摘 要： 在现代纺纱工业中，现有的纺纱断线检测方法存在检测效率低、通用性差、价格昂贵等不足，针对这些问题，本文提出了一种基于视频来进行断线检测的系统。该系统基于TMS320DM642平台，通过对采集的图像进行局部处理，并对局部区域的纱线总数进行统计，最后进行综合判据来检测断线情况。经过大量实验证明，文中设计的视频断线检测系统在检测过程中具有良好的可靠性且效率高、实时性好、通用性强。
关键词： 断线检测；TMS320DM642；图像处理
0 引言
目前，伴随着光电技术和图像处理技术的快速发展，越来越多的光电技术以及数字图像处理技术被应用到人们的生活当中，在工业领域中的应用也在不断得到推广。图像处理技术以其无接触检测方式、低成本和高可靠性等优点在工业过程监测以及产品残缺检测等方面备受关注。本文提出的视频断线检测系统是依据纺纱企业对生产需求而设计出来的。
在国内纺纱工业中，一些家庭式作坊仍然有一部分采用肉眼观察的方式来检测纺纱过程中的断线情况，不仅效率低而且劳动强度大，需要较多的人力。在大规模的生产环境下，国内纺纱断线检测方法主要采用基于压电式的检测装置和红外断线监测器等。其中，基于压电式的检测装置除了操作复杂影响效率外，检测环境的噪声也容易对传感器造成影响从而形成误判；红外断线监测器原理简单，操作简便，但是生产过程中纱线跳线、振动等现象亦对检测带来影响。
因此，在当前国内纺纱企业对生产环境中灰尘、温度和湿度高要求的背景下，基于TMS320DM642视频断线检测系统通过采集纱线的图像，对每帧图像不同区域进行局部图像处理，然后统计不同区域的纱线总数，最后进行综合判据得出检测结果，若存在断线则触发蜂鸣器报警并停止机器，否则继续正常运行[1-4]。文中采用局部图像处理方法有效地减少了处理数据量，有利于系统实时性的提升，并综合局部区域的检测情况进行判定，使检测结果更加可靠。
1 视频断线检测系统设计与实现
视频断线检测系统可分为硬件部分和软件部分，其中硬件部分主要有前端视频采集模块、视频处理模块、报警与控制模块和视频显示模块等，软件部分则包含图像处理模块以及断线判定模块[5]。
1.1 视频断线检测系统原理
系统采用高分辨率的CCD图像传感器对纺纱图像进行实时采集，采集到的图像由A/D转换后，传输到TMS320DM642处理器进行图像处理以及识别判定，最终向纺纱机床发送是否断线的信号并通过D/A转换后将视频传输到显示器进行显示。
1.2 硬件组成部分与设计
视频断线检测系统的硬件部分主要由图像采集模块、图像处理模块、报警和控制模块、图像显示模块组成。系统硬件结构如图1所示。
1.2.1 TMS320DM642图像处理模块
TMS320DM642在体系结构上采用Veloci TI超长指令结构，可以单周期发射多条指令，实现指令级并行，效率很高。采用两级缓存结构，在无CPU参与情况下，64位的EDMA控制器可以完成映射存储空间中的数据搬移，有利于提高系统的并行性能。同时，TMS320DM642还具有丰富的接口，例如有3个可配置的视频端口（VP0、VP1、VP2）、64位的外部内存接口（EMIF）、多通道缓冲串行端口（McBSP）、I2C总线端口等。
该模块的主要功能是：由EDMA将采集到的视频图像数据搬运到CPU，然后CPU对数字视频信息进行局部的中值滤波、阈值化等预处理，然后再对局部横坐标上纱线数目进行统计并对三个局部处理结果进行综合判定后，将处理结果传输到输出模块，通过直观的形式给用户提供相关的视频信息，同时将处理结果的数据通过GPIO口传输到报警模块，从而实现显示与报警的功能。
1.2.2 视频图像采集与输出模块实现
该系统视频图像采集模块主要通过CCD摄像头以及视频解码芯片TVP5150来实现，由于DM642的3个视频接口都可以分为A和B两个通道，故可支持6路视频的输入或者输出。
本文中采用其中4路视频信号采集通道，具体配置为：VPort0、VPort1均配置为输入模式，VPort2则配置为输出模式。采集到的视频信号通过视频解码芯片TVP5150按照YCbCr4：2：2格式转换为数字信号。视频图像采集模块的硬件连接如图2所示。
