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。

SECUROMAT SCFO异性纤维检测清除系统工作原理分析

介绍了SECUROMATSCFO异性纤维检测清除系统的基本结构和工作原理 ,指出SECUROMATSCFO异性纤维检测清除系统具有对异性纤维检测去除有效率高。

基于近红外光谱和残差神经网络的异性纤维分类识别

针对传统图像处理方法对棉层中异性纤维检测效果不佳的问题,基于近红外光谱和残差神经网络提出一种对棉层中异性纤维的分类识别方法。采用Savitzky-Golay法对异性纤维的近红外光谱数据进行平滑处理,结合F检验和LightGBM分类算法实现特征波长优选,并将优选后的光谱数据经格拉姆角场转换成保留波长序列之间时序性的格拉姆角和场图像;构建残差深度卷积神经网络模型,将转换后的格拉姆角和场图像作为训练样本对残差网络模型进行训练。实验结果表明,该方法能够有效地对复杂环境下棉层中的异性纤维进行分类,分类准确率达到99.69%,与其它数据转换方式和分类模型相比提高了棉层中异性纤维的分类识别精度,为复杂环境下异性纤维分类识别研究提供了新思路。

一种新型的异性纤维检测算法的研究

本文在对异性纤维检测问题进行深入分析探讨的基础上,提出了一种新型的异性纤维检测算法。该算法经过了严格的理论分析和数学论证,能够用少次数学运算代替原检测算法的多次运算,在保证异性纤维检测精度的同时进一步提高了检测速度,满足了当前对异性纤维自动检测系统提出的越来越快的实时性要求。文中所用的数学模型、算法和研发经验亦可移植和应用到相关实用项目(尤其是棉纺织领域)。

异性棉纤维智能检测和除杂方法研究

文中在研究国内外异性棉纤维检测方法的基础上提出智能异性棉纤维检测和除杂系统。该系统主要有智能机器视觉、智能反馈、智能除杂等三个重要环节,智能机器视觉是利用不同异性纤维在不同波段的光谱特征通过智能图像融合提取杂质信息,智能反馈系统主要是根据检测信息智能处理反馈信号,智能除杂系统主要针对杂质的分布情况智能处理各喷头的风力。同时采用复杂适应系统理论解决多智能体之间的协同配合问题。实验结果表明该方法能大大提高检测效率和除杂精度。

紫外线荧光效应及其在棉花异性纤维分拣系统中的应用

基于机器视觉技术的棉花异性纤维分拣是近几年来国内外研究的热点,为了有效分拣棉花中含有的与棉花色泽相近的异性纤维,提出了一种结合紫外线荧光效应的机器视觉方法应用于分拣棉花中的异性纤维。该方法利用紫外线的荧光效应突出与棉纤维色泽相近的异性纤维与棉纤维的特征差别,并根据异性纤维的类型归纳,提出了用非线性阈值判断算法进行检测。试验结果表明,在紫外线照射下,90%以上的白色异性纤维特征发生明显变化,算法具有非常高的拣出率,系统可以有效地清除棉花中异性纤维杂质。

基于视觉显著图的异性纤维彩色图像分割方法

为实现对棉花异性纤维自动视觉检测系统采集的彩色图像的精确分割,提出了基于视觉显著图的异性纤维彩色图像分割方法。通过计算颜色显著图,实现彩色异性纤维目标的识别;通过计算亮度显著图,实现灰色异性纤维目标的识别;将彩色和灰色目标进行融合,得到全部异性纤维目标。实验结果表明,该方法可以准确分割出异性纤维彩色图像中含有的各种异性纤维目标。通过比较发现,该方法在分割精度上明显优于其它方法,可以实现对异性纤维彩色图像的精确分割。

基于空间模型及连通域分析的异纤维在线检测

针对一直困扰棉纺企业的异性纤维问题,从工程实际出发,提出一种快速高效的棉花异纤维在线检测及定位方法。该方法在RGB颜色空间建立了一种判断异性纤维的检测模型及模型参数的离线学习方法,以实现棉花与异性纤维的快速分割;基于形态学处理及连通区域分析算法实现异纤维的准确定位。进一步通过对剔除系统中电磁阀的响应特性测试,提出了剔除时间补偿的思想,可以保证对异性纤维的精准剔除。实验结果表明,该方法能够有效地检测并剔除棉花中的大部分异性纤维。

棉花中异性纤维的多光谱检测

为有效检测棉花中与棉纤维形态、色泽极其相似的异性纤维杂质,提出一种利用多波段光谱信息融合成像检测的新方法。针对6种肉眼极难识别的异性纤维:无色塑料、黄麻、编织袋、白头发丝、白羊毛、猪鬃在7个离散波段光谱中的反射特性,获得不同波段光谱图像中异性纤维与棉纤维的图像特征差别,由此确定检测各异性纤维的最佳光谱波段。采用基于区域信息相关度权值小波分析算法将多个波段的图像进行融合,得到具有完整异性纤维特征信息的单幅杂质图像。实验结果表明,在多波段光谱融合图像中,异性纤维灰度、形态特征明显,可有效识别棉花中异性纤维杂质。