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CNN的深层次特征提取纸病辨识方法研究

针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络(CNN)的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识。实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识。