基于LBP和神经网络的织物疵点分类

织物疵点在销售中严重影响着产品的价格与品质,传统的织物疵点检测主要依靠人工检测,这种检测方式如今无法满足机器化时代下的高速度、高精度、高质量的要求。针对织物疵点检测难度大,效率低的问题,文章采用局部二值模式(LBP)和神经网络对织物疵点分类。首先,采用局部二值模式(LBP)对织物疵点纹理特征进行提取;其次,将特征值进行归一化处理并且将获得的特征值如能量、方差、熵等送入到已经训练好的BP神经网络中;最后,通过BP神经网络将前面送入的织物疵点特征值进行织物疵点先识别再分类;研究认为:基于局部二值模式和神经网络的织物疵点检测方法是一种可行的方法。该方法的平均准确率达到80%以上,平均召回率达到80%以上,分类的平均正确率达到85%以上。

基于局部方差的织物纹理周期测量方法

针对织物纹理周期不易测量的问题,提出一种基于局部方差的织物纹理周期自动提取方法。首先利用特定窗口遍历图像所有像素点,并计算其窗口内局部方差值;然后对源图像进行缩小后,再重复上一步,进而构建出图像的局部方差曲线图;最后采用自适应谷值寻找算法测量源图像的纹理周期值。对不同类型的织物周期检测的试验结果表明:基于局部方差的织物纹理周期测量方法的相对误差仅为2.6%,相比于累加DMF方法和自相关函数法,其稳定性和准确性更高。认为:该研究所提方法能够准确测量织物的纹理周期。

基于径向基函数神经网络的织物疵点分类

对径向基函数神经网络在疵点分类中的应用进行了研究;提出了一种应用于模式识别的RBF训练算法,提取织物疵点的特征参数如均值、方差和熵,再利用神经网络进行疵点类别的判别,精确度高达百分之九十多,准确地反映了每一类瑕疵特征的真实分布情况;然后分析了另一种神经网络--学习矢量量化网络LVQ对疵点分类的效果,将它们的训练速度和分类精度进行了比较;实验结果表明,采用RBF神经网络比LVQ神经网络的分类速度更快、精度更高,更有效地被应用于织物疵点分类中。

三维机织物的分类、性能及织造

文章主要从织物组织结构、织物的结构特征、织物的截面形状等3方面对三维机织物进行分类,并综述了目前有关三维机织物在组织结构、织造工艺以及织机设备改进等3方面的研究进展,旨在为三维机织物的研究发展提供参考。

基于卷积神经网络的织物表面缺陷分类方法

针对织物缺陷检测时疵点种类繁多且传统人工检测方法漏检率高的问题,提出了一种基于卷积神经网络的织物表面缺陷分类方法。因卷积神经网络(CNN)训练时参数多、样本量大,且极易陷入过拟合,利用微调卷积神经网络模型Alexnet对织物疵点图像进行特征提取,初始化采用原网络的参数而非随机初始化参数;再针对特定目标下的训练样本对网络参数进行微调;最后利用softmax回归算法进行预测分类。分别用三种方法和两种织物进行测试,结果表明:针对特定目标微调后的Alexnet网络,在两类织物测试中均能达到95%以上的分类准确率。

织物发展的历史文化及趋向

本文简要地叙述了棉毛丝麻、化纤等织物发展的历史文化及未来十年的趋向。

基于Fisher准则的深层卷积神经网络织物疵点检测

针对当前的算法无法满足具有周期性图案织物疵点分类检测,鉴于此,提出基于Fisher准则的深层卷积神经网络织物疵点检测算法.首先,利用深度可分离卷积设计小型的深层卷积神经网络(DCNN);其次,对DCNN网络的Softmax增加Fisher准则约束,通过梯度算法更新整个网络参数,得到深层卷积神经网络(FDCNN);最后,在TILDA和彩色格子数据集上分类率分别为98.14%和98.55%.实验结果表明:FDCNN模型既可以减小网络参数和降低运行时间,又可以提高织物疵点分类率.

高性能针织运动内衣面料吸湿速干性分析研究

对高性能针织运动内衣面料吸湿速干性进行了测试与分析,采用动态水分传递法测试了各织物的浸润时间、吸水速率、最大浸湿半径、液态水扩散速度和单向传递指数,并根据织物的润湿、吸水、扩散及单向传递性等参数,分析了各织物的吸湿速干性的类型,以进一步认识各织物的吸湿速干性及其特点,为高性能针织运动内衣面料的选择和织物吸湿速干性的评价提供一定的参考。

合纤丝交织新产品的结构与加工——2012年盛泽东方纺织市场产品分析调研报告

归类分析了2012年2月至10月在吴江盛泽东方纺织市场采集的114只合纤长丝交织类新面料的丝线组合、组织结构及规格,通过生产企业走访了解合纤丝交织产品的加工。分析调研表明:合纤丝交织新产品以两种不同材料为主,长丝纱与短纤纱交织产品占较大比例,长丝纱以涤纶丝、锦纶丝和涤/锦复合丝为主,短纤纱以棉纱、棉/氨包芯纱为主;合纤丝交织新产品以2～4枚小循环组织为主,中、高密度产品居多;合纤丝交织新产品以喷水、喷气织机生产加工为主,成品门幅以160cm为多。

基于遗传算法的Mercer核聚类方法

结合 Mercer 核函数和遗传算法,提出一种新的基于遗传算法的 Mercer 核聚类方法.利用 Mercer 核函数将输入样本空间非线性映射到新的高维特征空间,可以显现样本的特征差异.提高算法的收敛速度和分类能力.而结合遗传算法可以得到近似最优解.仿真实验和在纺织品质量评估中的应用验证算法的可行性和有效性.