当系统开始工作时，视频图像采集模块通过解码BT.656得到YCbCr4：2：2格式的图像数据，并由EDMA将数据传输到SDRAM中进行存储，CPU通过访问SDRAM中的图像数据进行相关的图像算法处理。其中DM642与TVP5150之间的通信主要通过I2C总线实现。
视频输出模块采用了SAA7121视频编码芯片进行视频编码，然后由显示器对图像进行显示。该系统将VPort2设置为输出通道，当VPort2的A通道作为8位BT.656显示时，由DM642的VP2CTL0管脚提供行同步信号，DM642的VP2CTL1管脚提供场同步信号，而LLC信号则由DM642的VP2CLK0管脚提供。从DM642的VP2D（2~9）到SAA7121的MP（0~7）之间进行视频信号的传输，DM642对SAA7121的访问与控制也是通过I2C总线来实现。系统上电后，DM642通过I2C总线对SAA7121进行初始化以及寄存器的配置，为系统的视频显示做好准备。
1.2.3报警与控制模块的设计与实现
在视频断线检测系统中，要求能够及时响应断线检测的情况并控制操作台运转，以便工人对断线情况进行处理。系统将由DM642实时处理完成的图像视频并实时输出到显示屏，方便工人第一时间知道断线位置；同时将目标数据通过GPIO口传送到报警与控制模块，根据报警决策来触发蜂鸣器以及实现对操作台运转的控制。报警与控制模块由增强型89C51单片机以及蜂鸣器电路和控制电路组成，该模块电路图如图3所示。
当通过视频检测满足断线条件后，立即触发蜂鸣器报警并控制继电器来对操作台的运行情况进行控制，从而实现一个工人可同时操作多台机器的模式，提高纺纱工业的效率。
2 系统软件部分设计
系统上电以后，DM642首先从Flash中加载运行程序，对主要芯片、相关寄存器以及外围设备进行初始化，然后通过CCD摄像头对视频图像进行采集，并将图像数据传输到解码器TVP5150中，视频模拟信号经过解码器TVP5150的嵌位、抗混叠滤波A/D转换和YUV分离后，变成BT.656格式的视频数据流传送到DM642视频口，再由DM642视频口解码BT.656，得到YCbCr4：2：2格式的视频数据，通过EDMA将视频数据搬运到SDRAM中进行存储。而CPU则通过访问SDRAM中的图像数据并对数据进行图像处理以及对结果进行判定后，将处理完的图像数据经SAA7121编码后由显示器显示，并传送判定信号给89C52来决定是否触发蜂鸣器报警且停止机台运转。整个系统软件的流程图如图4所示。
考虑到系统在检测过程中对实时性的要求，文中首次采用了局部图像处理的方法来减少运算量从而有效提升系统的实时性。在局部图像处理中主要采取图像灰度化、中值滤波等预处理、开运算等图像处理方法，然后再综合局部图像因素对断线状态进行判定。其中所提到的局部图像处理则是在一帧图像中选取纵坐标为150、300、450作为检测中心，以检测中心上下取5个像素点的范围为局部图像处理区域，检测区域如图5所示。
系统软件算法主要步骤如下：
（1）图像处理部分[6-8]
文中主要对图像进行灰度化、中值滤波以及阈值化等预处理。通过对图像进行灰度化，以便减少算法的耗时；由于生产过程中，纱线存在抖动现象以及环境因素干扰，采用中值滤波方法对图像进行处理，可以有效抑制脉冲干扰和椒盐噪声；为了滤除其他外界的干扰，采用OTSU法对图像进行阈值化处理来区分背景与纱线，从而有利于后面对纱线数目的统计。
在对图像进行以上图像预处理后需要对二值化图像进行腐蚀处理，而在腐蚀处理过程中，结构元素的选择是图像腐蚀效果的关键。考虑到二值化后图像中通常存在一些离散的细小噪点，结合纱线一般呈竖直状态，因此，选取1×3的结构元素可以有效去除噪声而且还可以减少计算量。图6为二值化图像进行腐蚀前后的图像。
（2）断线检测与识别
在对视频图像进行局部图像处理后，文中通过对处理后图像中150、300、450处的X轴方向上的纱线条数进行统计（设分别为N1、N2、N3），并假设未断线时纱线的总条数为N，则由式（1）可知局部区域是否存在断线可能。
