用于连续检测纺纱机中的纱线缺陷的设备和方法与流程

1.本发明属于纺织纤维加工的领域，并且特别地属于用于对纺纱准备过程的产品的缺陷进行检测的仪器及方法的领域。特别地，本发明的目的是一种用于对在环锭纺纱机中生产的纱线中的缠结或结节、通常称为“棉结”进行检测的方法和设备。


背景技术：

2.众所周知，在对粗纱进行牵伸和加捻之后，纺纱机能够处理粗纱的筒管(bobbin，线筒、线轴)以获得纱线轴。
3.为此，纺纱机包括框架、由框架支撑的牵伸装置和导轨，该框架沿纵向轴线延伸并对悬挂粗纱筒管的经轴架进行支撑，该牵伸装置包括一组具有纵向延伸部的联接筒形件，待牵伸的粗纱从联接筒形件之间穿过，该导轨对纱锭进行承载，纱锭沿着纵向轴线成排并围绕纱锭的竖向轴线旋转，被牵伸和加捻的纱线卷绕在纱锭上。
4.众所周知，纱线中的瑕疵如何对织物的外观造成令人不快的影响，尤其是在有色织物的情况下。出于这个原因，行业内强烈需要监控缺陷的程度和频率，尤其是纤维缠结。
5.迄今为止，存在两种用于对纱线中的缺陷进行检测的工业方法。
6.第一种方法用于在实验室中分析样品，该样品包括从纺纱机上取下的一些线轴的纱线，通常借助于能够检测沿纱线的质量变化的电容传感器，从而确定缠结的类型和频率；这种方法总体上是可靠的，但不允许干预处理参数来提高纱线质量，也不能用于了解所发现的缺陷的原因，因为该方法是在纱线生产完成后进行的。例如，经常使用由uster technologies ag制造和销售的tester 5-s800。
7.第二种方法涉及使用基于电容或光学传感器的检测模块，该检测模块布置在用于卷绕纱线的纱锭处并配备有能够从纱线物理地消除缠结的刀片。即使在这种情况下，也不可能追踪产生缺陷的原因并相应地进行干预。
8.其他方法被应用于纱线卷绕阶段，该过程发生在纺纱机的下游；例如，由uster technologies ag生产和销售的基于电容传感器的quantum 3测试仪和loepfe brothers ltd生产和销售的基于光学传感器的yarnmaster prisma测试仪被广泛使用。
9.此外，本发明的第一目的是对纺纱机中纱线的缺陷进行检测，以便修改纺纱机或其他上游机器或维护程序的处理参数，从而获得更高质量的纱线。
10.上述方法不适用于该目的，部分原因是这些方法使用需要规则纱线供给的电容或光学传感器。
11.然而，在纺纱机的牵伸装置与卷绕装置之间，由于发生在下游的卷绕和加捻作用，纱线经历强烈的振动。
12.一些研究还涉及通过摄像机使用图像采集，然后处理图像以检测缠结。
13.例如，以下文章中描述了一些方法：
[0014]-li z、pan r和gao w.的formation of digital yarn black board using sequence images(利用序列图像形成数字纱线黑板).textile research journal.2016；
86:593-603；
[0015]-eldessouki m、ibrahim s和militky j.的a dynamic and robust image processing based method for measuring the yarn diameter and its variation(一种基于动态鲁棒图像处理的纱线直径及其变化测量方法).textile research journal.2014；84:1948-60；
[0016]-ling c、lianying z、li c和xuanli z的digital image processing of cotton yarn seriplane(棉纱丝机数字图像处理).2010international conference on computer and information application.2010，第274-7页；
[0017]-li z、xiong n、wang j、pan r、gao w和zhang n的an intelligent computer method for automatic mosaic of sequential slub yarn images based on image processing(基于图像处理的竹节纱序列图像自动拼接的智能计算机方法).textile research journal.2018；88:2854-66；
[0018]-carvalho v、soares f和vasconcelos r的artificial intelligence and image processing based techniques:atool for yarns parameterization and fabrics prediction(基于人工智能和图像处理的技术：纱线参数化和织物预测的工具).2009ieee conference on emerging technologies&factory automation.2009，第1-4页。
[0019]
然而，这些方法不适用于预期的工业目的，因为这些方法涉及使用规则供给的预张紧纱线。
[0020]
最后，例如在专利文献cn-a-111235709、cn-a-109389583、cn-a-105386174、de102018111648a1、wo2019130209a3、jp2018178282a和de102016121662a1中给出了一些解决方案。
[0021]
此外，当今已知的解决方案在结果的可靠性方面也不令人满意。实际上，纤维的一些轻微不规则性、例如一个区域中的纤维的轻微增大通常会被错误地识别为缠结或其他缺陷。


