基于深度学习的籽棉中异性纤维检测方法

针对籽棉图像阴影多、常规图像处理方法难于识别的问题,以去除棉叶、棉壳等有机杂物的籽棉为样本,将不同颜色、形状、尺寸的12种常见异性纤维和籽棉样本随机地分布在运转中的传送带上,采用线扫描相机获得发光二极管（LED）照明的籽棉图像520张,“LED+线激光”双光源照明的籽棉图像1 148张。然后采用一种由13个卷积层、13个采样层和4个池化层构成的Faster RCNN深度学习人工神经网络,对 2 种成像方法获得的籽棉图像进行基于人工智能的网络训练,再进行异性纤维检测验证。实验数据表明,LED照明和“LED+线激光”双光源照明条件下,籽棉图像中的异性纤维的检出率分别达到了90.3%和86.7%,特别是LED照明条件下对白色异性纤维进行识别,其识别率由5.9%提升到了90.3%。     

一种人工智能检测籽棉中异性纤维的方法

探讨基于卷积神经网络的Faster-RCNN深度学习方法,检测籽棉中异性纤维的检测技术。使用线扫描相机在LED照明条件下获取籽棉和异性纤维的图像,采用基于Faster-RCNN的人工智能深度学习方法处理图像。试验结果表明,Faster-RCNN处理方法对籽棉图像中异性纤维的检出率达到90%,相比传统的图像检测方法大幅度提高了检测率,特别是对传统方法难以识别的白色或浅色异性纤维,其检测率可以达到90%以上。认为:本文所采用的基于Faster-RCNN的人工智能深度学习方法处理图像在异纤检测应用上具有一定可行性。     

基于视觉传感器的异纤在线检测技术研究

探讨基于CCD视觉传感器的异纤在线检测技术。为了提高异纤的检出率,对检测系统的整体结构进行设计,采用中值滤波的方法对灰度处理后的图像进行去噪处理,利用边缘检测的方法实现对异性纤维的识别,获取异纤的边界信息,实现对目标的定位;通过PLC控制检测系统和异性纤维气动清除装置,实现对异纤准确且及时的检测与清除。通过试验可得出装置的最佳参数:CCD摄像机检测距离110 mm,检测原棉层厚度12 mm,待检原棉层移动速度2.0m/min,剥棉罗拉转速1 000r/min,喷嘴压力0.5MPa。认为:异性纤维在线检测装置检测能力较高,对普通异纤的检出率可以达到90%以上,对头发丝等细小物质的检出率可以达到85%以上。     

再谈异性纤维的在线检测清除

为了用好异性纤维检出设备,对提高异纤检出率的问题进行了分析,综合评定了异纤检出机的作用.认为异纤检出机的检出率一般应在80%左右,将开清棉工序异纤检出机和带异纤检出功能的电子清纱器结合使用,可有效提高异纤检出率,保证产品质量.     

基于空间模型的棉花异性纤维识别算法

为了准确识别棉花中的异性纤维,提出了基于空间模型的示教算法和检测算法.示教算法在RGB空间中采用灰度直方图对合格棉花进行特征提取,并以此建立空间模型.检测算法是通过判断像素点是否在合格棉花空间模型范围内来进行异纤识别的.仿真结果表明此算法能够比较准确地识别异纤.     

一种新型检测通道内部流场的分析

棉纺异纤清除机是用于开清棉生产线中以剔除棉花中的异性纤维，而设备中检测通道的优劣将直接影响到整机总体性能。由于原检测通道存在光学盲区，从而造成识别率和检出率都较低。为了解决光学盲区问题以提高杂质识别率和检出率，本文提出了一种新型的检测通道，并通过cosmosfloworks软件对该检测通道进行流场分析，为通道模型的建立和通道设计提供理论依据。     

CCH型高效自动分拣异纤机的特点及应用体会

为了免除异性纤维对成纱及成品造成疵点,在开清棉流程中广泛采用异性纤维在线检出装置.介绍了CCH型高效自动分拣异纤机的结构特点、各项参数的设置原则及其作用,CCH型高效自动分拣异纤机的主要参数有:照明亮度、喷嘴气阀的开启时间和延迟时间等,合理设置其主要工艺参数,对异性纤维检出率影响显著,生产中应根据实际情况合理设置.     

