張德成　張勇　許婧　茹秋利

摘 要：斷經(jīng)是機(jī)織物面料最常見(jiàn)疵點(diǎn)之一，也是判定面料品質(zhì)的重要指標(biāo)。為了避免斷經(jīng)疵點(diǎn)出現(xiàn)，紡織企業(yè)通常采取停經(jīng)片或人工巡臺(tái)措施來(lái)應(yīng)對(duì)，但這兩種方法不僅增加了生產(chǎn)工藝流程和人工成本，還會(huì)增加經(jīng)紗與停經(jīng)片磨損以及漏巡問(wèn)題。本文利用機(jī)器視覺(jué)精確在線采集圖像信息，模擬擋車(chē)工巡臺(tái)檢查，利用視覺(jué)算法對(duì)圖像信息進(jìn)行處理分析，從而識(shí)別斷經(jīng)，并觸發(fā)斷經(jīng)信號(hào)停機(jī)。同時(shí)，為降低成本，一臺(tái)自動(dòng)斷經(jīng)識(shí)別裝置控制多臺(tái)設(shè)備，實(shí)現(xiàn)多臺(tái)聯(lián)動(dòng)控制，降低企業(yè)智能化改造成本。該智能裝置實(shí)現(xiàn)機(jī)器代替人的勞動(dòng)，推動(dòng)紡織織造行業(yè)智能化水平提升。

關(guān)鍵詞：斷經(jīng)；機(jī)器視覺(jué)；圖像處理；視覺(jué)算法

中圖分類(lèi)號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095－414X（2023）05－0041－06

0? 引言

20世紀(jì)60至90年代，以無(wú)梭織機(jī)更新替代有梭織機(jī)的大趨勢(shì)，機(jī)械化、電器化無(wú)梭織機(jī)快速投入國(guó)內(nèi)市場(chǎng)，大幅提高了面料生產(chǎn)效率，也促進(jìn)了無(wú)梭織機(jī)自動(dòng)化改造升級(jí)。20世紀(jì)90年代至21世紀(jì)10年代，經(jīng)過(guò)近30年的發(fā)展，無(wú)論從織機(jī)轉(zhuǎn)速、運(yùn)轉(zhuǎn)穩(wěn)定性、品種適應(yīng)性等各個(gè)方面都有了巨大的發(fā)展。國(guó)內(nèi)開(kāi)始大面積引進(jìn)無(wú)梭織機(jī)，逐步成為國(guó)內(nèi)織機(jī)的一種主導(dǎo)機(jī)型。國(guó)產(chǎn)織機(jī)生產(chǎn)企業(yè)通過(guò)技術(shù)引進(jìn)、自主創(chuàng)新，出現(xiàn)了電子儲(chǔ)緯、變頻調(diào)速技術(shù)、電動(dòng)緯密調(diào)節(jié)、電子送經(jīng)、電子卷取、自動(dòng)穿綜、節(jié)能電機(jī)、電子多臂新技術(shù)等應(yīng)用在無(wú)梭織機(jī)上，織機(jī)生產(chǎn)品種規(guī)格也有了較大的發(fā)展。近年來(lái)，無(wú)梭織機(jī)發(fā)展趨于穩(wěn)定，仿佛也遇到發(fā)展瓶頸，由以往追求織機(jī)高速運(yùn)轉(zhuǎn)，逐漸朝低噪音、智能化、信息化方向發(fā)展。我國(guó)海佳、引春等無(wú)梭織機(jī)紡織機(jī)械生產(chǎn)企業(yè)取得快速發(fā)展，甚至在織機(jī)智能化、信息化領(lǐng)域超過(guò)國(guó)外先進(jìn)設(shè)備。隨著科技發(fā)展、智能化水平提高以及人工成本增加，斷經(jīng)自停裝置的重要性和必要性逐漸被重視[1]。傳統(tǒng)機(jī)械式斷經(jīng)自停裝置如圖1所示，利用短路控制系統(tǒng)，將千萬(wàn)根停經(jīng)片穿入經(jīng)絲的上方，如發(fā)生斷經(jīng)，停經(jīng)片依靠自重下落與停經(jīng)條導(dǎo)通，形成短路，電控裝置采集到斷經(jīng)信號(hào)，并觸發(fā)停車(chē)信號(hào)，這種方法增加坯布生產(chǎn)工序流程和人工成本，并且在整個(gè)生產(chǎn)過(guò)程中停經(jīng)片始終與經(jīng)紗摩擦。對(duì)于化纖長(zhǎng)絲品種，依靠人工巡臺(tái)肉眼識(shí)別斷經(jīng)，占用擋車(chē)工大量時(shí)間，人工成本較高，會(huì)有漏檢，不能第一時(shí)間發(fā)現(xiàn)斷經(jīng)情況。針對(duì)當(dāng)前企業(yè)發(fā)展遇到的問(wèn)題，特提出機(jī)器視覺(jué)斷經(jīng)自停裝置，實(shí)現(xiàn)智能織造，該研究裝置能夠填補(bǔ)空白，提升無(wú)梭織機(jī)智能化水平。