技术实现要素：

[0022]
本发明的目的是提供一种用于对在纺纱机中处理的纱线中的缺陷进行检测的方法和设备，该方法和设备满足工业的要求并且克服了上面参考现有技术讨论的缺点。
[0023]
该目的通过根据权利要求1的方法和根据权利要求17的设备来实现。从属权利要求确定了本发明的附加有利实施方式。
附图说明
[0024]
通过以下根据附图中的图以非限制性示例的方式给出的描述，根据本发明的方法和设备的特征和优点将变得明显，其中：
[0025]-图1示出了设置有根据本发明的检测设备的纺纱机；
[0026]-图2是图1中的纺纱机的示意图；
[0027]-图3a和图3b示出了具有相应像素轮廓的原始棉结的正图像；
[0028]-图4示出了一组合成棉结的正图像。
具体实施方式
[0029]
为了描述清楚，下面将参考用于检测棉结的方法和设备；然而，应当理解，本发明大体上适用于缺陷检测。
[0030]
参考附图，1总体上表示用于从粗纱筒管获得纱线轴的纺纱生产线的纺纱机，该纺纱机具有沿着纵向轴线x的延伸部。
[0031]
纺纱机1包括用于支撑部件的框架2和由框架2支撑的经轴架4，框架2由并排布置的一个或更多个部件制成。
[0032]
经轴架4包括竖向柱6和多个纵向横构件8，纵向横构件8由柱6支撑而处于预定高度。横杆8用于对粗纱的多个悬挂筒管b进行支撑。
[0033]
在横杆8下方，即在筒管b的下游，纺纱机1包括由框架2支撑的牵伸装置10。
[0034]
牵伸装置10包括多个下牵伸筒形件12a-12d，通常下牵伸筒形件的数量为三个或四个，下牵伸筒形件是机动的并且纵向延伸、由一件或多个件制成、结构不同、部段并排布置且对齐。
[0035]
牵伸装置10还包括纵向并排布置的多个压力臂14。每个压力臂承载上空转压力辊16。
[0036]
压力辊16与压力筒形件12a-12d联接并形成牵伸对，粗纱穿过所述牵伸对，粗纱由每个牵伸对的圆周速度牵伸，该圆周速度从上游到下游增大。
[0037]
纺纱机1还包括布置在牵伸装置10下方、紧接在第一牵伸筒形件12a下游的卷绕装置17。
[0038]
卷绕装置17包括纱线引导组件18，纱线引导组件18包括连接到框架2的支撑件20以及由支撑件20支撑并纵向并排布置的多个纱线引导器22。
[0039]
卷绕装置17还包括导轨23，导轨23位于纱线引导组件18下方，即纱线引导器22的下游。导轨23由框架2支撑并且能够以往复运动的方式竖向移动。
[0040]
卷绕装置17还包括沿轨道23纵向并排布置的多个纱锭24，每个纱锭能够围绕各自的竖向轴线旋转。
[0041]
在纺纱机1的正常运行中，卷绕在预定筒管b中的粗纱行进第一路径部段以进入牵伸装置10，并且离开该牵伸装置的粗纱被牵伸；被牵伸的粗纱r行进在牵伸装置与相应的纱锭24之间的第二路径部段s2，穿过相应的纱线引导器22。从对粗纱的牵伸和加捻中获得的纱线被卷绕到配装到纱锭上的管上，以形成纱线轴。
[0042]
根据本发明，在牵伸装置10与卷绕装置17之间限定有检测区域50，被牵伸的粗纱r的第二路径部段s2穿过该检测区域。
[0043]
穿过检测区域50的被牵伸的粗纱经受用于缺陷检测的过程，特别是用于通常被称为“棉结”的缠结或结节的检测的过程。
[0044]
检测过程包括采集步骤，在该采集步骤期间对在传输中通过检测区域50的粗纱r的至少一个部段r*的图像进行采集。
[0045]
为此，纺纱机1包括采集装置60，例如数字采集装置60，例如包括摄像机，采集装置60适于对在传输中通过检测区域50的粗纱r的至少一个部段r*的图像i进行采集。
[0046]
此外，优选地，纺纱机1包括照射装置62，该照射装置适于例如通过暖光或冷光、或者在变型实施方式中通过红外线来对检测区域50的包括粗纱r的部段r*的至少一个区域进
行照射。
[0047]
检测过程还包括由处理装置70执行的对由所述采集装置60采集的图像i进行处理的步骤。
[0048]
