为客观评价黑板纱线毛羽水平,将绕有纱线的黑板经扫描仪采集图像,通过二值化、形态学运算、局部阈值等处理,得到黑板毛羽图像和毛羽量像素点,提出基于图像处理技术的环锭纺纱线黑板毛羽 M 指数,探讨 M 指数与毛羽 H 值、毛羽根数之间的...为客观评价黑板纱线毛羽水平,将绕有纱线的黑板经扫描仪采集图像,通过二值化、形态学运算、局部阈值等处理,得到黑板毛羽图像和毛羽量像素点,提出基于图像处理技术的环锭纺纱线黑板毛羽 M 指数,探讨 M 指数与毛羽 H 值、毛羽根数之间的关系。将24种环锭纺纱线的 S 1+2 值和 M 指数分别输入到BP(back propagation)神经网络和RBF(radical basis function)神经网络中训练并预测毛羽 H 值。将预测毛羽 H 值与实际毛羽 H 值进行比较,结果表明,在预测精度上,BP网络模型的预测效果最好,RBF网络次之,多元线性回归模型预测效果最差。展开更多
文摘为客观评价黑板纱线毛羽水平,将绕有纱线的黑板经扫描仪采集图像,通过二值化、形态学运算、局部阈值等处理,得到黑板毛羽图像和毛羽量像素点,提出基于图像处理技术的环锭纺纱线黑板毛羽 M 指数,探讨 M 指数与毛羽 H 值、毛羽根数之间的关系。将24种环锭纺纱线的 S 1+2 值和 M 指数分别输入到BP(back propagation)神经网络和RBF(radical basis function)神经网络中训练并预测毛羽 H 值。将预测毛羽 H 值与实际毛羽 H 值进行比较,结果表明,在预测精度上,BP网络模型的预测效果最好,RBF网络次之,多元线性回归模型预测效果最差。