基于RBFNN模糊融合的纸病在线辨识

针对当前的各种纸病辨识方法只能对于一种或有限几种纸病有效辨识,且不能准确辨识难点纸病的问题,在全面分析纸病特征、研究和归纳各类纸病辨识方法的基础上,本文提出使用模糊融合器对纸病图像的多种特征值进行特征层融合,把多个纸病辨识方法结合在一起,以达到纸病高效、全面辨识的目的.由于径向基神经网络结构与模糊推理结构的等价性,使得径向基神经网络实现的多种纸病特征的信息融合系统具有结构简单和快速性的特点.实验表明:本文方法可以准确识别包括难点纸病在内的各种主要纸病.

基于两次二维Daubechies小波变换的纸病在线辨识方法研究

针对造纸生产线上纸病在线检测系统光源不均匀性和纸病难以识别的问题,通过建立纸病图像背景模型实现动态补偿光源的不均匀成分,并根据不同纸病图像的灰度分布规律,两次使用二维小波变换增强其灰度轮廓信息和提取灰度特征,以实现纸病的在线辨识。实验结果表明,该方法可以显著提高纸病辨识精度。