谈气流式籽棉异纤清理机的设计计算

<正>本文从机采籽棉中异性纤维及籽棉的物理特性分析入手,根据干燥技术理论和斜抛运动原理,结合专业经验对气流式籽棉异纤清理机系统进行了分析和运算,为机采棉加工生产线籽棉异纤清理设备的设计与研究提供了参考。一、籽棉异纤物理特性分析籽棉中的异性纤维的形成主要是采收过程中混入的,机采棉主要是采棉机带入的地膜、滴灌带;手摘棉主要是头发、羽毛、包装袋上的丙纶丝等。地膜、滴灌带及丙纶丝一般都属于长丝,整体重量较     

应用聚类神经网络的异纤检测多类光源优化设计

为使电荷耦合元件（CCD）精确采集处理异纤图像并对多类异纤进行检测,提出了一种基于模糊聚类神经网络的异纤检测多类光源优化设计方法。通过分析CCD成像与入射光能量的关系,推导出多类异纤检测的光源量,建立了CCD靶面曝光量函数,确定光源的最佳检测位置,通过图像参数方程,分析CCD背景板图像的光线分布及平均灰度,通过模糊聚类分析,综合考虑输入值的全部信息建立了多类光源的模糊聚类神经网络,对光源进行优化设计。设计结果表明,最佳检测位置是异纤处于中心位置,在光源数量为10,两侧距离为3mm,神经网络的收敛误差均达到预期值,异纤检出率达到94.79%,符合企业异纤检测实际生产的要求。     

轧花厂清除异纤常用方法比较

棉花中异性纤维(以下简称异纤)对纺织品质量的危害很大。在未加工的籽棉中清除异纤最为方便．效果最好。清脒籽棉中的异纤目前各厂均采用人工手拣，在具体形式上可分三大类：一是静态法，二是动态法，三是动静结合法。本对三类方法进行分析比较。供生产企业参考。     

应用聚类统计分析的棉花异纤图形检测算法

在棉纺企业原棉异性纤维剔除工艺过程中,异性纤维种类及特征多样,难以构造统一的识别模型,为此,提出了一种基于聚类统计分析的棉花异性纤维图形检测算法。通过获取原棉纤维及异性纤维在RGB颜色模型空间的各分量值,进行数值聚类统计分析,采用RGB彩色图像阈值聚类统计分类的方法将获取的图片信息分为3类,进而判断有无异性纤维,再经过形态学等预处理修缮图像,对棉花中异性纤维的特征进行提取,较准确地得到异性纤维的面积、质心坐标和周长等参数,为异性纤维的清除提供条件。实验结果表明,该算法能较准确地识别异性纤维。     

Detection clustering analysis algorithm and system parameters study of the near-point multi-class foreign fiber

In this paper, we investigate a detection algorithm for foreign fiber during the processing of cotton textile. By collecting a large number of samples, we determine the color model and establish its characteristic parameters of a foreign fiber. We found foreign fibers of multiple types (classes) and proposed a classification–recognition algorithm based on clustering analysis. The maximum error of the studied recognition algorithm is 0.012, which meets the requirement to recognize foreign fibers. Through many experiments, the optimal parameters for the foreign fiber detection system were determined, and the fiber recognition rates for different types were obtained. The lowest recognition rate is 85%. This is sufficiently high to reject foreign fibers and reach the standards of the textile industry. Experimental results show that foreign fiber clustering analysis algorithm is feasible, and it not only improves the quality of foreign fiber detection significantly, but also has high theoretical value and practical value.     