f（Ni）=1，Ni>N或Ni<N（其中i=1，2，3）0，else（1）
由式（1）可以看出，当f（Ni）为1时，说明在该局部区域内可能存在断线，否则相反。
（3）综合判据[9]
根据实验验证情况，文中对一帧图像在坐标为150、300、450处进行图像局部处理，通过对几处区域分别进行纱线总数统计，最后得出检测结果。系统检测到局部疑似断线次数p可由式（2）表示：
p=f（Ni） （i=1，2，3）（2）
由于在纺纱过程中纱线处于绷紧状态，因此如果存在断线情况，局部区域的纱线总数必定不会等于N，然后设定阈值T为2，若p小于T，则表示没有断线，否则存在断线情况，系统触发蜂鸣器报警并停止机床运行。
3 实验与结果分析
为了能够减少环境对检测过程的影响，在实验过程中将自制挡板固定在纱线与机台之间，作为视频断线检测图像采集区域的背景。图7为在自制挡板背景下采集到的图像示意图。系统以TMS320DM642作为图像处理平台，所采集到的图像大小为720×480。
实验过程中分别采用局部图像处理方法和整体图像处理方法进行反复实验，观察两种方法的处理结果并记录它们各自处理一帧图像所耗费的时间来分析它们的性能。由图8中两种方法的图像处理对比图可以看出，采用局部图像处理方法对处理效果影响不大，但通过表1中的数据分析可知，在同一平台下处理相同长度图像时，基于局部图像处理方法的算法比采用整体图像处理算法明显耗时少。因此，文中采用局部图像处理的方法很大程度上减少了计算量，有助于提升系统实时性。
在检测过程中，将图像处理后的结果输出到显示屏上，方便工人确定断线位置，并通过软件设置来监测每个局部区域检测到的纱线条数，显示效果以及检测结果如图9所示。
由图9可知，在三个局部区域检测纱线总数都为46时，机床仍正常工作且蜂鸣器未出现报警现象；当三个局部区域检测到有两个及以上区域纱线总数小于46时，蜂鸣器被触发且机床停止工作；而三个局部区域若只检测到一个区域纱线总数小于46时，考虑到纺纱过程中，纱线一旦断线则纱线位置应该为空白，因此此类情况可能是纱线存在颜色干扰或是受外界干扰所致，系统不产生警报。
通过与参考文献[10]中提出的检测方法对比发现，文中提出的视频断线检测方法不仅可以及时准确地检测出断线情况，而且可以更直观地显示断线位置，便以提升工人的工作效率，对于不同型号的纺纱机床无需进行专门改进，通用性好。
4 结论
文中针对纺纱工业生产过程中传统断线检测技术的不足提出了一种基于视频断线检测的系统，该系统以TMS320DM642为图像算法处理平台，结合局部图像处理算法以及对结果的综合判据来对断线情况进行检测，该系统具有良好的实时性并且拥有友好的人机交互界面。经过反复的实验验证，该系统可以有效地检测出纺纱中的断线情况，且可靠性强、准确率高、通用性好，无需对纺纱机床做改进，即可适用于不同机台类型。而对于纺纱工业中，基于视频检测方法对于不同材质的纱线的缺陷检测将是未来的一个研究重点。
参考文献
[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] 李晓沛，周小勇，马军山.基于Tms320dm642实时手势识别系统的研究[J].光学仪器，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，司岳鹏，雒兴刚.基于改进的大津方法与区域生长的医学图像分割[J].东北大学学报：自然科学版，2006，27（4）：398-401.
[8] 程培英.一种新颖的Ostu图像阈值分割方法[J].计算机应用与软件，2009，26（5）：228-231.
[9] 王琳，李爱国，王新年，等.基于多特征融合的早期火灾烟雾检测[J].大连海事大学学报，2014，40（1）：97-100.
[10] 陈峰.基于单片机的纺纱断线检测控制装置[J].现代电子技术，2013，36（11）：122-124.