1? 視覺(jué)系統(tǒng)硬件方案設(shè)計(jì)

該無(wú)梭織機(jī)斷經(jīng)智能識(shí)別裝置集圖像釆集、圖像處理、通信、機(jī)電控制于一體，具有智能化處理的功能[2]。利用機(jī)器視覺(jué)檢測(cè)代替?zhèn)鹘y(tǒng)斷經(jīng)自停裝置和人工巡臺(tái)，可以實(shí)現(xiàn)在工人現(xiàn)場(chǎng)的非接觸式斷經(jīng)檢測(cè)，整個(gè)系統(tǒng)由定焦工業(yè)相機(jī)、光源、靜音移動(dòng)軌道、工控機(jī)等組成（如圖2所示），單臺(tái)視覺(jué)裝置可以巡臺(tái)聯(lián)動(dòng)控制多臺(tái)（20～40臺(tái)），提升機(jī)器視覺(jué)設(shè)備利用率，同時(shí)降低紡織企業(yè)設(shè)備智能升級(jí)改造成本。

1.1 視覺(jué)系統(tǒng)光源

光源的作用是有效突出識(shí)別目標(biāo)，與背景明顯分別，獲得高品質(zhì)、高對(duì)比度的圖像，高質(zhì)量圖片影響處理精度和速度。通過(guò)表1主要光源技術(shù)性能指標(biāo)綜合對(duì)比，選擇LED燈作為本裝置光源[3]。

該裝置設(shè)計(jì)使用嵌入鏡頭外圍環(huán)形LED（發(fā)光二極管）光源。再對(duì)光源前向、后向、斜角不同補(bǔ)光測(cè)試對(duì)比（如圖3所示），通過(guò)在不同光源條件下打光測(cè)試發(fā)現(xiàn)，LED（發(fā)光二極管）光源正向、背向打光圖像質(zhì)量更高，輪廓更加清晰，目標(biāo)特征信息最突出。綜合考慮后期安裝、維護(hù)，選正向打光。

1.2 工業(yè)相機(jī)

工業(yè)相機(jī)是機(jī)器視覺(jué)系統(tǒng)中一個(gè)核心組件，其本質(zhì)功能就是將光信號(hào)轉(zhuǎn)換為可識(shí)別的電信號(hào)。工業(yè)相機(jī)具有圖像質(zhì)量高，傳輸能力快，抗干擾能力強(qiáng)特點(diǎn)。

1.2.1分辨率

項(xiàng)目所需要拍攝的經(jīng)紗尺寸寬是400mm，總長(zhǎng)度根據(jù)生產(chǎn)品種不同在1500mm～3600mm，圖片采集長(zhǎng)度為300mm。目前紡織企業(yè)生產(chǎn)紗線最細(xì)為20D，直徑26μm，30D直徑57μm；50D直徑73μm；75D直徑98μm。85%織造型企業(yè)生產(chǎn)原料為50D～150D纖維，其中50D、75D使用最普遍。所以，該裝置選用在75D為經(jīng)紗無(wú)梭織機(jī)，被檢測(cè)物體大小為400mm*300mm，疵點(diǎn)最小尺寸為98μm*98μm。

理論分辨率=（視野高度/精度）*（視野高度/精度）=（400/0.098）*（300/0.098）=1250萬(wàn)相素實(shí)際分辨率=理論分辨率*2=1250*2=2500萬(wàn)相素該裝置選用華谷動(dòng)力工業(yè)相機(jī)分辨率為3100萬(wàn)相素。

