HVI检验与传统机检原棉杂质关系的探讨

探讨大容量快速检测仪(HVI)检验得出的棉花杂质指标和传统仪器检验得出的棉花含杂率之间的关系.通过整理甘肃省2007年度棉花检验的大量数据,分析了HVI杂质面积率、HVI杂质粒数、HVI级数与机栓杂质率的关系,指出两种检验结果在一定范围内有很好的线性关系,其中,HVI检验的杂质面积率和传统仪器检验的含杂率线性关系较好.     

基于改进Mobile-Net-V2的原棉杂质分类方法

针对现有原棉杂质分析需要人工参与过多以及精度不容易量化的问题,提出一种以机器学习算法为核心的Mobile-Net-V2模型的棉花表面杂质自动化识别方法,系统采用基于深度学习算法中的Mobile-Net-V2的模型算法为主要算法,首先对图形进行通过图像二值化、以及导向滤波对原图像进行简单预处理,然后使用深度学习Mobile-Net-V2模型进行卷积运算的算法,通过将实验算法部署在嵌入式计算设备中,成功实现了棉花表面杂质的精准检测与分类。实验结果表明:该方法对多种杂质的细分类查准率为训练集90.7%,测试集89.5%,在尽量简化设备及算法的同时保证了原棉的杂质检测效率,采用十分交叉验证进一步保证了该方法的有效性,也为棉花杂质的智能检测与分类识别提供了参考依据。     

基于微波谐振腔介电常数检测的棉花杂质分析系统设计

正目前国内外测量棉花含杂率原理主要分为两种:第一种是根据空气动力学原理,利用气流与高速机械部件的相互作用将杂质与棉纤维分离,然后称重得出含杂率。采用此原理的常见仪器有Y101、YG402等;另一种就是采用图像分析法,也是HVI大容量测试仪所采用的方法。该方法无需对棉样进行梳理,只需要用摄像头获取棉样表面的图像,再利用计算机软件进行图像分析,得到杂质数据。Y101是常见的杂质分析仪器,其主要优点是能够     

一种基于Canny的原棉杂质图像分割方法研究

针对原棉杂质人工检验方式效率和效果不能保证的问题,提出一种基于Canny的原棉图像分割方法。该方法首先通过计算灰度的二阶微分增强图像,然后采用梯度按阈值取舍的方法检测图像边缘,在此基础上,结合"非极大值抑制"和形态学的连接操作,确保图像分割的效果。原棉杂质图像分割实验结果表明,该方法能够有效地将杂质与原棉背景分离,获取的杂质边缘清楚、流畅,有利于后期原棉杂质的分类与识别,同时,为棉纤维检验领域中机器视觉检测系统的研发提供了技术支撑和数据参考。     

Y101原棉杂质分析机与HVI935机的比较

杂质检验是整个棉花纤维检验中的一个重要组成部分,并且越来越引起了人们重视。目前棉花国家标准规定含杂:皮辊棉3％,锯齿棉2.5％,不足或超过标准时实行补扣;交接时以棉花杂质分析机检验结果为准。而在美国和很多其它国家中,含杂情况则以感官评定可见杂质或用美国思彬莱公司生产的HVI 900系列中935机检验结果为依据。由于两种仪器工作原理不同,对原棉含杂情况的测检结果亦有差异。Y101分析机是通过对原棉的分梳,借气流和机械的作用,使杂质与纤维分离后,分析纤维含杂情     

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。     

基于边缘检测的原棉杂质图像识别方法适用性分析

针对如何选择适合原棉图像的边缘检测方法,高效地进行含杂分析与识别的问题,选取Sobel算子、Roberts算子、LoG算子、Canny算子4种边缘检测方法进行适用性分析,实验选取原棉作为样本,在检测效果、检测耗时、检测概率比3个方面对各算子进行了对比与分析。结果表明,相比其他算子,Canny算子在高阈值为1.5时,低阈值为0.2时杂质边缘定位准确、背景噪声小,尤其对于破籽类杂质的识别,检测概率比达到92.5%,检测效果优于其他算子,更适用于原棉杂质图像的分析与识别。     

HVI935杂质仪与原棉杂质分析仪试验结果分析

近年来,随着我国纺织工业技术设备进一步更新和棉纤维检验HVI900系统的推广应用,棉花品质育种的观点已由常规的“长度——衣分——细度——强度”改变为“强度——长度/整齐度——马克隆值——含杂”。由此可见,原棉含杂问题越来越受到人们的重视。如何快速准确地测定出原棉杂质     

