along the optical axis when image capturing. Finally, the high quality raw silk image can provide the information about raw silk after image threshold segmentation and morphology operation.

Література:

References:

  1. Zhou, Y. (2009). Research and prospection on electric measurement on raw silk. Silk Monthly, 9, 43-51.
  2. Carvalho, V, Monteiro, J.L. (2008). Yarn evenness parameters evaluation: a new approach. Textile Research Journal, 78 (2), 119–127.
  3. Cheng, L, Zhao, L, Chen, L, Zhou, X. (2010). Digital image processing of cotton yarn seriplane. International Conference on Computer and Information Application (ICCIA), December 2010, Tianjin, China, 274-277.
  4. Liu, F, Zhou, W, Chen, G. (2012). Research of dynamic detecting the raw silk fineness on line by a linear CCD and FPGA. In Society of Photo-Optical Instrumentation Engineers (SPIE) Conference. November 2012, Beijin, China, 85630W-85630W.
  5. Junjuan, Li, Chen, Wang, Wenxiao, Tu, Baoqi, Zuo. (2015). A direct measurement method of yarn evenness based on machine vision, The Journal of Engineered Fibers and Fabrics, 10(4), 95-102.
  6. Fabijańska, A, Jackowska-Strumiłło, L. (2012). Image processing and analysis algorithms for yarn hairiness determination. Machine Vision and Applications, 23(3), 527-540.
  7. Luo, Y, Wu, C M, Zhang, Y. (2013). Facial expression recognition based on fusion feature of PCA and LBP with SVM. Optik, 3(124), 2767-2770.
  8. Demeyere, M, Rurimunzu, D, Eugène, C. (2007). Diameter measurement of spherical objects by laser triangulation in an ambulatory context. IEEE Transactions on Instrumentation and Measurement, 56(3), 867-872.
  9. ElMasry, G, Cubero, S, Moltó, Blasco, J. (2012). In-line sorting of irregular potatoes by using automated computer-based machine vision system. Journal of Food Engineering, 112(1), 60-68.
  10. Carvalho, V, Oliveira, F, Vasconcelos, R, Belsley, M. (2008). A comparative study between yarn diameter and yarn mass variation measurement systems using capacitive and optical sensor. Indian Journal of Fiber＆ Textile Research, 33, 119-125.