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。     

籽棉中异性纤维的双光源成像检测方法

针对现有的异纤清理机无法彻底清除异性纤维的问题,提出了一种在籽棉轧花前对异性纤维进行检测的方法。以清除了铃壳、茎、叶等有机杂物的籽棉和常见的21种有色及白色异纤为检测样本,在白色LED和红色线激光双光源照明获取图像,在RGB颜色空间的Ｒ 通道和HSI颜色空间的S通道利用改进的索贝尔（Sobel）边缘检测算法检测异纤。同时在S通道利用一维最大熵法以提高异纤检测率。实验结果表明：采用的双光源照明成像方法和图像处理算法可减少阴影等干扰,白色异纤的检出率可达到74.7%,有色异纤的检出率可达到70.8%,为籽棉中异性纤维的检测提供了参考和借鉴。     

猪肉新鲜度智能检测分级系统研究

对表征猪肉新鲜度的氨气和硫化氢气味、图像颜色值、脂肪细胞数和细菌菌斑信息特征量进行检测,通过神经网络技术研究非相干微量参数的多数据融合检测方法,以总挥发性盐基氮(TVB-N)值序列作为SOM网络的输入,利用SOM 神经网络对TVB-N 值序列进行聚类研究,将新鲜度细分为5 个等级,实现了新鲜度等级划分与国家标准和感官检验相一致的结果,从而实现对猪肉新鲜度检测分级辨识。     

基于近红外成像技术的棉花异纤检测

探讨基于近红外成像技术的棉花异纤检测方法。在近红外波段对混有12种异纤样本的棉花进行扫描成像并用线阵CCD相机获取图像,采用OpenCV图像算法进行处理,实现异纤检测;并对检测结果和异纤灰度特性进行分析。结果表明:有色异纤样本在各波长下与背景有较为明显的灰度差异,其中只有头发在905 nm波长下未被检测到,而其他有色异纤都可以被检测出来;白色或透明异纤样本在808 nm波长下检测效果较好,检测出了7种异纤样本中的5种,未出现错误检测。认为:在近红外波段检测白色或透明异纤是可行的,具有较好的检测效果。     

基于颜色空间与聚类分析相结合的袜带辨色分级方法

针对丝卷检测中锦纶长丝染色均匀度测定的问题。采用CCD摄像头提取袜套样本图像,提出了应用商图像归一化的方法对袜套图像进行光源空间均匀性校正;应用多项式回归模型对摄像头提取的袜套样本图像进行色度特征化处理,得到的平均和最大色差分别为0.439和1.328 CIELAB色差单位;通过HSV颜色空间的色度百分率直方图,得到待检测袜套的颜色特征值,再由经验方程将其转化为聚类分析的输入矢量,最后应用聚类的方法对全体袜套的特征进行分析,得到袜带的染色分级区间及各段袜套的染色评级。结果表明,取得聚类过程中的参数最大迭代次数为100,终止误差限为1×10-5,模糊加权指数为2,得到聚类中心个数分别取2、3、4、5时的分类结果与人眼视觉比较,误差在0.125%以内,该误差远低于生产技术指标的允许误差,可用于对袜套颜色指标的检测和分级。     

粮仓害虫的动态模糊聚类分析

综合利用计算机视觉技术和模糊聚类分析技术,实现了对粮仓害虫的动态模糊聚类分析.通过对粮仓害虫图像的CCD图像预处理,提取了9个几何特征参数和7个不变距,并通过优化选取其中6个几何特征参数和不变距φ1.最后利用所有样本的特征参数构造模糊等价矩阵,通过选择最佳阈值构造λ-截矩阵,从而实现对所有待识别样本的聚类,并从动态聚类图中可以分辨出各类样本的特征亲疏关系.     

基于H∞滤波的异纤光电信号检测

针对纺织企业中异纤难以检测的问题,提出了一种采用单个绿色调制光源、三个硅光电池规则排列检测异纤和纱疵的方案,通过对硅光电池接收到的反射和透射信号进行对比,分析纱线颜色和直径的变化,判断纱线是否存在异纤和纱疵。并建立了数学模型,基于H∞滤波方法采用MATLAB软件进行了仿真实验。结果证明,该算法对纱线表面亮度信号检测和纱线直径信号检测的信号突变更加敏感,并可跟踪异色百分比的变化,所设计的异纤和纱疵检测方案切实可行,H∞滤波算法可以有效提高异色疵点和粗细节疵点的检测精度。     

EYCC112型异纤清纱器的设计及应用

探讨EYCC112型异纤清纱器的设计及应用.阐述了该清纱器的检测原理和结构组成,并采用人为添加异纤的方法与USTER QUANTUM 2型清纱器异纤检测相对比,对其检测效果进行了验证.实践证明:该异纤清纱器选择绿色调制光源,采用电容传感器和光电传感器阵列组合,根据不同纱线、不同纱疵或异纤产生反射和投影信号的差异,分析其颜色和直径的变化,可以准确鉴别和判断各种非绿色的异纤和纱疵,并驱动切刀对纱疵和异纤进行切除.     

