李进飞,李建强,段玉堂,任国栋,史伟民

(浙江理工大学 机械与自动控制学院,杭州 310018)

随着工业4.0 的快速推进,机器代替工人的趋势不可逆转,因此为了提高纺纱[1]效率、降低人工成本,采用机器代替人工进行纱线打结大势所趋.自动换筒系统中的纱线自动打结机通过管道吸取纱线,机械机构利用管道中的纱线进行打结完成人工打结的任务,大大降低人工成本,提高了打结可靠性.但是纱线打结机正常运行的前提是管道吸取了所需的纱线,因此检测管道是否成功吸取纱线以及该纱线是否是所需颜色的纱线至关重要.

传感器方法如红外开关传感器[2]利用物体阻隔发射器与接收器通路的信号接收来判断是否有物体.由于纱线纤细,激光或者红外容易穿透纱线,所以难以对纱线进行检测.相比之下,采用摄像头对管道进行拍摄,利用图像处理的方法进行检测较为容易.传统的图像处理方法可以使用OpenCV 对图像进行HSV 颜色分离从而对图片中纱线进行提取,最终确定纱线及其颜色.但是对于一些纱线颜色与背景颜色相差不多以及各种各样的纱线进行检测时,该方法就显得较为复杂,且鲁棒性较差.

近年来,深度学习[3,4]的卷积神经网络在图像处理领域发展迅速赢得了广泛的关注.相比传统的图像处理方式,深度学习具有诸多优点,如模型具有可迁移性、无需手动设计特征、检测准确度高等特性.从卷积网络的出现到现在,已经出……