随着劳动力的减少,用人成本不断提高,科技的不断发展,纺纱企业对设备的自动化和智能化提出了更高的要求。在纺纱工序流程中,来自络筒机上各种颜色的纱管杂乱混合在一起,纺纱车间再次使用这些纱管之前需要将其按颜色种类进行分拣。在纺纱车间依靠人工分拣纱管,工作环境恶劣,分拣方法效率低,已经不能满足车间再次使用的需求,这就需要更稳定以及更准确的分拣设备来代替人工分拣。理管机作为纺织行业中纺纱工艺的辅机,其主要功能是自动分拣纱管,而精确的颜色特征信息是分拣纱管的基础。由于以往科学技术不够先进,早期的理管机只针对纱管的大小端进行整理,后续研发的理管机虽然加上了颜色识别,但颜色识别种类较少,车间纱管颜色种类多,满足不了生产需求。本课题切合市场需求的背景,为了理管机能够更好地分拣纱管,将图像处理技术应用到理管机纱管的颜色自动识别中。本课题设计了一种新的纱管图像采集装置,并对采集得到的纱管图像进行平滑和锐化处理,根据颜色空间、颜色特征和颜色识别方法的特点,提出了一种基于感兴趣区域纱管的颜色识别方法,通过实验结果表明该方法得到的颜色识别正确率较高,理管机颜色识别关键技术研究对纺纱企业具有一定的借鉴意义。本课题主要研究内容有以下几个方面:(1)图像采集,本课题研究了纱管的物理特性和图像采集结构,设计理管机纱管图像采集方案,分析常用光源、照明方案和摄像机对获取图像的影响,完成了照明方案的设计和系统的硬件选型,研究树莓派和Python-OpenCV图像处理功能,搭建编译环境,编辑程序调用摄像机采集纱管图像,实现了纱管图像的采集,为后续研究提供图像数据。(2)图像处理,首先研究图像质量评价方法,选取无参考评价方法对得到的纱管图像进行质量评价分析,根据得到的实验结果证明设计的图像采集方案具有研究意义;其次分析图像噪声原理,并针对纱管图像进行滤波和锐化处理,提高纱管图像质量。(3)研究纱管图像颜色特征,分析不同的颜色空间特点和颜色特征表示方法并对其进行实验分析,选取纱管图像在HSV空间的H、S双通道颜色直方图为颜色阈值设置标准。针对纱管的颜色识别方法,利用权重分块思想提出了一种感兴趣区域纱管的颜色识别方法,并利用Canny检测算法提取感兴趣区域纱管,根据设计的颜色识别整体流程图对纱管进行颜色识别。最后,通过对实验结果进行分析,观察识别不同颜色的纱管情况,识别正确率高、系统稳定,验证本课题纱管图像采集方案、纱管图像处理、纱管颜色特征和基于感兴趣区域纱管的颜色识别方法的合理性,对纺纱企业纱管的自动分拣提供可借鉴意义。图52幅,表21个,参考文献65篇。