喷丝板疵点检测系统设计

为实现准确判断聚酯纤维生产中喷丝板是否含有疵点,提高产品质量,设计了一种喷丝板疵点检测系统。该检测系统通过软件控制不同种光源的切换,利用CCD图像传感器来采集喷丝板工作状态,把采集到的多种光源图像通过计算机进行图像处理,将检测到疵点的图像与所对应的喷丝板进行标记存储。通过对现场数据的存储与分析,减少了人工对喷丝板疵点的误判和漏判,准确实现了判别喷丝板是否含有疵点的功能。     

模糊聚类分析在皮棉综合质量评价中的应用

介绍了模糊聚类的基本原理与方法。运用模糊聚类分析法对10个样本的皮棉质量进行聚类,以对皮棉质量进行进一步细化评价。通过统计量的分析,确定最佳分类数为3。研究可为纺织企业选择物有所值的皮棉与生产高品质的棉织品提供借鉴。     

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.     

应用光学成像技术检测棉花中异性纤维的研究进展

为进一步提高棉花中异性纤维的检出率,针对光学成像技术在异性纤维检测中的应用情况进行探究,通过阐述紫外光、X射线、线激光、偏振光、红外光和高光谱成像技术的原理和检测效果,分析了各成像方法的优势及局限性。归纳总结了现有研究中存在的问题和不足,认为目前不同种类异性纤维检测适用的成像方法不同,无法同时检测出全部种类的异性纤维;而且多相机成像方案和相机分辨率的提高增加了图像冗余信息,影响了检测速度;同时大部分检测方法仅在实验室条件下得到验证,缺乏实际生产环境的检验。最后指出未来会以多相机多光源成像方案为主,减少图像信息冗余,合理选择光源的种类、数量、功率和安装方式,开发成像系统参数自动调整系统。     

Research of foreign fibers in cotton yarn defect model based on regression analysis

The detecting of foreign fiber may not be very effective, particularly around the detection zone where many types of foreign fibers may coexist. In order to eliminate the fibers more effectively, a model has been established to detect foreign fiber faults in yarn. Relevant data were collected through investigation of a number of standard samples, with the length and area of foreign fibers as the independent variables, and the number of defects as the dependent variable, which were combined using linear regression theory to establish a regression equation for different fiber defects. The equations to find the regression coefficients, which include the model fitting degree, the Durbin–Watson value, the standard error, and the Cook distance, were rigorously tested, and the regression equation was eventually compiled to produce the yarn faults model. When the fiber detection equipment recognizes fibers with a foreign profile, the calculated profile fiber size is used in a corresponding regression equation which obtains the defect points and compares them with each other, so that foreign fibers which are potentially more dangerous can be identified and preferentially eliminated. In order to verify the model, spinning experiments are performed. The actual defects from the experiment are compared with the predicted theoretical defects from the equation, and the prediction accuracy was found to reach more than 95%, showing that the foreign fiber yarn faults model, which lays a theoretical foundation for foreign fiber detection, is accurate and effective.     

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%。     

基于图像处理与深度学习方法的棉纤维梳理过程纤维检测识别技术

针对棉纤维梳理过程中高速摄像机对锡林表面拍摄得到的图像无法人眼识别的问题,使用图像处理与深度学习结合的算法,通过一系列检测流程实现人眼的辅助识别。采用高速摄像机对梳棉机移动盖板下的锡林表面梳理过程进行拍摄得到数据图像,首先对图像通过多级小波卷积神经网络提取去噪残差,然后使用深度卷积超分辨率重构网络进行超分辨率重构,最后使用一种强噪声条件下的多尺度边缘检测与增强算法进行纤维的勾画,得到可供人眼识别的清晰的纤维图像,最后尝试使用特征增强后的图像样本进行循环生成对抗网络的训练,得到更连续清晰的纤维提取结果。研究表明,该图像处理流程提高了对梳理过程纤维的检测识别效果,为纤维梳理领域的研究提供了一种新的思路。     

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%。     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。     

用于碳纤维织物的多层织机经纱张力检测方法

为提高经纱张力的控制精度,防止碳纤维在送经机构长距离输送过程中因自身质量下垂,导致经纱张力控制精度不高对织物质量造成影响,结合现有的经纱张力控制方法,提出基于神经网络的模糊信息融合综合算法。根据神经网络得到的权值函数,以多层织机的送经机构为研究对象进行实验。实验过程中,在多层织机送经机构的不同位置安装张力传感器,通过无线信息采集系统,对经纱张力进行在线多点检测,然后将检测的张力信号进行模糊信息融合。实验结果表明：多传感器信息融合的识别准确率优于单传感器,提高了用于碳纤维织物的多层织机经纱张力的控制精度。     

vfb基于补偿模糊神经网络的立式转鼓水果分级系统设计

提出了能无级调速的转鼓、搓动鼓设计和一种具有快速学习算法的补偿模糊神经网络水果分级系统，该系统在融合模糊理论和神经网络技术的基础上，增加了补偿模糊推理层，实现水果智能分级系统的补偿模糊推理和模糊设计参数的自动调整，通过与其它神经网络比较，验证了所提出的方法具有学习速度快、分级精度高的优点；不变的转鼓上滚子节距，克服了卧式滚子链链关节使用过程中被拉长而影响分级机适应范围的不足；CCD位于转鼓一侧的上升段上，缩短了CCD采样时段上水果沿垂直于采样方向移动的距离，使采样图像更清晰。     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。