基于残差结构的棉花异性纤维检测算法

针对棉花中异性纤维检测精度低、异性纤维隐藏或边角位置不易识别等原因导致检测效果不佳的问题,提出一种基于残差结构的棉花异性纤维检测算法。首先,针对异性纤维检测目标,提出一种棉花异性纤维在线检测方案;其次,针对异性纤维颜色、纹理、位置等特征,构建深浅层混合数据集;在此基础上设计了残差结构的异性纤维检测网络模型算法,解决了现有检测算法精度低、异性纤维隐藏或边角位置的问题;最后,将该算法与传统经典算法对比实验。结果表明:在深浅层混合数据集下,与经典算法对比,该算法具有较高的准确性和实时性,其平均检测准确率达到88.48%,1张图像的检测速度为0.019 s,满足工业现场实时检测需求,为棉花中异性纤维检测提供了一种新方法。

基于Canny算子的优化研究

为消除图像的噪声,提高图像数据计算性能,提出了一种改进的Canny优化算法。首先,对Canny算法第一步骤高斯模糊进行改进,通过像素扩充对边缘进行优化,提高计算性能,优化图像边缘信息;其次,在非极大值抑制中添加特殊像素点进行判断;最后,采用Otsu对图像进行阈值分割,提高效率,保证边缘信息的连续性。实验结果表明,与传统的边缘检测算子相比,改进后的算法不仅有效消除了图像的黑边问题,还增加了图像边缘的连续性,算法的时间复杂度平均提高了45.77%。