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。     

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。     

清除棉花异性纤维

宛城区供销社、棉麻公司为呆原南阳县棉花质量的知名度，再创名优，赢得信誉，加大质量管理力度，采取有效措施，解决棉花异性纤维的顽症。目标一定，上下贯通，形成合力，齐抓共管。     

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。     

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.     

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%。     

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。     

棉纱异性纤维检验标准研究

针对棉纱中的异性纤维含量,探讨了异纤检测方法的合理性和有效性。通过织布法将棉纱织成针织坯布,目光检测单位质量布样上的异纤个数。对比经漂白处理后的布样,分析两种方式检测结果的相关性以及对检测结果的具体影响。结果发现,采用两种方法的检测结果高度一致,均可反映棉纱中异性纤维的含量,但漂白处理更有利于普梳棉纱中异性纤维的检出。     

基于图匹配的人脸识别算法

为了识别有较大表情变化的人脸,利用sift算法找到人脸图像中的DoG关键点,用这些极值点所包含的灰度信息和位置信息建立最小生成树,再使用最小生成树估计联合Rényi熵,结合图论中的图匹配知识,进行人脸识别.实验结果表明,该算法在人脸出现较大表情变化的情形下仍能够得到较为准确的识别结果.     

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。     

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。