基于高低阈值迭代优化的原棉图像杂质检测

在原棉杂质图像的Canny边缘检测中,高低阈值直接影响到杂质检测结果的准确性,而目前高低阈值主要靠人工经验来设定,针对这一问题,提出一种改进的原棉杂质图像识别方法。方法在传统Canny方法的基础上,通过新加入45°、135°方向模板求取梯度幅值,在采用线性插值法进行非极大值抑制的同时,进行高低阈值的迭代优化,进而实现阈值的自动优化以及伪边缘的抑制。仿真实验表明,本文方法在有效抑制噪声的同时,能够自适应地优化高低阈值,一定程度上的减少了伪边缘的出现,检测到的原棉杂质边缘完整,尤其对于破籽的识别,其相符率达到93.2%,能够有效应用于原棉中杂质的识别与检测。     

棉花异性纤维分类识别与计重系统的设计

为了实现棉花异性纤维分类识别与计重的自动化,本文建立了一种棉花异性纤维分类识别和计重系统SIW(system of identification and weight statistics),提出了系统的组成结构和工作原理,对系统关键的硬件设备和软件实现过程作了必要的说明,包括场景图像的采集、图像处理和识别方法以及计重模型的建立。最后对SIW系统进行测试,测试结果证明,该系统可以有效地识别出棉花中的异性纤维,并准确得到各种异性纤维的重量,实现异性纤维检测和计重的全程自动化。     

基于大容量棉花检测仪检测结果的进口锯齿棉品级分类北大核心

为了消除进口棉花品级分类中由于检测人员主观性引起的观察偏倚,以及其与预警信息化和及时性不相符等矛盾,文章基于大容量棉花检测仪(HVI)的检测结果,提出运用随机森林算法来预测进口锯齿棉品级分类的方法。对HVI检测获得的原始数据进行标准化处理,并运用主成分分析降低指标维度,采用随机森林算法构建分类模型,将测试样本带入训练好的分类模型,可自动判别出测试锯齿棉的品级。实验结果表明该方法的分类效果较好,可有效实现锯齿棉品级的自动分类。     

马克隆值检验不同取样方法的对比试验

自GB 1103—1999《棉花细绒棉》标准颁布实施以来,马克隆值作为棉花必检项目,对正确评价棉花质量、合理使用资源和同国际交易接轨起了重要作用。但在棉花检验过程中,我们发现GB/T 6498—1992试验方法7.2条“抽取的试验样品,用原棉杂质分析机除去杂质”的内容与国际上通用方法,即使用HVI900大容量纤维测定仪测定棉花马克隆值的样品不需经过除杂有所不同,样品除杂增加了检验时间。为此,我在国产苏州光电研究所生产的MC马克隆仪上做了对比试验:选取生长期分别为早、中、晚期的5批棉花,1批含杂量较高的皮辊棉。4批含杂量较低的锯齿棉,共试验…     

应用自适应滤波与阈值迭代的原棉杂质视觉检测方法

针对Canny算子滤波模板参数与高低阈值人为设定而导致的杂质弱边缘丢失问题,提出一种基于改进Canny算子的原棉杂质检测方法,该方法采用自适应平滑滤波代替高斯滤波对原棉图像进行平滑,以小尺寸平均加权滤波模板与原图像迭代卷积,并在每次迭代过程中自适应地调整各像素的加权系数,同时,采用的最大类间方差法能够自适应地确定高低阈值,实现了滤波模板参数与高低阈值的自动优化,避免了弱边缘的丢失。仿真实验结果表明:该方法检测到的原棉杂质边缘完整、流畅,减少了伪边缘的出现,8连通域数与边缘点总数比值比Canny方法平均降低16.8%,8连通域数与4连通域数比值比Canny方法平均降低18.8%;同时,在对4种原棉常见杂质的识别上,该方法与国标方法检测结果平均相符率达到92.7%,能够有效用于原棉杂质的自动化检测。     

