基于离散粒子群算法的织物疵点特征选择

为提高识别织物疵点的准确率,提出基于离散粒子群算法(Bpso)进行织物疵点特征选择的方法.首先收集织物疵点图像并进行预处理,提取常用的纹理特征构成候选特征.然后采用BPSO对这些候选特征进行选择,得到优选特征和冗余特征.最后分别在这3类特征下训练支持向量机并进行织物疵点识别测试.结果表明,优选特征的疵点识别准确率大大高...     

基于PCNN的织物疵点识别研究

根据织物表面图像的灰度强度和织物疵点图像的灰度强度的不同 ,运用PCNN对织物疵点进行自动检测。从理论上分析PCNN模型 ,并用其对织物疵点进行特征的提取 ,证明PCNN在自动检测过程中的适用性 ,以及PCNN模型中迭代次数对实验结果的影响。     

基于Frangi滤波器的织物疵点检测方法

提出了一种基于Frangi滤波器的织物疵点检测方法。该算法首先对样本织物图像进行均值下采样处理,淡化和消除背景纹理对织物疵点检测的影响,然后将均值下采样处理后的图像经Frangi滤波器进行滤波,从而增强织物疵点部分以利于疵点的分割,最后对Frangi滤波后的图像进行阈值分割,分割出织物疵点部分。采用该算法对6种纹理织物进行处理,检测出26种疵点,92%的疵点能被准确的检测和定位,误报率为8%,检测效果较好。     

基于图像最大熵的织物疵点检测方法

对织物表面疵点自动识别方法进行了探讨.将信息熵引入图像处理中,先通过最大熵快速迭代算法对织物疵点区域进行分割,把疵点图像分为背景和目标两部分;然后找出疵点区域的中心并求出疵点区域在纬向和经向上的方差;最后通过两者的比值与设定常数的比较,判断出疵点类型.仿真实验表明该方法对常见织物疵点的检测是有效的.     

基于方向灰度积分曲线特征的织物疵点检测算法研究

针对于断纱、缺纱、穿错、粗纱等这类结构型织物疵点,由于其具有灰度跳变不明显、疵点面积小的特征在疵点检测过程中难以检测这一问题,本文结合织物图像自身的纹理特征及结构型疵点的方向性特征,创新性地提出基于方向灰度积分曲线特征的织物疵点检测方法,将二维织物图像的疵点检测转化为对一维灰度积分曲线特征的分类识别。该方法通过对输入的图像提取垂直水平方向灰度积分波形曲线,并对积分曲线提取了包括平均值、方差、能量等14个波形特征,然后利用可优化SVM分类算法对提取特征进行疵点判别。通过对漏针、断纱、并经、粗纱等疵点进行检测试验,结果表明,本文提出的疵点检测方法不仅对检测灰度跳变较小的结构型疵点具有较好的检测效果,检测准确率达到了94.34%,而且检测速度快,可以满足实时检测的速度要求。     

织物疵点监测装置

瑞士 Rhodia Filtec公司在美国专利 61 3 1452中提出了一种简化的检查织物的方法。据此专利介绍 ,这种最新的方法利用了一种固定连接的接触传感器来辨认、检测和评估一块平展移动织物的疵点。当织物在传感器下面行进时 ,这套系统能检测出织物横向的疵点。这种方法中所使用的接触传感器被固定在与织物成 1 0°～ 1 5°角的位置上。此传感器的运动当作信号被记录下来 ,然后被自动地量化。实际上 ,这种方法是能够振荡的。Rhodia Filtec公司声称 ,此传感器的自由长度和横剖面以及接触压都是重要的因素。再则 ,织物结构的自然频率应当低于其波…     

基于BP神经网络织物疵点检测识别

根据疵点的特征对简单的织物疵点进行识别,先采用直方图均衡化、小波分解、二值化等方法对织物图像进行一系列的预处理,然后提取出织物疵点的特征值,再利用3层BP神经网络对织物疵点进行训练识别分类,试验结果表明识别率达95％。     

基于人工神经网络的织物疵点检测

根据疵点的特征对常见织物疵点进行了简单的划分。采用直方图均衡化、二值化、中值滤波、腐蚀和膨胀等方法对织物图像进行一系列的预处理,对织物疵点的特征参数进行提取,利用人工BP神经网络来判别疵点的类别并进行分类。结果表明,利用BP神经网络识别织物疵点并进行分级是行之有效的。     

织物疵点自动检测技术的研究进展

介绍了织物纹理特征的提取算法、疵点分类方法和织物图像处理的硬件平台.在分析了各种算法的优点和缺点的基础上,提出了将织物疵点的检测分为粗检和细检两个过程的新思路,既可满足快速性的要求,又具有广泛的适应性.     

Feature selection by a genetic algorithm. Application to seed discrimination by artificial vision

Genetic algorithms (GAs) are efficient search methods based on the paradigm of natural selection and population genetics. A simple GA was applied for selecting the optimal feature subset among an initial feature set of larger size. The performances were tested on a practical pattern recognition problem, which consisted on the discrimination between four seed species (two cultivated and two adventitious seed species) by artificial vision. A set of 73 features, describing size, shape and texture, were extracted from colour images in order to characterise each seed. The goal of the GA was to select the best subset of features which gave the highest classification rates when using the nearest neighbour as a classification method. The selected features were represented by binary chromosomes which had 73 elements. The number of selected features was directly related to the probability of initialisation of the population at the first generation of the GA. When this probability was fixed to 0·1, the GA selected about five features. The classification performances increased with the number of generations. For example, 6·25% of the seeds were misclassified by using five features at generation 140, whereas another subset of the same size led to 3% misclassification at generation 400. The present work shows the great potential of GAs for feature selection (dimensionality reduction) problems. © 1998 SCI.     

