摘  要： 在現(xiàn)代紡紗工業(yè)中，現(xiàn)有的紡紗斷線檢測方法存在檢測效率低,、通用性差,、價格昂貴等不足，針對這些問題,，本文提出了一種基于視頻來進行斷線檢測的系統(tǒng),。該系統(tǒng)基于TMS320DM642平臺，通過對采集的圖像進行局部處理,，并對局部區(qū)域的紗線總數(shù)進行統(tǒng)計,，最后進行綜合判據(jù)來檢測斷線情況。經(jīng)過大量實驗證明,，文中設計的視頻斷線檢測系統(tǒng)在檢測過程中具有良好的可靠性且效率高,、實時性好、通用性強,。

　　關鍵詞： 斷線檢測,；TMS320DM642；圖像處理

0 引言

　　目前,，伴隨著光電技術和圖像處理技術的快速發(fā)展,，越來越多的光電技術以及數(shù)字圖像處理技術被應用到人們的生活當中，在工業(yè)領域中的應用也在不斷得到推廣,。圖像處理技術以其無接觸檢測方式,、低成本和高可靠性等優(yōu)點在工業(yè)過程監(jiān)測以及產(chǎn)品殘缺檢測等方面?zhèn)涫荜P注。本文提出的視頻斷線檢測系統(tǒng)是依據(jù)紡紗企業(yè)對生產(chǎn)需求而設計出來的,。

　　在國內紡紗工業(yè)中,，一些家庭式作坊仍然有一部分采用肉眼觀察的方式來檢測紡紗過程中的斷線情況，不僅效率低而且勞動強度大,，需要較多的人力,。在大規(guī)模的生產(chǎn)環(huán)境下,，國內紡紗斷線檢測方法主要采用基于壓電式的檢測裝置和紅外斷線監(jiān)測器等。其中,，基于壓電式的檢測裝置除了操作復雜影響效率外,，檢測環(huán)境的噪聲也容易對傳感器造成影響從而形成誤判；紅外斷線監(jiān)測器原理簡單,，操作簡便,，但是生產(chǎn)過程中紗線跳線、振動等現(xiàn)象亦對檢測帶來影響,。

　　因此,，在當前國內紡紗企業(yè)對生產(chǎn)環(huán)境中灰塵、溫度和濕度高要求的背景下,，基于TMS320DM642視頻斷線檢測系統(tǒng)通過采集紗線的圖像，對每幀圖像不同區(qū)域進行局部圖像處理,，然后統(tǒng)計不同區(qū)域的紗線總數(shù),，最后進行綜合判據(jù)得出檢測結果，若存在斷線則觸發(fā)蜂鳴器報警并停止機器,，否則繼續(xù)正常運行[1-4],。文中采用局部圖像處理方法有效地減少了處理數(shù)據(jù)量，有利于系統(tǒng)實時性的提升,，并綜合局部區(qū)域的檢測情況進行判定,，使檢測結果更加可靠。

1 視頻斷線檢測系統(tǒng)設計與實現(xiàn)

　　視頻斷線檢測系統(tǒng)可分為硬件部分和軟件部分,，其中硬件部分主要有前端視頻采集模塊,、視頻處理模塊、報警與控制模塊和視頻顯示模塊等,，軟件部分則包含圖像處理模塊以及斷線判定模塊[5],。

　　1.1 視頻斷線檢測系統(tǒng)原理

　　系統(tǒng)采用高分辨率的CCD圖像傳感器對紡紗圖像進行實時采集，采集到的圖像由A/D轉換后,，傳輸?shù)絋MS320DM642處理器進行圖像處理以及識別判定,，最終向紡紗機床發(fā)送是否斷線的信號并通過D/A轉換后將視頻傳輸?shù)斤@示器進行顯示。

　　1.2 硬件組成部分與設計

　　視頻斷線檢測系統(tǒng)的硬件部分主要由圖像采集模塊,、圖像處理模塊,、報警和控制模塊、圖像顯示模塊組成,。系統(tǒng)硬件結構如圖1所示,。

　　1.2.1 TMS320DM642圖像處理模塊

　　TMS320DM642在體系結構上采用Veloci TI超長指令結構，可以單周期發(fā)射多條指令,，實現(xiàn)指令級并行,，效率很高,。采用兩級緩存結構，在無CPU參與情況下,，64位的EDMA控制器可以完成映射存儲空間中的數(shù)據(jù)搬移,，有利于提高系統(tǒng)的并行性能。同時,，TMS320DM642還具有豐富的接口,，例如有3個可配置的視頻端口（VP0、VP1,、VP2）,、64位的外部內存接口（EMIF）、多通道緩沖串行端口（McBSP）,、I2C總線端口等,。

