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。     

基于视觉数据驱动的棉花异性纤维检测

为了提高棉花异性纤维检测准确性及快速性,提出一种基于视觉数据驱动的棉花异性纤维检测新方法。首先,对采集棉花异性纤维图像进行小波金字塔多层分解,实现棉花异性纤维图像中各信息的分离;然后使用mean-shift算法平滑图像,消除光照不均的干扰;在此基础上,采用中央-周边操作算子和融合操作构建显著图,从而提高异性纤维的显著度;最后,利用改进的区域生长法获得目标区域。文章采用视觉数据驱动构建的检测模型,结构简单、检测速度快、准确率高。实验结果表明,该检测方法能够有效实现棉花异性纤维的检测,提高检测准确性和快速性,为棉花异性纤维自动检测提供一种新方法。     

基子色调分离的棉花异性纤维分割

本文分析了含有异性纤维的棉层图像特性,提出了一种基于色调分离的棉花异性纤维分割方法,采用这种方法对羽毛、头发和麻绳等典型棉花异性纤维图像进行了分割,得到了高质量的棉花异性纤维图像。实验结果表明,与自适应阂值分割结果相比,该方法在噪声剔除、目标提取、色彩归类方面更具有效性。     

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。     

基于计算机视觉的棉花异性纤维检测识别算法

提出了一种基于计算机视觉的棉花异性纤维检测识别算法,通过分析线阵CCD摄像机采集的现场原棉图像,运用去噪平滑、图像分割算法提取异性纤维的特征,最终确定异性纤维数量,仿真结果表明了算法的正确性和有效性。     

基于计算机视觉的棉花异性纤维检测识别算法

提出了一种基于计算机视觉的棉花异性纤维检测识别算法,通过分析线阵CCD摄像机采集的现场原棉图像,运用去噪平滑、图像分割算法提取异性纤维的特征,最终确定异性纤维数量,仿真结果表明了算法的正确性和有效性.     

基于机器视觉的棉花颜色检测方法

针对国内目前通过图像处理测量棉花颜色等级方法较少的现状,设计了一种基于机器视觉的棉花颜色检测方案。为提高棉花样本的拍摄质量及高效性,使用Halcon软件连接CMOS工业相机进行实时采集。首先对采集的棉花样本图进行预处理,通过阈值分割算法将棉花样本图转化为二值图像,且使用高斯滤波去噪声从而去除棉花中的杂质信息,并对预处理后的图像进行区域划分。然后通过RGB值转换为CIE XYZ颜色空间值,得到各子区域棉花颜色参数值,并引入K均值算法聚类各子区域颜色值以确定棉花最终颜色参数值,从而确定棉花颜色等级。最后通过实验验证及数据分析,将本文检测方法与MCG-1棉花检测仪器检测结果进行对比,结果表明2种方法检测结果一致;并通过在不同时间下持续对棉花样本进行数据检测,验证了本文方法的稳定性和精确性。本文检测方法可行且检测成本较低,可代替昂贵的仪器检测方法供企业使用。     

基于深度学习的棉花异性纤维检测

在棉花纤维生产过程中,棉花异性纤维直接影响着其成品质量优劣。通过人工进行视觉上的观察是常用的判定棉花异性纤维优劣的方法,但这种方法耗费大量人力和时间,且准确性不高。本文测试一种可根据深度学习对棉花异性纤维进行自动检测的方法。通过卷积神经网络,在对棉花图像不断训练的过程中,使棉花异性纤维质量检测过程自动化。结果表明,这一方法对于检测棉花异性纤维准确性高、效率高,对于高品质棉花自动化生产加工有重要意义。     

应用单演小波分析的织物疵点检测

为了解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过拉普拉斯分数阶算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换构建Riesz–拉普拉斯小波,实现了织物图像的单演小波分析。对单演小波分析结果中的多分辨率方向与振幅子带,分别设计了最优响应子带判断标准以及最优响应子带分割方法。实验结果表明,本文提出的检测算法可有效分割不同织物纹理中的多种类疵点,分割结果可反映疵点位置与轮廓,对342幅实验样本图像实现了97.37%的检出率,具有较好的自适应性与鲁棒性。     

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。     

基于光电技术的棉纤维杂质快速测定

针对棉纤维杂质人工检测耗时长、劳动强度大等问题,提出一种基于光电技术的棉纤维杂质机器视觉测定方法。首先通过改变平滑模板窗口尺寸对棉纤维图像自适应中值滤波优化,然后采用Otsu算法自适应选取分割阈值,并遍历整个图像,进行边缘断裂端点的连接、边缘生长与连接,搭建光电检测系统原型,实现了棉纤维杂质的快速测定。实验结果表明:该方法能够有效去除图像噪声,避免伪边缘的产生,检测到的杂质边缘清晰完整。光电检测耗时较GB/T 6499—2012《原棉含杂率试验方法》降低95.1%,结果间误差为2.35%,杂质粒数与杂质面积比参数结果误差均在2.1%以内,能够有效用于棉纤维杂质的快速准确测定。     

棉纺织中异纤清除方法、检测及表征

分析了棉纺织生产过程中异纤数量和形态的变化,介绍了异纤清除的主要方法,系统地提出了棉纺织生产过程中棉花、棉条、棉纱和棉布中异纤的检测方法、含量表征及异纤检出率计算公式,为行业统一、规范异纤检测方法和表征指标提供参考。     

基于纤维纵向显微图像的棉／亚麻单纤维识别

 针对棉/亚麻混纺纤维构成的织物,基于其单纤维纵向显微图像（纤维切段的长度约为0.5mm）,研究了纤维的自动识别方法。在纤维检测中,先对纤维图像进行去背景处理,而后运用形态学闭运算和背景区域生长相结合的方法获得纤维的目标区域,对图片中出现的玻璃划痕、干扰杂物等进行了很好的滤除。由纤维骨架垂直方向上的区域图、二值图和细化图得到它们的垂直积分投影序列,并提取这3条序列各自的变异系数CV值和平均值共计6个参数。将这6个参数作为棉/亚麻纤维的特征参数,训练最小二乘支持向量机分类器,对测试集的测试结果表明该分类器对棉/亚麻短纤维的识别率正确率平均为93.3%。     

基于Matlab的棉花异性纤维检测及定位算法

Matlab语言是具有强大矩阵运算能力的可视化计算软件。边缘检测技术是数字图像处理非常重要的内容 ,属于图像分析的范畴。着重阐述了在原棉检测中棉花异性纤维的边缘检测算法和重心定位算法 ,并通过Matlab语言实现了这两种算法 ,得到了很好的效果。     

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。     

精灵-6型异纤分拣机性能及应用实践

介绍了精灵-6型异纤分拣机的结构、作用原理、在纺纱流程中的安装位置及使用状况。由于清棉工序棉流速度差异大,有时识别系统和检测系统无法正常:工作,因此加装了棉流速度控制器,同时,根据原棉品种对分类器进行了预设,防止了误喷现象,取得了较好效果。     

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。