一种基于多尺度池化的新型视觉系统，用于真丝纱的高速缺陷检测

《Measurement》：A novel vision system based on multi-scale pooling for high-speed defect inspection of chenille yarn

绒面纱线缺陷检测的高效在线视觉系统研究，提出优化阈值二值化、多尺度池化特征提取及随机青蛙-PLS联合优化算法，实现99.10%精度与6.18ms/样本速度，支持11.33m/s高速质检且无需GPU。

　　

徐云|李子乐|李冲|杨成汉|张建新|罗建波

浙江科技大学信息科学与工程学院，中国杭州310018

摘要

对于像丝绒纱这样的纹理材料中的缺陷进行精确和快速的测量，仍然是工业质量控制中的一个挑战。本文提出了一种新颖且成本效益高的视觉测量系统来解决这一问题。首先，使用优化的阈值方法对图像进行二值化处理。接着，实施降维处理以保留主体信息并消除背景影响。然后，设计多尺度池化算法来生成特征序列。此外，结合随机蛙算法和偏最小二乘算法来确定最佳池化大小，从而生成特征向量。最后，使用人工神经网络进行缺陷分类。我们工作的一个关键贡献是一种创新的多尺度特征提取策略，以及随机蛙算法与偏最小二乘算法的结合，用于自动确定最佳池化尺度，从而为后续的人工神经网络分类生成具有高区分度的特征向量。实验验证了图像降维、特征向量和缺陷分类的效果。结果表明，我们的系统达到了99.10%的测量精度，每个样本的测量速度为6.18毫秒。这使得在纱线速度为每秒11.33米的情况下能够实现在线检测。重要的是，我们的方法计算效率高，且无需GPU，为丝绒纱生产中的质量检测提供了一种稳健、高性能且成本效益高的解决方案。

引言

作为纺织工业的基本原材料，纱线的生产质量监控对提高生产效率起着重要作用。因此，进行纱线缺陷检测对于确保生产质量和减少行业资源消耗至关重要[1]。根据不同类型的纱线和纺织产品的不同需求，许多研究人员专注于纱线直径测量和纱线毛羽度测量的研究[2]、[3]、[4]，以识别纱线缺陷（如压痕、稀疏处和粗细不均处）[5]、[6]、[7]、[8]，进而控制纱线质量以提升纺织产品的质量。

传统的纱线缺陷检测方法包括光电纱线缺陷检测和电容式纱线缺陷检测[9]。这两种方法都可以实现对普通纱线的缺陷检测。随着纺织技术的发展，纺织机械设备也在根据多样化的生产需求进行更新。由于其独特的功能和美学特性，花式纱线变得越来越重要[10]。然而，花式纱线的独特结构和复杂的纹理，特别是其捻合特性，对传统的缺陷检测方法提出了重大挑战。这种固有的困难常常导致漏检和误检。因此，针对花式纱线的缺陷检测方法是必要的。

随着计算机视觉技术和人工智能技术的快速发展[11]、[12]、[13]、[14]，通过捕获纱线图像并分析其特征可以实现花式纱线的缺陷检测。许多研究人员利用计算机视觉技术专注于花式纱线的缺陷检测。Goncalves等人提出了一种利用显微镜的纱线检测系统来检测棉纱的缺陷[15]，通过测量纱线直径并使用阈值方法来确定缺陷。该系统的检测率与商用设备Uster Tester 3相当。Amarnath等人使用显微镜成像方法捕获纱线图像[16]，测量并计算纱线的毛羽大小和面积，然后识别由毛羽引起的缺陷。这种方法只能在实验室环境中实施。Haleem等人开发了一种基于计算机视觉技术的在线系统，使用Viola-Jones对象检测算法来检测纱线的均匀度[17]，实现了高达92%的实时检测率。Xu等人提出了一种结合知识增强轮廓检测方法的深度学习技术来提取纱线的纯骨架边界[18]。这项技术显著提高了检测精度，将纱线制造系统的允许检测误差降低到大约1.5%–0.5%。为了实现在线检测，特别是对于工厂来说，研究人员用互补金属氧化物半导体（CMOS）相机替换了实验室显微镜。然而，这需要计算机的图形处理单元（GPU）提供强大的硬件支持，虽然系统成本增加，但识别速度较慢。Maros等人利用图像处理和控制图表基于自回归模型来监测丝绒纱的缺陷[19]，实现了对某些类型缺陷的实时监控。然而，对于特定缺陷，检测率仍然较低。Süle应用非相干成像技术和特征标准化方法，通过扫描和处理三维形态和表面纹理特征来检测丝绒纱[20]，并确定捻合度、毛羽度和直径变化系数。

尽管先前的研究证明了计算机视觉在纱线缺陷检测中的可行性，但仍存在一些问题：（1）一些实验室开发的方法受限于特定的照明条件，因为它们的性能对环境光变化非常敏感。（2）其他方法依赖于昂贵的硬件来测量均匀度、毛羽度和直径等质量参数，但它们无法直接进行缺陷检测。（3）此外，检测率和检测精度仍有待提高。因此，高效的花式纱线缺陷检测仍然是一个挑战。在我们的研究中，我们提出了一种多尺度池化和特征提取策略，用于高速测量和分类丝绒纱缺陷，以提高其生产质量。

章节摘录

丝绒纱及其缺陷

丝绒纱具有柔软、舒适和蓬松的特性，适用于服装面料、室内装饰材料等应用[21]。与单纱和合股纱相比，丝绒纱的结构类似于带有芯纱和绒毛纱的扁平条带[22]，如图1(a)所示。

芯纱保证了丝绒纱的整体强度，而绒毛纱则提供了柔软、蓬松和舒适的触感。

丝绒纱的缺陷检测

丝绒纱的缺陷检测流程图如图2所示。

该流程图包括图像降维、多尺度池化、特征向量生成和缺陷分类。对于图像采集，将使用带有背光源的工业相机获取丝绒纱的图像。然后对获取的图像进行处理，以进行后续的流程。

基于视觉测量的丝绒纱缺陷检测系统

如图11所示，设计了一种基于计算机视觉的丝绒纱缺陷检测系统。

该缺陷检测系统由缠绕机构和图像采集与分析系统组成。缠绕机构采用三相电机，电压为380伏特，由频率变压器控制，通过缠绕辊和纱线导向器调整丝绒纱通过图像采集区域的移动速度。

结论

本研究提出了一种高效且可量化的基于视觉的丝绒纱高速缺陷检测系统，该系统采用了多尺度池化策略。本研究的主要贡献包括：（1）基于优化的OTSU阈值方法引入了图像降维方法，有效减少了背景光源对缺陷检测的影响。（2）设计了多尺度池化方法来分离和量化不同的丝绒纱特征。

作者贡献声明

徐云：撰写 – 审稿与编辑，撰写 – 原稿，项目管理，方法论。李子乐：撰写 – 原稿，验证，调查，数据管理。李冲：可视化，数据管理。杨成汉：方法论，调查，形式分析。张建新：监督，项目管理。罗建波：资源管理，项目管理。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家自然科学基金（62203393）、浙江省自然科学基金（LQ20F030019）、浙江省科技厅的重点研发项目（2022C01188）以及浙江省基本公共福利研究计划（LGG22E050051）的财政支持。