棉花中异性纤维的图像多分辨率差分检测方法

针对棉花异性纤维难以检测的问题,提出了一种基于多分辨率尺度图像差分的检测方法。首先,通过小波多层分解实现检测图像中的不同频率信息成份的分离;然后,对不同分辨率的子图之间进行差分提高异性纤维与原棉信息的对比度;在此基础上,采用最大类间方差法对多分辨率差分子图进行二值化分割出异性纤维的信息;最后,通过对分割后的子图进行信息的融合,实现了对异性纤维检测。实验表明,该方法能够有效抑制棉花背景信息,最大限度的提取异性纤维的信息,异性纤维检测的准确率以上达到90%。     

基于神经网络的籽棉颜色分级检测

为解决籽棉颜色分级问题,构造了一个基于L^*a^*b^*颜色空间的色度检测仪,主要由颜色传感器、光源及外围电路构成。针对用于籽棉颜色等级检测2个关键指标(反射率、黄度)输出不稳定问题,采用了4层BP神经网络和5块标准色板进行反复训练,使得校准后的反射率的变异系数小于0.21%,黄度的变异系数小于1.13%。在籽棉颜色等级检测实验中,制作了覆盖12个颜色等级的480个测试样。经过反复实验发现,使用该色度检测仪对1个测试样品,需要均匀分布10个测量点结果的平均值,才能得到稳定的色度测量值。最后,采用神经网络方法,对480个籽棉试样数据进行分析,其中:80%用于训练;20%用于识别。实验结果表明,对12个颜色等级的480个样品进行测试,得到的检测准确率都超过了90%。     

棉花中异性纤维检测图像分割和边缘检测方法研究进展

为进一步提高棉花中异性纤维的检测效率,对异性纤维图像处理方法进行探究。通过分析不同异性纤维图像边缘检测方法的定位精度、背景模糊以及受噪声影响情况发现,不同图像分割方法中异性纤维边缘连续性和分割效果存在差异性。统计了常见异性纤维图像边缘检测法和图像分割方法,分析了各类处理方法的优势和局限性,归纳了适用于各类异性纤维的检测方法,总结了现有研究中存在的问题和不足。研究认为:目前对不同种类异性纤维检测适用的图像处理方法不同,还无法同时检测出全部种类的异性纤维;应根据实践中具体异性纤维的种类、含量、物理特性等选择适合的检测算法并进行算法融合,开发普适性好的算法以降低成本和减少计算量。     

基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.     

双蛋白纤维活性染色

采用毛用活性染料和棉用乙烯砜/一氯均三嗪双活性基一氯均三嗪和双一氯均三嗪活性染料对大豆蛋白/牛奶酪素蛋白/聚乙烯醇共混纤维进行染色初探。探讨了染料对双蛋白纤维的上染率、固着率和染色牢度,比较了双蛋白纤维和大豆蛋白纤维的染色性能。结果表明,毛用活性染料不适合双蛋白纤维的染色,棉用活性染料适合双蛋白纤维的染色,且染色织物具有较好的色牢度。     

应用区域颜色分割的机采棉杂质检测方法

机采棉中的杂质繁杂,而杂质类型及含量对后期棉花加工工艺的影响很大。为此,提出一种应用区域颜色分割方法以检测棉花中的杂质。在图像分割中,先对滤波后的机采棉图像进行彩色梯度运算,通过扩展极小变换运算获得标记图像,在修改后的梯度图像上运用分水岭算法获得初始分割图像,然后对初始分割图像进行区域合并。区域合并过程中要综合考虑空间邻接性、颜色信息和区域面积3个因素。颜色信息主要采用饱和度、亮度、区域颜色向量模及颜色相似度4 个特征量。用层次递进的合并方法,迭代过程更新信息特征。最后通过支持向量机算法提取颜色、纹理、形状特征对杂质区域进行识别。结果表明,所提方法对机采棉中天然杂质的平均识别率为94%。     

纯棉色纺纱配色中的Stearns-Noechel模型参数优化

为实现棉色纺纱更精准的配色,以色纺纱配色中常用的光学 Stearns-Noechel 模型为基础,采用青、品红、黄、黑、白5种颜色的棉纤维,按照不同组合方式不同混合比例进行纺纱制样,并利用分光光度仪测量光谱反射率值。针对 Stearns-Noechel 模型中的待定参数,结合数理统计分析法进行优化,得到3个新的修正模型。结果表明,将颜色分为非彩色和彩色系列研究,所得到的参数值更加合理,对应的修正模型在配方预测上更加精确,利用该模型得到的预测样与标准样之间的色差在3个修正模型中最小,总平均色差0.75 (CMC(2:1)),可满足棉纤维配色中的色差要求。