обоснование применения методов автоматизированного

Метод оценки структурных параметров стеблевого слоя льняной тресты
1
УДК677.072:681.5
ОБОСНОВАНИЕ ПРИМЕНЕНИЯ МЕТОДОВ
АВТОМАТИЗИРОВАННОГО РАСПОЗНАВАНИЯ ОБРАЗОВ
ДЛЯ ОЦЕНКИ ИЗВИТОСТИ САМОКРУЧЕНЫХ КОМПЛЕКСНЫХ НИТЕЙ
А.Б. Волгин*
Исходя из анализа существующих методов определения извитости текстильных нитей показана
необходимость в разработке новых методов, основанных на автоматизированном распознавании образов.
Самокрученая комплексная нить, извитость, графический образ, распознавание.
1
Целью настоящей работы является выбор метода контроля извитости для нового класса
нитей – самокрученых комплексных нитей с эластаном (СКНЭ), получаемых самоскручиванием его
с компонентами из натуральных (хлопок, лен, шерсть) и химических (ПАН, полиэфир, капрон)
волокон. Для достижения указанной цели проводился анализ существующих методов определения
показателей извитости волокон и химических нитей.
Как известно [1], под извитостью понимают непрямолинейность, волнистость продольной
оси волокон и нитей. Синтетическим волокнам, текстурированным нитям извитость придают в
процессе их получения с целью повышения цепкости, растяжимости, объемности, в то время как
волокна шерсти обладают природной извитостью. Извитость играет важную роль, так как от ее
характеристик зависит выбор системы прядения, протекание технологических процессов
переработки волокон в пряжу и, как следствие, качество получаемых на выходе пряжи и изделий.
Согласно ГОСТ 23363–2001 [2] для синтетических структурированных нитей применяются
следующие показатели извитости: степень извитости – определяется как отношение изменения
длины текстурированной нити после воздействия распрямляющей нагрузки к длине распрямленной
текстурированной нити, устойчивость извитости – способность текстурированной нити
восстанавливать извитость после воздействия растягивающей нагрузки. Сущность метода измерения
заключается в определении изменения длины нити под действием нагрузок после обработки
горячим воздухом. Для измерений применяются измерительная стойка с крючками для
подвешивания мотков с вертикальными шкалами длиной не менее 500 мм или аппарат
«Текстурмат». Во втором случае определение и вычисление показателей извитости происходит
автоматически.
Согласно ГОСТ 13411–90 [3] для химических волокон и жгутов в качестве одного из
показателей извитости используется число завитков – метод определения заключается в подсчете
числа завитков на участке длины волокна. Степень извитости определяется как изменение длины
волокна после распрямления под действием заданной нагрузки. Определение устойчивости
извитости заключается в повторном определении степени извитости волокна после его
распрямления, дополнительного нагружения и «отдыха».
После снятия измерений результаты обрабатываются следующим образом. Число извитков
Х на 1 см вычисляют по формуле
X 
10 n
,
2 L0
(1)
где n – число вершин извитков, определяемое визуально;
L0 – длина нераспрямленного волокна.
Степень извитости волокна X1 вычисляется в процентах по формуле
X1 
L1  L0
100 ,
L1
(2)
где L1 – длина волокна после распрямления.
Устойчивость извитости определяют по формуле
X2 
X 1'
100 ,
X1
(3)
где X1' – вторая степень извитости,
*
Работа выполнена под руководством д.т.н., проф. П.Н. Рудовского
Метод оценки структурных параметров стеблевого слоя льняной тресты
X 1' 
L2  L0 ,
L2
2
(4)
где L2 – длина волокна после повторного распрямления.
За окончательный результат принимают среднее арифметическое результатов расчетов по
всем повторностям.
Анализ описанных методов показывает, что они имеют ряд существенных недостатков:
– они являются разрушающими, т.е. образец после испытаний непригоден для использования по
прямому назначению;
– высокая трудоемкость, связанная с необходимостью вручную производить нагружение образцов
и регистрацию полученных значений параметров, при этом количество испытаний должно
составлять не менее 50. В качестве первой попытки автоматизации процесса контроля
извитости можно рассматривать использование аппарата «Текстурмат». Однако при этом
процесс подготовки и установки каждого отдельного образца не автоматизируется, и не
устраняется сам принцип разрушающего контроля;
– субъективность некоторых методов [3], при котором подсчет количества завитков производится
лаборантом вручную;
– малая эффективность для СКНЭ (например, метод [2]).
