(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211144530.4 (22)申请日 2022.09.20 (65)同一申请的已公布的文献号 申请公布号 CN 115272301 A (43)申请公布日 2022.11.01 (73)专利权人 江苏新世嘉家纺高新科技股份有 限公司 地址 226000 江苏省南 通市海安市城东 镇 西港中路18号 (72)发明人 吴永惠　林静君　 (51)Int.Cl. G06T 7/00(2017.01) G06T 3/40(2006.01) G06V 10/46(2022.01) G06V 10/54(2022.01)审查员 朱雪梅 (54)发明名称 一种基于机器人的筒子纱缺陷自动检测方 法 (57)摘要 本发明涉及一种基于机器人的筒子纱缺陷 自动检测方法， 属于筒子纱缺陷自动检测技术领 域。 方法包括以下步骤： 根据重构特征序列中的 各重构关键参数和各重构关键参数的值， 得到各 第一纹理重构特征图中各像素点对应的重构特 征序列的信息损失量； 根据信息损失量， 得到各 第一纹理重构特征图中各像素点对应的重构特 征序列的有效程度； 根据有效程度， 得到各第一 纹理重构特征图对应的优先度； 根据优先度， 得 到所述目标表面图像对应的目标第一纹理重构 特征图； 根据目标第一纹理重构特征图中各像素 点的坐标和各像素点对应的重构特征序列的有 效程度， 得到目标表面图像对应的筒子纱表面的 乱纱程度。 本发 明能够提高对筒子纱缺陷检测的 准确性。 权利要求书4页 说明书15页 附图1页 CN 115272301 B 2022.12.23 CN 115272301 B 1.一种基于 机器人的筒子纱 缺陷自动检测方法， 其特 征在于， 该 方法包括如下步骤： 获取筒子纱退绕过程中的目标表面图像； 根据所述目标表面图像中各像素点对应的不同设定数量的邻域像素点， 得到目标表面 图像对应的各第一纹理特征图和对应的各第一纹理特征图中各像素点的像素值； 根据所述 第一纹理特征图， 得到目标表面图像对应的第二纹理特征图和对应的第二纹理特征图中各 像素点的像素值； 根据所述各第 一纹理特征图中各像素点的像素值， 得到各第 一纹理特征图中各像素点 对应的原始特征序列； 根据所述第二纹理特征图中各像素点的像素值， 得到第二纹理特征 图中各像素点对应的基准特征序列； 根据所述原始特征序列和基准特征序列， 得到各第一 纹理特征图中各像素点对应的重构特征序列； 根据所述重构特征序列， 得到各第一纹理特 征图对应的第一纹 理重构特 征图； 根据所述基准特征序列中的参数， 得到第 二纹理特征图中各像素点对应的基准特征序 列中的各基准关键参数和各基准关键参数的值； 根据所述各基准关键参数和各基准关键参数的值， 得到各第 一纹理重构特征图中各像 素点对应的重构特 征序列中的各重构关键参数和各重构关键参数的值； 根据所述各基准特征序列中的各基准关键参数、 各基准关键参数的值以及所述重构特 征序列中的各重构关键参数和各重构关键参数的值， 得到各第一纹理重构特征图中各像素 点对应的重构特 征序列的信息损失量； 根据所述信 息损失量， 得到各第 一纹理重构特征图中各像素点对应的重构特征序列的 有效程度； 根据所述有效程度， 得到各第一纹 理重构特 征图对应的优先度； 根据所述优先度， 得到所述目标表面图像对应的目标第一纹理重构特征图； 根据所述 目标第一纹理重构特征图中各像素点的坐标和各像素点对应的重构特征序列的有效程度， 得到目标表面图像对应的筒子纱表面的乱纱 程度； 所述根据 所述各基准特征序列中的各基准关键参数、 各基准关键参数的值以及所述重 构特征序列中的各重构关键参数和各重构关键参数的值， 得到各第一纹理重构特征图中各 像素点对应的重构特 