　　該模塊的主要功能是：由EDMA將采集到的視頻圖像數(shù)據(jù)搬運到CPU，然后CPU對數(shù)字視頻信息進行局部的中值濾波,、閾值化等預處理,，然后再對局部橫坐標上紗線數(shù)目進行統(tǒng)計并對三個局部處理結果進行綜合判定后，將處理結果傳輸?shù)捷敵瞿K,，通過直觀的形式給用戶提供相關的視頻信息,，同時將處理結果的數(shù)據(jù)通過GPIO口傳輸?shù)綀缶K，從而實現(xiàn)顯示與報警的功能,。

　　1.2.2 視頻圖像采集與輸出模塊實現(xiàn)

　　該系統(tǒng)視頻圖像采集模塊主要通過CCD攝像頭以及視頻解碼芯片TVP5150來實現(xiàn),，由于DM642的3個視頻接口都可以分為A和B兩個通道，故可支持6路視頻的輸入或者輸出,。

　　本文中采用其中4路視頻信號采集通道,，具體配置為：VPort0、VPort1均配置為輸入模式,，VPort2則配置為輸出模式,。采集到的視頻信號通過視頻解碼芯片TVP5150按照YCbCr4：2：2格式轉換為數(shù)字信號。視頻圖像采集模塊的硬件連接如圖2所示,。

　　當系統(tǒng)開始工作時,，視頻圖像采集模塊通過解碼BT.656得到YCbCr4：2：2格式的圖像數(shù)據(jù)，并由EDMA將數(shù)據(jù)傳輸?shù)絊DRAM中進行存儲,，CPU通過訪問SDRAM中的圖像數(shù)據(jù)進行相關的圖像算法處理,。其中DM642與TVP5150之間的通信主要通過I2C總線實現(xiàn)。

　　視頻輸出模塊采用了SAA7121視頻編碼芯片進行視頻編碼,，然后由顯示器對圖像進行顯示,。該系統(tǒng)將VPort2設置為輸出通道，當VPort2的A通道作為8位BT.656顯示時,，由DM642的VP2CTL0管腳提供行同步信號,，DM642的VP2CTL1管腳提供場同步信號,，而LLC信號則由DM642的VP2CLK0管腳提供。從DM642的VP2D（2~9）到SAA7121的MP（0~7）之間進行視頻信號的傳輸,，DM642對SAA7121的訪問與控制也是通過I2C總線來實現(xiàn),。系統(tǒng)上電后，DM642通過I2C總線對SAA7121進行初始化以及寄存器的配置,，為系統(tǒng)的視頻顯示做好準備,。

　　1.2.3報警與控制模塊的設計與實現(xiàn)

　　在視頻斷線檢測系統(tǒng)中，要求能夠及時響應斷線檢測的情況并控制操作臺運轉,，以便工人對斷線情況進行處理,。系統(tǒng)將由DM642實時處理完成的圖像視頻并實時輸出到顯示屏，方便工人第一時間知道斷線位置,；同時將目標數(shù)據(jù)通過GPIO口傳送到報警與控制模塊,，根據(jù)報警決策來觸發(fā)蜂鳴器以及實現(xiàn)對操作臺運轉的控制。報警與控制模塊由增強型89C51單片機以及蜂鳴器電路和控制電路組成,，該模塊電路圖如圖3所示,。

　　當通過視頻檢測滿足斷線條件后，立即觸發(fā)蜂鳴器報警并控制繼電器來對操作臺的運行情況進行控制,，從而實現(xiàn)一個工人可同時操作多臺機器的模式，提高紡紗工業(yè)的效率,。