所述处理装置70被配置成通过自适应或机器学习检测算法来检测棉结，自适应或机器学习检测算法特别是haar级联类型，优选地基于viola-jones方法。viola-jones方法在由paul viola和michael jones在计算机视觉和模式识别会议(2001)上发表的论文“rapid object detection using a boosted cascade of simple features”中进行了说明，他们关于算法实现的教导特别地被并入本文。
[0049]
检测算法的学习基于成组的正图像ip和成组的负图像in，正图像ip即被牵伸的粗纱r的部段r*具有棉结的图像，负图像in中被牵伸的粗纱r的部段r*不具有棉结。
[0050]
根据第一实施方式(称为“具有原始棉结”)，从经牵拉的粗纱的图像开始进行学习，例如从在预定纺纱机的正常使用期间采集的图像开始进行学习，因此该图像描绘出具有棉结的部段和没有棉结的部段，成组的正图像中的正图像ip是通过处理每个图像的像素轮廓并将像素轮廓的至少一个峰值超过阈值的图像选择为正图像来确定的，其中所述像素轮廓是通过在图像的每一行上添加亮像素而获得的，阈值例如通过平均值和标准偏差确定(图3a和图3b)。
[0051]
此外，优选地，对正图像进行进一步选择，消除峰值由单个磨损的毛丝给出的图像；所述进一步选择是通过附加选择算法执行的或手动执行的。
[0052]
根据另一实施方式(称为“具有合成棉结”)，正图像ip是数字构建的并且由半圆或半椭圆的图像组成，该图像优选为竖向(图4)，例如在短轴和长轴的长度上彼此不同。
[0053]
根据又一实施方式(称为“混合”)，正图像ip包括具有原始棉结的正图像和具有合成棉结的正图像，即，结合上述两个实施方式。
[0054]
根据本发明的另一实施方式，所述处理装置被配置成使用卷积神经网络(cnn)和/或递归神经网络(rnn)类型的自适应或机器学习检测算法来检测棉结。
[0055]
在纺纱机的正常运行中，当粗纱r在传输中通过检测区域50时，采集装置60连续采集粗纱r的部段r*的图像i。
[0056]
所述图像i由处理装置70借助于机器学习检测算法或借助于卷积神经网络(cnn)和/或递归神经网络(rnn)进行处理以检测棉结的频率以及优选地检测棉结的形状，因此将它们按类型分类，机器学习检测算法特别是haar级联类型的，优选地基于viola-jones方法。
[0057]
基于这些发现，作为用于管理纺纱机或包括纺纱机及其诸如梳棉机、精梳机、并条机和粗纱机之类的上游机器的纺纱生产线的方法的一部分，纺纱机的加工参数，例如纱线的加捻、粗纱的牵伸和/或预牵伸、粗纱的类型和重量、轴橡胶的硬度、筒形件的规格、轴上的压力和生产速度，都被调整成提高粗纱质量，或调整纺纱机上游工艺的参数，例如加捻、牵伸和/或预牵伸、轴橡胶的硬度、筒形件的规格、轴上的压力、粗纱机的生产速度、牵伸机中的生产速度和牵伸装配规格、废品百分比、精梳机中的冲程数和组合机的牵伸单位规格、生产速度、梳理机和开清线中的棉结和杂物去除，或在纺纱机或其上游机器上进行的维护工作。
[0058]
创新地，根据本发明的用于检测纺纱机中的缺陷的设备和方法满足了行业的需要
并克服了上述缺陷。
[0059]
事实上，由于检测是在纺纱机中处理的粗纱上连续进行的，因此可以进行干预以修改纺纱机或上游机器上的处理参数，或者通过维护干预进行干预，以便提高纱线质量。
[0060]
此外，有利地，本发明确保结果的良好可靠性，因为本发明允许工业上可接受的主要缺陷和其他次要不规则之间的辨别。
[0061]
此外，所进行的测试表明，借助本发明的设备获得的读数与基于如前所述的当今通常使用的测试仪的测试之间具有良好的对应关系。
[0062]
此外，有利的是，根据本发明的图像处理非常快并且能够连续检测缺陷和快速行动以改进生产。
[0063]
显然，本领域的技术人员为了满足可能的需要，可以对上述方法和设备进行修改，这些修改均包含在所附权利要求所限定的保护范围内。