征序列的信息损失量的方法， 包括： 统计所述基准特 征序列中基准关键参数的数量； 将所述重构特征序列中各参数的值记为所述重构特征序列中各参数对应的纵坐标值， 将所述重构特 征序列中各参数的次序记为所述重构特 征序列中各参数对应的横坐标值； 根据所述重构特征序列中各参数对应的纵坐标值和对应的横坐标值， 得到所述重构特 征序列中各重构关键参数对应的导数值； 根据所述各基准特征序列中的各基准关键参数、 各基准关键参数的值、 各基准关键参 数对应的导数值和基准关键参数的数量以及所述重构特征序列中的各重构关键参数、 各重 构关键参数的值和各重构关键参数对应的导数值， 得到各第一纹理重构特征图中各像素点 对应的重构特 征序列的信息损失量； 根据如下公式计算各第一纹理重构特征图中各像素点对应的重构特征序列的信息损 失量： 权　利　要　求　书 1/4 页 2 CN 115272301 B 2其中， 为第 个第一纹理重构特征图中第 个像素点对应的重构特征序列的信息损 失量， 为第二纹理特征图中第 个像素点对应的基准特征序列中基准关键参数的数量， 为第 个第一纹理重构特征图中第 个像素点对应的重构特征序列中第 个重构关键 参数的值， 为第 个第一纹理重构特征图中第 个像素点对应的重构特征序列中第 个 重构关键参数对应的导数值， 为第二纹理特征图中第 个像素点对应的基准特征序列中 第 个基准关键参数的值， 为第二纹理特征图中第 个像素点对应的基准特征序列中第 个基准关键参数对应的导数值。 2.如权利要求1所述的一种基于机器人的筒子纱缺陷自动检测方法， 其特征在于， 所述 根据所述目标表面图像中各像素点对应的不同设定数量的邻域像素点， 得到目标表面图像 对应的各第一纹理特征图和对应的各第一纹理特征图中各像素点的像素值； 根据所述第一 纹理特征图， 得到目标表面图像对应的第二纹 理特征图的方法， 包括： 利用LBP算法得到所述目标表面图像中各像素点在相同大小邻域内不同设定数量的邻 域像素点下 的目标表面图像对应的各第一纹理特征图和对应的各第一纹理特征图上的各 像素点对应的LBP值； 将所述 LBP值记为所述各第一纹 理特征图上的各像素点的像素值； 将所述目标表面图像中各像素点在相同大小邻域内最多设定数量的邻域像素点下的 目标表面图像对应的第一纹 理特征图记为目标表面图像对应的第二纹 理特征图。 3.如权利要求1所述的一种基于机器人的筒子纱缺陷自动检测方法， 其特征在于， 所述 根据所述各第一纹理特征图中各像素点的像素值， 得到各第一纹理特征图中各像素点对应 的原始特征序列； 根据所述第二纹理特征图中各像素点的像素值， 得到第二纹理特征图中 各像素点对应的基准特征序列； 根据所述原始特征序列和基准特征序列， 得到各第一纹理 特征图中各像素点对应的重构特征序列； 根据所述重构特征序列， 得到各第一纹理特征图 对应的第一纹 理重构特 征图的方法， 包括： 对所述各第 一纹理特征图中各像素点的像素值进行二进制转化， 得到各第 一纹理特征 图中各像素点对应的二进制数； 根据所述各第 一纹理特征图中各像素点的二进制数， 得到各第 一纹理特征图中各像素 点对应的原 始特征序列； 对所述第二纹理特征图中各像素点的像素值进行二进制转化， 得到第 二纹理特征图中 各像素点对应的二进制数； 根据所述第 二纹理特征图中各像素点对应的二进制数， 得到第 二纹理特征图中各像素 点对应的基准特 征序列； 利用多项式插值法对所述原始特征序列进行插值处理； 将所述插值处理后的所述原始 特征序列 记为各第一纹理特征图中各像素点对应的目标特征序列； 所述目标特征序列的长 度与所述基准特 征序列的长度相同； 根据所述目标特征序列中各参数的值与 预设参数阈值之间的差异， 对所述目标特征序权　利　要　求　书 2/4 页 3 CN 115272301 B 3