2 系統(tǒng)軟件部分設計

　　系統(tǒng)上電以后,，DM642首先從Flash中加載運行程序，對主要芯片,、相關寄存器以及外圍設備進行初始化,，然后通過CCD攝像頭對視頻圖像進行采集，并將圖像數(shù)據(jù)傳輸?shù)浇獯a器TVP5150中,，視頻模擬信號經(jīng)過解碼器TVP5150的嵌位,、抗混疊濾波A/D轉換和YUV分離后，變成BT.656格式的視頻數(shù)據(jù)流傳送到DM642視頻口,，再由DM642視頻口解碼BT.656,，得到YCbCr4：2：2格式的視頻數(shù)據(jù)，通過EDMA將視頻數(shù)據(jù)搬運到SDRAM中進行存儲,。而CPU則通過訪問SDRAM中的圖像數(shù)據(jù)并對數(shù)據(jù)進行圖像處理以及對結果進行判定后,，將處理完的圖像數(shù)據(jù)經(jīng)SAA7121編碼后由顯示器顯示，并傳送判定信號給89C52來決定是否觸發(fā)蜂鳴器報警且停止機臺運轉,。整個系統(tǒng)軟件的流程圖如圖4所示,。

　　考慮到系統(tǒng)在檢測過程中對實時性的要求，文中首次采用了局部圖像處理的方法來減少運算量從而有效提升系統(tǒng)的實時性,。在局部圖像處理中主要采取圖像灰度化,、中值濾波等預處理,、開運算等圖像處理方法，然后再綜合局部圖像因素對斷線狀態(tài)進行判定,。其中所提到的局部圖像處理則是在一幀圖像中選取縱坐標為150,、300、450作為檢測中心,，以檢測中心上下取5個像素點的范圍為局部圖像處理區(qū)域,，檢測區(qū)域如圖5所示。

　　系統(tǒng)軟件算法主要步驟如下：

　?。?）圖像處理部分[6-8]

　　文中主要對圖像進行灰度化,、中值濾波以及閾值化等預處理。通過對圖像進行灰度化,，以便減少算法的耗時,；由于生產(chǎn)過程中，紗線存在抖動現(xiàn)象以及環(huán)境因素干擾,，采用中值濾波方法對圖像進行處理,，可以有效抑制脈沖干擾和椒鹽噪聲；為了濾除其他外界的干擾,，采用OTSU法對圖像進行閾值化處理來區(qū)分背景與紗線,，從而有利于后面對紗線數(shù)目的統(tǒng)計。

　　在對圖像進行以上圖像預處理后需要對二值化圖像進行腐蝕處理,，而在腐蝕處理過程中,，結構元素的選擇是圖像腐蝕效果的關鍵?？紤]到二值化后圖像中通常存在一些離散的細小噪點,，結合紗線一般呈豎直狀態(tài)，因此,，選取1×3的結構元素可以有效去除噪聲而且還可以減少計算量,。圖6為二值化圖像進行腐蝕前后的圖像。

　?。?）斷線檢測與識別

　　在對視頻圖像進行局部圖像處理后,，文中通過對處理后圖像中150、300,、450處的X軸方向上的紗線條數(shù)進行統(tǒng)計（設分別為N1,、N2、N3）,，并假設未斷線時紗線的總條數(shù)為N,，則由式（1）可知局部區(qū)域是否存在斷線可能。

　　f（Ni）=1,，Ni>N或Ni<N（其中i=1,，2,，3）0，else（1）

　　由式（1）可以看出,，當f（Ni）為1時,，說明在該局部區(qū)域內可能存在斷線，否則相反,。

　?。?）綜合判據(jù)[9]

　　根據(jù)實驗驗證情況，文中對一幀圖像在坐標為150,、300,、450處進行圖像局部處理，通過對幾處區(qū)域分別進行紗線總數(shù)統(tǒng)計,，最后得出檢測結果,。系統(tǒng)檢測到局部疑似斷線次數(shù)p可由式（2）表示：

　　p=f（Ni）  （i=1，2,，3）（2）

　　由于在紡紗過程中紗線處于繃緊狀態(tài),，因此如果存在斷線情況，局部區(qū)域的紗線總數(shù)必定不會等于N,，然后設定閾值T為2,，若p小于T，則表示沒有斷線,，否則存在斷線情況,，系統(tǒng)觸發(fā)蜂鳴器報警并停止機床運行。

3 實驗與結果分析

　　為了能夠減少環(huán)境對檢測過程的影響,，在實驗過程中將自制擋板固定在紗線與機臺之間，作為視頻斷線檢測圖像采集區(qū)域的背景,。圖7為在自制擋板背景下采集到的圖像示意圖,。系統(tǒng)以TMS320DM642作為圖像處理平臺，所采集到的圖像大小為720×480,。

