在筒子纱染色领域,卷绕密度的测量主要为传统的人工理想化计算和利用硬度计间接测量,存在测量结果准确性不理想、测量过程耗时较长等问题,且仅能以抽样测量的方式进行,以样本数据代替整体,无法对全体对象实现精确测量,导致对筒子纱染色质量的控制存在不确定性,完全不能满足生产的高效率、高精度、高质量需求,且生产环境较恶劣,对工作人员的健康存在安全隐患。研究高精度、高性能的筒子纱卷绕密度自动化测量技术,可解决传统方法存在的缺陷,促进染色领域的智能化发展水平,具有较高的研究意义。本课题深入分析筒子纱卷绕密度自动化测量系统所需的功能,提取其中的关键技术进行研究,主要研究内容如下:（1）筒纱姿态识别。针对采集到的筒子纱数字图像,预处理后分析对比常规自动阈值分割方法对目标区域的提取效果,选择处理效果较好的大津法,并对其引入改进粒子群优化算法（IPSO）,给出一种高效率的自动阈值分割获取感兴趣区域的方法。利用形态学处理改善提取出的目标区域形态,然后运用Hu不变矩提取图像特征,计算筒子纱姿态数据。实验结果为:姿态识别的平均误差为2.35°,平均耗时为0.845423 s。（2）硬件平台。以激光传感器与工业控制器为核心部件,设计并搭建筒子纱数字化扫描装置（硬件平台）,实现对目标对象的指定区域进行全自动无接触扫描,并将采集的数据传输给计算中心（软件平台）。（3）筒子纱卷绕密度的自动测量。本文提出一种基于激光扫描建模的筒子纱卷绕密度计算方法,首先分析数据中存在的各类干扰因素（无效点、纱筒点、重合点）,根据噪声特征分类给出处理方案:对于纱筒点,提出一种基于差值规律特征的纱筒点剔除方法,并设计了对应的差值特征规律自动获取算法;对于重合点,给出一种基于累加差值平均值的重合点自动剔除算法。然后基于完成预处理的数据进行数学建模,配合积分与密度公式,实现筒子纱卷绕密度的自动化测量。实验结果表明:10组重复测量数据的标准偏差值为0.0697%,测量相对误差不超过2.5%,相比于传统方法,具有精度高、效率快、稳定性好等优点。分析导致测量误差的原因后,对硬件平台进行优化升级,降低安装与结构设计不合理导致的误差,实验表明:改进装置针对多种类型的筒子纱,可将测量相对误差控制在1%左右。（4）筒子纱卷绕密度测量的自动补偿。基于灰色系统理论建立筒子纱卷绕密度的测量误差预测模型,实现由测量参数直接预测最终的测量误差,对实际测量的卷绕密度进行修正补偿,提高测量准确性。首先探究经典灰色模型MGM（1,n）与GM（1,n）在目标领域的建模适用性,然后针对现有模型的不足,通过对GM（1,n）模型引入幂指数与派生模型实现模型的非线性化,并采用IPSO和分数阶累加灰生成进一步优化,提出了一种新的更适用于目标领域的非线性灰色预测模型ISENGM（1,n）,实验数据表明:在三种不同情况下,该模型的预测结果与真实值之间的平均相对误差是0.49%、0.66%、0.80%,因此可对筒子纱卷绕密度的测量实现有效补偿。