棉花中白色异性纤维的激光成像快速检测方法

现有的棉花异性纤维分拣机采用可见光照明成像,难以识别棉花中混杂的白色异性纤维。为了有效地检测出与棉花颜色相同或相近的白色异性纤维,该文采用线激光照明成像的方法,在固定线激光功率、波长和相机光圈的条件下,利用不同的曝光时间,获取了12种典型的白色异性纤维与皮棉的图像,分析其成像曝光时间与图像对比度之间的关系,发现不同的关系曲线存在一段共有的最优曝光峰值时间。在此曝光时间内,同一图像中的白色异性纤维已经"过曝",而棉花还处于欠饱和状态。二者图像灰度值的明显差异可用于检测棉花中的白色异性纤维。该文在线激光功率为0.8 W,波长650 nm,相机光圈为8C,曝光时间为1.6 ms的条件下获取了1 500幅图像。试验表明,采用简单的固定阈值法,皮棉中12种典型的白色异性纤维的识别率达到了95.8%。研究结果为提高棉花中白色异性纤维的识别率和速度提供了一条新途径。

基于线激光的棉花中白色异性纤维检测

针对棉花中白色异性纤维检测,分析了棉纤维与异性纤维不同的反光特性,在此基础上提出了一种基于线激光的检测方法。实验结果表明,在线激光照射下,棉花与白色异性纤维图像的灰度直方图呈双峰特性,显著提高了白色异性纤维与棉花背景之间的对比度,简单的图像二值化分割算法就能有效检测出大部分白色异性纤维,对6种典型实验白色异性纤维的平均检出率为92.08%。

基于不规则成像机器视觉的棉花白色异纤检测算法

基于不规则成像机器视觉系统,提出一种棉花白色异性纤维检测的图像分割算法:采用Gabor算子提取多个方向的特征向量,融合成特征图,由此增大背景与目标之间的对比度;然后基于特征图的统计规律进行二值分割,最后应用形态特征分离目标与背景。实验结果表明,该算法抗噪能力强、能检出白色异性纤维。

基于改进的粒子群多阈值算法的白色异性纤维检测

为了提高皮棉中白色异性纤维的识别精度,该文提出了一种基于改进混沌粒子群的白色异性纤维检测算法,该算法将图像的像素点按灰度值分为多类,把所有相邻类间方差看做一个粒子种群,以最大类间方差组作为种群适应度评价函数。通过滑动窗口技术判断算法是否陷入局部最优。有效克服了标准粒子群算法容易陷入局部最优的缺陷。通过试验验证,该文提出的算法对白色异性纤维的识别准确率达到98.6%。通过与标准二维Otsu算法的对比分割试验发现在分割较细小的白色异性纤维以及白色纤维与皮棉发生重叠的情况时,该算法的分割结果比标准二维Otsu算法更准确,噪声点更少。为皮棉异性纤维检测与剔除工艺的改善提供了技术依据。

基于线激光截面成像的棉花白色异性纤维检测方法

针对棉层表面散布绒毛或游离的纤维细丝,而异性纤维表面光洁无毛的特点,提出了一种基于线激光的样本截面图像获取方法,获取并显示了其微观结构在激光照射下的图像差异。在此基础上,根据激光照射下二者周围有无高亮度的星点,以及星点的分布特征,提出了一种棉花中白色异性纤维的识别算法。实验结果表明,该方法对棉花中典型白色异性纤维的识别率达到了86.9%。

60AT4型异纤分拣机最优检测参数预测

探讨60AT4型异纤分拣机的结构特点和设备调试方法,对其最优检测参数进行了预测。异纤检出率作为评价异纤分拣机检测性能的重要指标,其主要的影响因素有检测参数、风机频率(棉流速度)和相机白平衡值等。利用BP神经网络预测了设备的最优检测参数,并通过大量试验进行了验证,最终实际检出率与预期检出率的误差在5%左右。认为:预测的最优检测参数对于多种颜色块状和线状异纤的检测误差在允许范围内,能够满足实际生产需求。