Для исключения указанных недостатков при разработке метода контроля показателей
извитости для СКНЭ предлагается использование методов, основанных на системе распознавания
графических образов. Эти методы полностью автоматизированы, исключают влияние субъективного
фактора и позволят значительно увеличить объем выборки при измерениях без увеличения времени
контроля и трудозатрат.
Суть метода заключается в непрерывном получении оцифрованного изображения
движущейся нити с разрешением, позволяющим определять параметры извитости; распознавании
элементов изображения; регистрации их параметров и количества; статистической обработке
полученных данных и представлении результатов в удобном для специалистов виде. Одним из
обязательных требований при реализации такого способа является высокая скорость обработки,
которая позволила бы производить анализ извитости непрерывно движущейся нити в режиме
реального времени. Очевидно, что скорость обработки изображения связана не только с качеством
используемых для этого алгоритмов, но и с объемом самого изображения. В этом случае имеется
техническое противоречие, которое заключается в следующем. Для выявления мелких элементов
изображения требуется высокое разрешение, но при увеличении разрешения резко возрастает объем
информации, поступающей на обработку, что требует большего времени. Разрешение этого
противоречия является одной из задач настоящего исследования. Значение разрешения будет
выбираться экспериментально путем выявления оптимального соотношения «точность
распознавания/скорость обработки».
На рис. 1а приведен пример исходного графического изображения нити. Как один из
вариантов алгоритма определения показателя извитости предлагается подсчет площади замкнутых
областей
на
изображении
нити,
с последующим расчетом их площади Si и количества n.
Для снятия показателей программа определяет число замкнутых областей нейтрального
цвета фона (цвет фона задается до начала обработки изображения), рис.1б.
Рис. 1. Оцифрованное изображение самокрученой нити (а) и пример заполнения замкнутых областей при
подсчете их площади и количества (б)
Количество замкнутых областей на заданном участке будет соответствовать числу вершин
извитков. По аналогии с известным методом [3] можно определить показатель
X
n
.
L0
(5)
Метод оценки структурных параметров стеблевого слоя льняной тресты
3
Однако этот показатель, так же как и рассчитанный по формуле (1), не позволяет оценить
величину извитков и их неравномерность, что можно сделать с использованием следующих
параметров:
- средней площади извитков
n
 Si
S i
,
n
- неровноты извитков
H
,
(6)
(7)
S
n
где  
 ( Si  S ) 2
i
.
(8)
n 1
Предложенные показатели не являются окончательными их применение на практике
требует дополнительной апробации с целью определения эффективности и адекватности оценки
извитости с их помощью.
Выводы
1. В результате анализа установлено, что существующие методы оценки извитости пряжи
обладают тремя основными недостатками: они реализуются на основе разрушающих методов
контроля, субъективны и требуют существенных затрат времени.
2. Разработка методов оценки извитости пряжи на основе автоматизированного
распознавания образов требует решения ряда задач, таких как определение необходимого
разрешения изображения, отработка алгоритмического обеспечения и обоснование единичных
показателей.
СПИСОК ЛИТЕРАТУРЫ
1. Ellitex – текстильная библиотека [Электронный ресурс]. – Режим дострупа : http://www.ellitex.ru
/textil.
2. ГОСТ 23363–2001. Нити синтетические текстурированные. Метод определения показателей
извитости. – М., 2001.
3. ГОСТ 13411–90 Волокно и жгут химические. Методы определения извитости. – М. : Изд-во
стандартов, 1990.
BASIS OF USE OF PATTERN AUTOMATIC IDENTIFICATION METHODS
FOR SELF-TWISTED COMPLEX THREAD CRIMPINESS ESTIMATION
A.B. Volgin
On basis of analysis of existed methods of textile thread crimpiness definition necessity in development of new
methods based on pattern automatic identification is studied.
Self-twisted, identification, crimpiness, thread.
Рекомендована кафедрой ТМиСМ КГТУ
Поступила 6.04.2010