1.2.2? 其它參數(shù)選用

該視覺(jué)系統(tǒng)只需要檢查白色經(jīng)紗不需要檢測(cè)其它顏色，所以選用黑白相機(jī)，在圖像算法處理過(guò)程中對(duì)圖像灰度處理。圖像采集過(guò)程中，經(jīng)紗做上下開(kāi)口運(yùn)動(dòng)，所以選用全局快門(mén)工業(yè)相機(jī)。同時(shí)，為防止重影，采用1/500s短曝光時(shí)間?？紤]到裝置的通用性，傳輸距離都超過(guò)200m，并且要求圖像信號(hào)傳輸速度快、穩(wěn)定，所以使用CameraLink傳輸接口。工業(yè)鏡頭安裝尺寸為550±20mm。相機(jī)與鏡頭通過(guò)Ｃ口旋合。最終該裝置工業(yè)相機(jī)配置參數(shù)如表2。

1.3 靜音移動(dòng)軌道

導(dǎo)軌作用在于將工業(yè)相機(jī)在無(wú)梭織機(jī)經(jīng)軸上方勻速移動(dòng)，移動(dòng)過(guò)程中，無(wú)卡頓、抖動(dòng)、啟停平穩(wěn)。驅(qū)動(dòng)方式作用帶鋼絲同步帶，同步帶寬度為22mm，結(jié)合圖像算法處理速度設(shè)計(jì)出工業(yè)相機(jī)移動(dòng)速度為1.5 m/s。精度±1mm。采用電機(jī)與工業(yè)相機(jī)分離設(shè)計(jì)，避免電機(jī)轉(zhuǎn)動(dòng)噪音。在動(dòng)能傳遞過(guò)程中采用減震圈和塑料皮帶，避免抖動(dòng)。如圖4所示。該設(shè)計(jì)可以實(shí)現(xiàn)長(zhǎng)行程移動(dòng)，這樣企業(yè)可以根據(jù)實(shí)際生產(chǎn)現(xiàn)狀靈活調(diào)整。

2? 視覺(jué)系統(tǒng)軟件方案設(shè)計(jì)

視覺(jué)算法處理是實(shí)現(xiàn)硬件系統(tǒng)與數(shù)字圖像橋梁[4]，該軟件采用操作系統(tǒng)使用win 10，語(yǔ)言python 3.8，開(kāi)發(fā)工具使用PyCharm 社區(qū)版，庫(kù)：OpenCV 4.5.5作為開(kāi)發(fā)環(huán)境。OpenCV提供了很多圖像處理和計(jì)算機(jī)視覺(jué)的算法的接口，廣泛應(yīng)用于人機(jī)互動(dòng)、圖像分割、人臉識(shí)別、自動(dòng)駕駛等，具有強(qiáng)大的功能、算法集成度高而占有相當(dāng)大的優(yōu)勢(shì)[5-6]。

在經(jīng)絲圖像采集過(guò)程中，由于經(jīng)絲很細(xì)，在圖像中只是很窄的一條縫，因此其他圖像中白色的噪聲都會(huì)影響到經(jīng)絲的檢測(cè)。另外，織造車(chē)間每臺(tái)織機(jī)都依靠電機(jī)驅(qū)動(dòng)，在生產(chǎn)過(guò)程中，如電氣設(shè)備電磁干擾，散粒噪聲，熱噪聲都會(huì)在圖像采集過(guò)程中產(chǎn)生隨機(jī)鹽點(diǎn)和胡椒點(diǎn)斑點(diǎn)，妨礙圖像處理理解[7]。如何通過(guò)去噪算法，增加圖像斷經(jīng)特征是關(guān)鍵。為提升圖像算法處理效率，降低算法復(fù)雜程度，需要提前對(duì)圖像做降噪、特征區(qū)域提取，閥值分割，從而提升圖像質(zhì)量，突出目標(biāo)特征信息[8]。圖像處理邏輯圖如圖5。

2.1 圖像濾波降噪

通過(guò)采集的圖像和灰度直方圖，可以發(fā)現(xiàn)圖像有隨機(jī)產(chǎn)生鹽點(diǎn)或胡椒點(diǎn)椒鹽噪聲，在圖像中的表現(xiàn)為離散分布的純白色（鹽點(diǎn)）或者黑色像素點(diǎn)（胡椒點(diǎn)）。首先通過(guò)中值濾波算法進(jìn)行降噪，使用具體函數(shù)blur（3，3），將卷積核設(shè)為3×3。該方法是以目標(biāo)像素灰度值為中心一圈共有九個(gè)像素點(diǎn)（40+107+25）+（198+226+223）+（37+58+193）/9=123，然后用這九個(gè)像素點(diǎn)灰度值進(jìn)行求平均值[9]，再將得到的值替換掉目標(biāo)像素點(diǎn)，實(shí)現(xiàn)過(guò)程如圖6所示。