棉花自动检测系统数据与人工数据的比对分析

泰州市纤维检验院设计了一种大容量纤维测试仪（简称HVI）检测棉花的自动检测系统。该系统使用自动化机械臂代替人工进行HVI的仪器操作。为了验证自动化检测和人工检测数据差异,本文随机选择1000只样品,比对分析自动化检测试验数据与人工检测试验数据的差异。结果表明,自动化检测数据与人工检测数据虽有统计学上的差异,但差值在HVI仪器检测误差范围之内,表明自动检测数据可代替人工检测数据。试验分析结果说明自动检测系统具有一定的准确性,可代替人工进行棉花检测。     

棉花图像采集中的椒盐噪声抑制

为了消除大容量棉花纤维测试仪在图像采集过程中出现的椒盐噪声,改善试样棉花图像质量,提出一种自适应中值噪声抑制方法。该方法在噪声检测中采用了基于灰度阈值的二次判别,避免了噪声的漏检。在此基础上,根据噪声污染程度自动匹配滤波窗口尺寸,采用中值滤波原理去除椒盐噪声。仿真试验结果表明,自适应中值噪声抑制方法在有效消除噪声的同时,保护了棉花图像中杂质的边缘细节。同时,在70%的大噪声密度下峰值信噪比(PSNR)达到26.49,降噪耗时最优仅为5×5极值滤波法的13%,能够有效用于棉花图像椒盐噪声的消除。     

对棉花杂质检验的思考

棉花杂质检验是整个棉花检工作中的一个重要组成部分。通过杂质检验可确定棉花的含杂量 ,据以计算皮棉的标准重量或籽棉准重衣分率 ,便于农、工、商之间的计价与交接。另外 ,检验杂质的含量和分析杂质的种类 ,还有助于改进棉花初步加工的工艺措施 ,提高皮棉品质。棉纺织厂据此可以正确计算用棉量 ,采用相应的工艺措施 ,使成纱疵点减少 ,条干均匀 ,提高成品质量 ,降低成本 ,所以杂质检验具有相当重要的意义。美国棉花检验确定品级以色泽、夹杂物和轧工质量综合评定。其中夹杂物、轧工质量均是杂质的范畴。 HVI90 0系列仪中 935杂质仪也专门…     

棉花图像分割方法的比较与分析

正近年来,随着多媒体技术与计算机技术的飞速发展,机器视觉检测系统在棉花加工、检验领域得到应用。该系统通过工业相机以及计算机的方式,采用数字图像处理技术代替人眼对目标进行分析、识别与测量,能够有效克服人工方式的不足,提高生产效率,具有广泛的应用前景。在机器视觉检测系统中,图像分割是基础,而基于边缘的分割方法也是图像分割与模式识别的重要内容,对检测的效果有着重要影响。本文针对棉花图像分割方法进行研究,分别采     

如何提高棉花杂质检验结果的准确性

<正>杂质检验是棉花质量检验的主要组成部分。含杂率是棉花质量要求之一,通过含杂率和回潮率可以折算出皮棉的公定重量,它是棉花产业链各方交接结价的依据,也是国家储备棉入库结算重量的凭证,直接影响到交接双方的切身利益。准确地检验原棉中杂质的含量和分析杂质的种类,有助于棉花加工企业改进加工工艺,提高原     

织物表面几何形状检测中最优边缘检测算法的选取

基于机器视觉方法检测织物表面图案几何形状,研究棉质纺织品表面图案边缘的检测效果,通过对比找到适合工业应用的边缘检测算法。选取多种典型的边缘检测算子为考察对象,首先对各自边缘检测的结果图像及其信息熵进行对比,然后分析各算子在目标区域分割、内部条纹及局部图案细节等多方面的表现,证明Sobel算子得到的图像边缘与背景区域的灰度差异明显,灰度信息熵最小,有利于图像几何信息的识别;而且Sobel算子对织物表面及背景区域的纹理不敏感,识别结果:图像中噪声及后续处理难度较小,适合棉质袜子表面几何形状的检测。     

YG041型原棉杂质分析仪使用中存在的问题与设计改进

<正>YG041型原棉杂质分析仪是一款在棉花加工厂广泛使用的皮棉含杂率测试仪器,是大部分棉花加工厂进行收购和加工时进行棉花含杂率分析的主要仪器。近期由于工作原因笔者使用该型原棉杂质分析仪做皮棉含杂率分析实验,在对该型仪器的操作过程中发现了一些问题并由此引发了思考,现将所发现的问题和想法总结如下,供大家探讨。