技术特征：
1.一种用于对在纺纱机中处理的被牵伸的粗纱(r)中的缺陷进行检测的方法，所述方法包括以下步骤：对在路径(s2)的部段(sr)中传输的被牵伸的所述粗纱(r)的图像(i)进行采集，以及对所述图像(i)进行数字处理以检测所述缺陷，其中，所述图像处理步骤(i)涉及使用机器学习检测算法来检测缺陷，其中，所述检测算法的学习是基于成组的正图像(ip)和成组的负图像(in)的，在所述正图像中描绘的粗纱部段具有缺陷，在所述负图像中描绘的粗纱部段不具有所述缺陷。2.根据权利要求1所述的方法，其中，所述处理步骤提供沿着所述粗纱(r)对缺陷的频率进行检测的步骤。3.根据权利要求1或2所述的方法，其中，所述处理步骤提供对所述缺陷的类型进行检测的步骤。4.根据前述权利要求中的任一项所述的方法，其中，从被牵伸的粗纱的图像开始学习具有缺陷的部段和不具有缺陷的部段，通过处理每个图像的像素轮廓并且将所述像素轮廓的至少一个峰值超出阈值的图像选择为正图像来确定所述正图像(ip)，其中通过在图像的每一行上添加亮像素来获得所述像素轮廓。5.根据权利要求4所述的方法，其中，通过所述轮廓的平均值和标准偏差来确定所述阈值。6.根据权利要求4或5所述的方法，其中，在预定纺纱机的正常使用期间获取对所述粗纱的图像的所述学习。7.根据权利要求4至6中的任一项所述的方法，其中，通过对峰值由单独拉出的毛丝形成的图像进行消除，来使所述正图像经受另外的选择。8.根据权利要求7所述的方法，其中，通过另外的选择算法执行所述另外的选择。9.根据权利要求7所述的方法，其中，所述另外的选择是手动执行的。10.根据前述权利要求中的任一项所述的方法，其中，所述正图像(ip)通过优选为竖向的半圆或半椭圆的图像来数字地构建并形成，所述优选为竖向的半圆或半椭圆的图像例如在短轴的长度上和长轴的长度上彼此不同。11.根据权利要求1至9中的任一项所述的方法，其中，-所述正图像(ip)中的一部分是通过机器学习检测算法得到的；以及-所述正图像(ip)中的剩余部分是通过数字构造获得的。12.根据前述权利要求中的任一项所述的方法，其中，所述检测算法是haar级联类型的。13.根据权利要求12所述的方法，其中，haar级联类型的检测算法是基于viola-jones方法的。14.根据权利要求1至11中的任一项所述的方法，其中，所述算法具有卷积神经网络(cnn)类型和/或递归神经网络(rnn)类型。15.一种用于对纺纱生产线的纺纱机(1)进行管理的方法，包括：-根据前述权利要求中的任一项所述的用于对被牵伸的粗纱(r)中的缺陷进行检测的方法，以及-改变所述纺纱机的处理参数或对所述纺纱机进行维护操作的连续步骤。16.一种用于对纺纱生产线进行管理的方法，所述纺纱生产线包括纺纱机(1)和在所述
纺纱机的上游的用于织物处理的机器，所述方法包括：-根据权利要求1至14中的任一项所述的用于对所述纺纱机(1)上的缺陷进行检测的方法，以及-改变所述纺纱机上游的所述机器中的至少一台机器的处理参数或对所述纺纱机上游的所述机器中的至少一台机器进行维护操作的连续步骤。17.一种用于对在纺纱机中处理的被牵伸的粗纱(r)中的缺陷进行检测的设备，所述设备包括：-采集装置(60)，所述采集装置适于从位于所述纺纱机的牵伸装置(10)与卷绕装置(17)之间的检测区域(50)采集被牵伸的所述粗纱(r)的图像(i)，所述检测区域(50)被所述粗纱(r)的路径(s2)的部段(sr)穿过；-处理装置(70)，所述处理装置(70)以可操作的方式连接至所述采集装置，以用于对所述图像(i)进行数字处理并检测缺陷；所述处理装置(70)被配置成：通过机器学习检测算法来检测缺陷，其中，所述检测算法的学习是基于成组的正图像(ip)和成组的负图像(in)的，所述正图像中所表示的粗纱部段具有缺陷，所述负图像中所表示的被牵伸的粗纱部段不具有所述缺陷。

技术总结
一种用于对在纺纱机中处理的被牵伸的粗纱(R)中的缺陷进行检测的设备，该设备包括采集装置(60)和处理装置(70)，所述处理装置用于对所采集的图像(I)进行数字处理并通过机器学习检测算法来检测缺陷。习检测算法来检测缺陷。习检测算法来检测缺陷。


技术研发人员：马泰奥
受保护的技术使用者：马佐里机器纺织股份公司
技术研发日：2021.10.18
技术公布日：2023/8/1