通過(guò)3×3中值濾波后，圖片椒鹽噪聲很好的去除，但是圖像經(jīng)紗背景有零星斑點(diǎn)，斑點(diǎn)顏色深，通過(guò)高斯濾波算法進(jìn)行噪聲去除，它是空域?yàn)V波算法一種，直接作用于每一個(gè)像素，去除圖像中毛刺，使圖像變的平滑[10]。圖7為濾波降噪主要算法，圖8為濾波降噪后得到的圖像。高斯濾波的分布公式為：

（1）

式（1）中：x2和y2表示圖像區(qū)域內(nèi)其他像素點(diǎn)至中心像素點(diǎn)距離； 代表的是方差，取值越大，圖像越平緩；越小，圖像越尖銳。

特征是某一類(lèi)對(duì)象區(qū)別于其他類(lèi)對(duì)象的相應(yīng)（本質(zhì)）特點(diǎn)或特性。圖像特征提取是從圖像中查找標(biāo)志性特征，它將直接影響到圖像識(shí)別效果[11]。它屬于圖像分析的范疇，是對(duì)圖像信息的深層理解，是數(shù)字圖像處理的高級(jí)階段，同時(shí)也是圖像識(shí)別的開(kāi)始。特征工程是圖像處理的必備工具，所以掌握它的重要性不言而喻。CMOS相機(jī)采集到的圖像，斷經(jīng)處的色像素增加，但是存在經(jīng)紗下方背景紋理，干擾圖片處理[12]。首先，通過(guò)弱化背景，增加圖像特征識(shí)別精準(zhǔn)度，通過(guò)閥值分割，二值化處理提取斷經(jīng)顯著特征[13-14]，整個(gè)過(guò)程如圖9。

通過(guò)對(duì)不同粗細(xì)、不同種類(lèi)、不同經(jīng)密斷經(jīng)圖像收集對(duì)比，斷經(jīng)處經(jīng)紗由以前平等順直變?yōu)閺澢鶾15]，斷經(jīng)處白色像素點(diǎn)增加（如圖10）。

2.2 機(jī)電一體化控制

單片機(jī)STM32是實(shí)現(xiàn)織機(jī)與計(jì)算機(jī)連接控制。機(jī)器視覺(jué)算法通過(guò)提取的圖像特征比對(duì)，若判斷出現(xiàn)斷經(jīng)，發(fā)送數(shù)字信號(hào)“1”斷經(jīng)信號(hào)給STM32單片機(jī)，STM32單片機(jī)可以根據(jù)計(jì)算機(jī)發(fā)送的信號(hào)，對(duì)正常運(yùn)轉(zhuǎn)織機(jī)常閉繼電器進(jìn)行斷開(kāi)控制，從而讓設(shè)備動(dòng)力部分三相電開(kāi)關(guān)斷開(kāi)，實(shí)現(xiàn)停機(jī)[16]。同時(shí)，觸發(fā)織機(jī)三色指示燈紅燈常亮，示意斷經(jīng)。

3 實(shí)驗(yàn)方案

機(jī)器視覺(jué)系統(tǒng)組成的五個(gè)關(guān)鍵部分，如圖11所示。結(jié)合現(xiàn)場(chǎng)生產(chǎn)狀況，確保在實(shí)際生產(chǎn)應(yīng)用可靠穩(wěn)定，該系統(tǒng)實(shí)驗(yàn)應(yīng)考慮兩個(gè)技術(shù)要求：可靠性、時(shí)效性[17]。

3.1 可靠性

斷經(jīng)檢測(cè)系統(tǒng)不能產(chǎn)生誤判，若經(jīng)絲斷裂而未能成功控制織機(jī)停車(chē)或者未斷經(jīng)而織機(jī)停車(chē)，都將會(huì)影響企業(yè)的產(chǎn)品質(zhì)量，為此，在織機(jī)生產(chǎn)線斷經(jīng)檢測(cè)過(guò)程中，斷經(jīng)檢測(cè)系統(tǒng)必須具有較高的可靠性。通過(guò)有效檢測(cè)率、誤判率、漏檢率來(lái)衡量，計(jì)算如式（2）、式（3）、式（4）所示。

