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。     

基于Matlab的棉花异性纤维检测及定位算法

在纺织厂的生产原料原棉包中，常混有棉花异性纤维，如毛发、羽毛、有色线头、绳头、麻类纤维、人造纤维、布片、丙纶薄膜乃至被污染的棉花等，有些棉花异性纤维与棉花物理性质相近，目前的清理方法大多采用人工的方式进行挑拣，不仅工作效率低，而且质量又不能保证，一旦混进布里，就会产生疵点，有的甚至可达几百米长，使整匹布都成为次品，严重影响产品质量。     

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DSP的棉花异性纤维检测系统总体方案研究

本文介绍棉花异性纤维检测系统的国内外现状，叙述了检测系统的总体设计方案，包括系统的总体结构、检测项目的器件等。同时结合当前电子技术和图像处理技术的最新发展，介绍了用于棉花检测系统的性能指标和设计准则，提出了采用FPGA＋DSP结构来实现图像检测的方法。 本文是作者《基于DSP的棉花异性纤维检测系统》一文的部分摘编，其另外两部分为图像处理算法与硬件设计和系统的软件设计与仿真测试。     

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。     

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.     

三基色最佳阈值算法识别原棉异性纤维

原棉中存在的异性纤维始终困扰着纺织工业的生产与发展,如何准确地检测与识别原棉中存在的异性纤维是纺织工业所面临的主要问题.文章采用三基色RGB最佳阈值算法来识别原棉图像信号中存在的异性纤维,试验结果表明,该算法可以有效地识别出原棉中存在的异性纤维.     

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。     

基于RGB颜色模型棉花杂质的识别算法

介绍了原棉在线异性纤维检测系统的结构及工作原理.采用RGB颜色模型,以色度为主要特征量,设定阈值对棉花和异物的像素点进行判别.并通过Visual C＋＋语言实现了此算法,得到了较好的效果.     

基于RGB颜色模型棉花杂质的识别算法

介绍了原棉在线异性纤维检测系统的结构及工作原理。采用RGB颜色模型,以色度为主要特征量,设定阈值对棉花和异物的像素点进行判别。并通过Visual C++语言实现了此算法,得到了较好的效果。     

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。     

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。     

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%。     

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Matlab的花式线建模及仿真

国外已有花式线性能预测与纺制模型系统,为设计和纺制花式线提供了工艺设计及性能预测的数据库,为花式线产品开发提供良好的理论基础.但国内在这方面的研究还很少.本文建立了花式纱线理论数学模型,利用Matlab开发仿真程序,实现了花式线计算机仿真,并将花式线仿真图与实际花型作了对比,达到了仿真效果,为花式线产品开发可视化提供了依据.     

木材表面缺陷边缘形态检测算法的研究

应用数学形态学理论,论述一种检测木板材表面缺陷的方法,提出了可快速识别缺陷边缘的标记分水岭算法。实验结果表明,运用该算法进行图像处理,运算简洁,处理速度快,边缘检测准确。     

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。