　　實驗過程中分別采用局部圖像處理方法和整體圖像處理方法進行反復實驗,，觀察兩種方法的處理結果并記錄它們各自處理一幀圖像所耗費的時間來分析它們的性能。由圖8中兩種方法的圖像處理對比圖可以看出,，采用局部圖像處理方法對處理效果影響不大,，但通過表1中的數(shù)據(jù)分析可知，在同一平臺下處理相同長度圖像時,，基于局部圖像處理方法的算法比采用整體圖像處理算法明顯耗時少,。因此，文中采用局部圖像處理的方法很大程度上減少了計算量,，有助于提升系統(tǒng)實時性,。

　　在檢測過程中,，將圖像處理后的結果輸出到顯示屏上，方便工人確定斷線位置,，并通過軟件設置來監(jiān)測每個局部區(qū)域檢測到的紗線條數(shù),，顯示效果以及檢測結果如圖9所示。

　　由圖9可知,，在三個局部區(qū)域檢測紗線總數(shù)都為46時,，機床仍正常工作且蜂鳴器未出現(xiàn)報警現(xiàn)象；當三個局部區(qū)域檢測到有兩個及以上區(qū)域紗線總數(shù)小于46時,，蜂鳴器被觸發(fā)且機床停止工作,；而三個局部區(qū)域若只檢測到一個區(qū)域紗線總數(shù)小于46時，考慮到紡紗過程中,，紗線一旦斷線則紗線位置應該為空白,，因此此類情況可能是紗線存在顏色干擾或是受外界干擾所致，系統(tǒng)不產(chǎn)生警報,。

　　通過與參考文獻[10]中提出的檢測方法對比發(fā)現(xiàn),，文中提出的視頻斷線檢測方法不僅可以及時準確地檢測出斷線情況，而且可以更直觀地顯示斷線位置,，便以提升工人的工作效率,，對于不同型號的紡紗機床無需進行專門改進，通用性好,。

4 結論

　　文中針對紡紗工業(yè)生產(chǎn)過程中傳統(tǒng)斷線檢測技術的不足提出了一種基于視頻斷線檢測的系統(tǒng),，該系統(tǒng)以TMS320DM642為圖像算法處理平臺，結合局部圖像處理算法以及對結果的綜合判據(jù)來對斷線情況進行檢測,，該系統(tǒng)具有良好的實時性并且擁有友好的人機交互界面,。經(jīng)過反復的實驗驗證，該系統(tǒng)可以有效地檢測出紡紗中的斷線情況,，且可靠性強,、準確率高、通用性好,，無需對紡紗機床做改進,，即可適用于不同機臺類型。而對于紡紗工業(yè)中,，基于視頻檢測方法對于不同材質的紗線的缺陷檢測將是未來的一個研究重點,。

參考文獻

　　[1] RAHEJA J L， AJAY B,， CHAUDHARY A. Real time fabric defect detection system on an embedded DSP platform[J]. Optik-International Journal for Light and Electron Optics,， 2013， 124（21）：5280-5284.

　　[2] MUSA E. Line laser-based break sensor that detects light spots on yarns[J]. Optics and Lasers in Engineering， 2009,，47（7-8）：741-746.

　　[3] NATERI A S,， EBRAHIMI F， SADEGHZADE N. Evaluation of yarn defects by image processing technique[J]. Optik -International Journal for Light and Electron Optics,， 2014,，125（20）：5998-6002.

　　[4] NGAN H Y T， PANG G K H,， YUNG N H C. Automated fabric defect detection-a review[J]. Image and Vision Computing,， 2011，29（7）：442-458.

　　[5] 李曉沛,，周小勇,，馬軍山.基于Tms320dm642實時手勢識別系統(tǒng)的研究[J].光學儀器，2011,，33（6）：53-57.

　　[6] BAPTISTA P,， CUNHA T R， GAMA C,， et al. A new and practical method to obtain grain size measurements in sandy shores based on digital image acquisition and processing[J]. Sedimentary Geology,， 2012，282：294-306.

　　[7] 姜慧研,，司岳鵬,，雒興剛.基于改進的大津方法與區(qū)域生長的醫(yī)學圖像分割[J].東北大學學報：自然科學版，2006,，27（4）：398-401.

　　[8] 程培英.一種新穎的Ostu圖像閾值分割方法[J].計算機應用與軟件,，2009，26（5）：228-231.

　　[9] 王琳,，李愛國,，王新年，等.基于多特征融合的早期火災煙霧檢測[J].大連海事大學學報,，2014,，40（1）：97-100.

　　[10] 陳峰.基于單片機的紡紗斷線檢測控制裝置[J].現(xiàn)代電子技術，2013,，36（11）：122-124.