在紡織企業(yè)，人為分別對(duì)滌綸化纖長(zhǎng)絲、彈絲，不同旦尼爾，不同斷經(jīng)時(shí)長(zhǎng)進(jìn)行模擬斷經(jīng)測(cè)試，通過(guò)100次斷經(jīng)測(cè)試實(shí)驗(yàn)，出現(xiàn)漏檢0次，誤判為3次，誤判的主要原因是剛剛發(fā)生斷經(jīng)時(shí)，斷經(jīng)特征不明顯，從而造成誤判，但是在第二次檢測(cè)時(shí)準(zhǔn)確識(shí)別。此次有效檢測(cè)率、誤判率、漏檢率測(cè)試結(jié)果分別為：97%；3%；0。

3.2? 時(shí)效性

斷經(jīng)檢測(cè)系統(tǒng)主要用于無(wú)梭織機(jī)生產(chǎn)線的斷經(jīng)檢測(cè)，停車(chē)系統(tǒng)需要根據(jù)機(jī)器視覺(jué)系統(tǒng)的斷經(jīng)檢測(cè)結(jié)果，按時(shí)作出相應(yīng)的動(dòng)作。該機(jī)器視覺(jué)斷經(jīng)識(shí)別裝置，移動(dòng)速度為1.5m/s，為了提高產(chǎn)品質(zhì)量，提升檢測(cè)效率，一臺(tái)裝置控制20臺(tái)織機(jī)，每臺(tái)織機(jī)平均需要2s，考慮到兩臺(tái)織機(jī)間有0.5m間距，完成20臺(tái)單次巡檢需用時(shí)約50s。以江蘇德順紡織有限公司織造車(chē)間為例，織機(jī)配置視覺(jué)斷經(jīng)識(shí)別裝置后，擋車(chē)工由以往看臺(tái)30臺(tái)/人提高到35臺(tái)/人。

4? 結(jié)論

本裝置從當(dāng)前企業(yè)的實(shí)際需求出發(fā)，積極探索智能化無(wú)梭織機(jī)輔助技術(shù)，著力提升紡織設(shè)備智能化水平，填補(bǔ)機(jī)器視覺(jué)應(yīng)用于無(wú)梭織機(jī)領(lǐng)域空白。該設(shè)計(jì)方案涉及多學(xué)科與紡織學(xué)科交叉融合，每個(gè)環(huán)節(jié)都影響系統(tǒng)整體運(yùn)行的穩(wěn)定。該智能裝置實(shí)現(xiàn)機(jī)器代替人工自動(dòng)檢測(cè)，實(shí)現(xiàn)智能聯(lián)動(dòng)控制，減少企業(yè)人員用工，大幅提升設(shè)備生產(chǎn)效率，進(jìn)而提升企業(yè)經(jīng)濟(jì)效益，為中國(guó)制造2025發(fā)展戰(zhàn)略，碳達(dá)峰、碳中和目標(biāo)實(shí)現(xiàn)貢獻(xiàn)紡織力量。

參考文獻(xiàn)：

[1] Mina Fahimipirehgalin，Emanuel Trunzer，Matthias Oden- weller，et al.利用機(jī)器視覺(jué)技術(shù)對(duì)化工廠管道進(jìn)行自動(dòng)視覺(jué)泄漏檢測(cè)與定位[J]. Engineering，2021，7（6）：123-161.

[2] 于起峰，盧榮勝，劉曉利，等.“機(jī)器視覺(jué)技術(shù)及應(yīng)用”專(zhuān)題前言[J].激光與光電子學(xué)進(jìn)展， 2022，59（14）：3.

[3] 石全，宋志峰，徐自立，等.基于機(jī)器視覺(jué)的織物缺經(jīng)檢測(cè)系統(tǒng)[J/OL].棉紡織技術(shù)：1-5[2022-08-29] .

[4] 趙卓.基于機(jī)器視覺(jué)的織物瑕疵實(shí)時(shí)在線檢測(cè)系統(tǒng)的研究[D].西安：西安工程大學(xué)，2016.

[5] 吉學(xué)齊.無(wú)梭織機(jī)用新型光電式斷經(jīng)自停裝置的開(kāi)發(fā)[J].紡織器材，2020，47（5）：12-15.

[6] 付貴忠，牛福洲，陳浩，等.社會(huì)智能化趨勢(shì)下圖像處理與機(jī)器視覺(jué)課程教學(xué)新實(shí)踐[J].科技視界， 2022（17）：100-102.