应用遗传算法优化支持向量回归机的喷气涡流纺纱线质量预测

为探究熟条质量对喷气涡流纺纱线质量的影响,建立了遗传算法优化的支持向量回归机预测模型。模型的输入端参数为熟条的4项指标（条干CV值、回潮率、定量和定量不匀率）,分别对19.7tex 和11.8tex的涤纶/粘胶（67/33）喷气涡流纺纱线进行强力和条干CV值预测试验,同时建立了BP神经网络模型作对比试验。2种模型预测对比分析的结果表明：遗传算法优化的支持向量回归机模型的稳定性和精度要比BP神经网络模型高得多,更适用于描述熟条质量与喷气涡流纺纱线质量（单纱强力和纱线条干CV值）间的非线性关系。     

基于模拟退火算法改进遗传算法的织物智能配色

为提高传统配色方法及现有配色算法的配色精度、效率及泛化能力,构建了基于BP神经网络的遗传算法和模拟退火算法相结合的织物智能配色模型,利用BP神经网络预测颜色,将训练好的BP神经网络与CIEDE2000色差公式结合作为遗传算法的适应度函数,用模拟退火算法改进的基于BP神经网络的遗传算法预测颜色配方,并根据预测的配方对涤纶...     

基于支持向量机的织物悬垂性能评估分析

针对织物悬垂性评估中存在非线性建模困难及评估精度不高等问题,结合织物悬垂性参数数据的特点,基于Mercer核函数的性质,构建Mercer核函数的织物悬垂性评估模型。通过实验,认为其评估精度有了相应的提高,说明基于Mercer核函数的织物悬垂性评估模型是可行的。同时,通过改变参数值进行实验,结果表明这些参数的取值不同对评估结果有影响,且不同参数对评估结果影响的程度也不同,这对基于支持向量机的织物悬垂性评估过程有重要的指导作用。     

基于支持向量机-遗传算法灰树花发酵模型的建立及优化

对食用药用真菌灰树花发酵进行建模,获得使目标发酵产物达到最大产量的培养条件。运用支持向量机（support vector machine,SVM）方法进行非线性拟合,并采用遗传算法预测优化培养基成分,结果表明其能够较好预测灰树花发酵过程。运用此方法可在灰树花发酵生产过程中根据所需产物控制发酵条件与时间,具有较高指导意义。     

基于支持向量机的野生蘑菇近红外识别模型

提出一种应用近红外光谱技术对野生蘑菇识别的新方法。使用FieldSpec3便携式近红外光谱仪对包括野生蘑菇在内的13种蘑菇进行漫反射光谱采集,通过对光谱的分析,得出1 483,1 727,1 930,2 100,2 180,2 310nm为样品中多糖、蛋白质、脂肪的特征吸收峰,且野生蘑菇中3种成分的相关基团近红外特征吸收峰显著地高于其它蘑菇。将以上6处波长的吸光率作为输入变量,建立支持向量机识别模型,取RBF核,优化后惩罚因子C=2 048.0,核参数γ=0.031 25,该模型对未知样本正确识别率为95.3%。结果表明,利用近红外光谱少量波长处的特征吸收差异,建立支持向量机识别模型可以很好地对野生蘑菇进行鉴别。     

遗传算法在织物起皱评价中的应用

文章对传统遗传算法进行了改进，提出了一种带有倒位算子的遗传算法。经检验表明，该遗传算法可以有效地提高收敛速度，达到全局最优。将遗传算法应用于织物起皱评价，可以为决策者提供优化方案。     

基于傅里叶频谱特征的织物平整度客观评级

为解决织物平整度人工评级主观性强,现有客观评级准确率低的问题,提出一种基于傅里叶变换、频谱特征提取、支持向量机的织物平整度评级方法。首先采集标准模板及织物样本图像,对所得图像预处理并进行傅里叶变换;在频域内构建低通滤波器,通过频域滤波以及傅里叶逆变换确定褶皱信息在频谱图中所处频率范围,称之为褶皱贡献区间;将褶皱贡献区间划分为若干特征子区间,统计每一区间内频谱幅值之和,并以此作为特征值构造特征向量;以所有训练样本的特征向量构造特征向量集,并以所得特征向量集训练支持向量机,对织物平整度进行客观评级。所采用织物样本总数为132,取其中24张及标准模板图像为训练集,其余作为测试集。结果表明,本文使用算法在织物平整度评级方面具有很好的效果,评级准确率可达96.30%。     

近红外光谱技术检测液态奶中微量三聚氰胺的可行性研究

为了快速检测液态奶中违法添加的三聚氰胺量,利用近红外光谱技术进行可行性研究分析。对采集的54组添加不同三聚氰胺含量的液态奶样本的近红外漫反射光谱进行小波变换(wavelet transform,WT)结合主成分分析(principal component analysis,PCA)后,提取得到特征信号,利用广义回归神经网络(general regression neural network,GRNN)建模进行三聚氰胺的定量分析,结果显示当三聚氰胺浓度低于0.05%时,模型预测能力较差,预测集模型R2仅为0.654。进一步利用支持向量机(support vector machine,SVM)建模对液态奶中是否添加三聚氰胺进行定性判别,结果显示测试集准确率为94.44%。因此,通过近红外光谱结合适当的化学计量学方法,对液态奶中添加三聚氰胺虽无法精确定量,但可准确对其进行定性判别。