[7] 徐偉鋒，胡俊武，祝新軍，等.機(jī)器視覺(jué)在智能化紡紗生產(chǎn)中的應(yīng)用現(xiàn)狀[J].棉紡織技術(shù)，2022，50（5）：71-74.

[8] 謝曉旦.計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)研究[J].無(wú)線互聯(lián)科技，2022，19（3）：103-104.

[9] 楊璐.基于計(jì)算機(jī)視覺(jué)算法的圖像處理技術(shù)研究[J].信息記錄材料，2021，22（9）：134-135.

[10] Billie FSpencer Jr，Vedhus Hoskere，Yasutaka Narazaki.基于計(jì)算機(jī)視覺(jué)的民用基礎(chǔ)設(shè)施的檢查與監(jiān)測(cè)研究進(jìn)展[J].Engineering，2019，5（2）：199-248.

[11] 郭繼昌，岳惠惠，張怡，等.圖像增強(qiáng)對(duì)顯著性目標(biāo)檢測(cè)的影響研究[J].中國(guó)圖象圖形學(xué)報(bào)，2022，27（7）：2129-2147.

[12] 趙朗月，吳一全.基于機(jī)器視覺(jué)的表面缺陷檢測(cè)方法研究進(jìn)展[J].儀器儀表學(xué)報(bào)，2022，43（1）：198-219.

[13] 江俊君，李震宇，劉賢明.基于深度學(xué)習(xí)的單目深度估計(jì)方法綜述[J].計(jì)算機(jī)學(xué)報(bào)，2022，45（6）：1276-1307.

[14] 羅東亮，蔡雨萱，楊子豪，等.工業(yè)缺陷檢測(cè)深度學(xué)習(xí)方法綜述[J].中國(guó)科學(xué)：信息科學(xué)，2022，52（6）：1002-1039.

[15] 劉紅帝，呂睿，田林靂，等.用于引導(dǎo)機(jī)器人定位的匯聚式雙目視覺(jué)算法實(shí)現(xiàn)[J].機(jī)械工程學(xué)報(bào)，2022，58（14）：161-169.

[16] 呂文濤，林琪琪，鐘佳瑩，等.面向織物疵點(diǎn)檢測(cè)的圖像處理技術(shù)研究進(jìn)展[J].紡織學(xué)報(bào)，2021，42（11）：197-206.

[17] 遲歡.基于機(jī)器視覺(jué)的編織袋缺陷在線檢測(cè)方法[J].激光與光電子學(xué)進(jìn)展，2020，57（20）：320-327.

Research and Development of Intelligent Recognition Device for Shuttless Loom Breaking Based on Machine Vision

ZHANG De-cheng1， ZHANG Yong1， XU Jing1，RU Qiu-li2

（1.Mondern CostumeCollege， Anhui Vocational and Technical College， Hefei Anhui 230011， China;

2.Jiangsu Deshun Textile Co.， LTD. Suqian Jiangsu 223800， China）

Abstract：Warp breaking is one of the most common defects in woven fabric and is also an important index to judge fabric quality. In order to avoid breakage， textile enterprises take stoppage or manual inspection measures. These two methods not only increase the production process and labor costs， but also increase the wear and leakage of warp and stoppage. In this paper， the machine vision is used to accurately collect image information， simulate the car stopper inspection， and use the algorithm to process and analyze the image information， so as to identify the broken warp， and trigger the broken signal to stop. At the same time， in order to reduce the cost， an automatic identification device to control multiple devices， to achieve multiple linkage control， reduce the cost of intelligent transformation of enterprises. The intelligent device can replace human labor by machine and promote the textileintellectualization level of weaving industry.

Keywords：broken meridian; machine vision; image processing; visual algorithm

（責(zé)任編輯：周莉）

作者簡(jiǎn)介：張德成（1985-），男，講師、經(jīng)濟(jì)師，研究方向：織造設(shè)備及生產(chǎn)工藝.

基金項(xiàng)目：2022年安徽省高校年度科研計(jì)劃項(xiàng)目（自然科學(xué)類(lèi)）（2022AH052066）；2021年度高等學(xué)校省級(jí)質(zhì)量工程教學(xué)研究項(xiàng)目（2021jyxm0782）；安徽職業(yè)技術(shù)學(xué)院校級(jí)質(zhì)量工程項(xiàng)目（azy2019mooc30）；安徽職業(yè)技術(shù)學(xué)院科研創(chuàng)新團(tuán)隊(duì)項(xiàng)目（2022xjkytd4）.