共查询到19条相似文献,搜索用时 78 毫秒
1.
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。 相似文献
2.
3.
本文通过构造自适应正交小波识别混合特征畸变织物疵点。首先确定所设计小波的优化目标,然后采用二通道方法准确重建正交滤波器(Quadrature Mirror Filter, QMF)的结构实现方式,推导出目标函数,并通过目标函数选择具体的优化方法,建立起优化目标和QMF系数间的函数关系;最后采用构造出的自适应正交小波对3种类型的混合特征畸变疵点进行识别,通过两层离散小波分解,验证该方法的可行性。 相似文献
4.
5.
6.
为了提高纹理模型对统计特征畸变织物疵点的识别率,本文提出了一种GMRF纹理模型自动识别不同种类的统计特征畸变织物疵点。首先,介绍了GMRF纹理模型并对GMRF模型参数进行估计;然后,利用生成的GMRF纹理模型进行仿真实验,以验证参数估计算法和纹理合成算法的正确性;最后,设计织物疵点的检测流程,并对实际疵布进行自动检测,实验证明:通过GMRF模型参数构造的距离统计量能够敏感地区分正常织物纹理和统计特征畸变疵点纹理,比较适用于统计特征畸变疵点的自动检测。 相似文献
7.
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. 相似文献
8.
9.
采用数字图像处理技术对原棉疵点杂质进行检测与识别。利用自适应阈值分割的方法对目标图像进行分割及轮廓提取,并根据目标图像的相关特征值,提出了离心率与面积周长之比相结合的人工智能分析方法对原棉疵点杂质进行识别分类,取得了很好的效果。 相似文献
10.
针对纬编光坯针织物中存在的不同类型疵点,使用Photoshop和MATLAB软件对其疵点的扫描图像进行预处理,以检测传统的织物疵点。然后通过对色点、玷污、破洞、粗纱等几种疵点图像进行分析和处理,最终得出常见的针织物疵点图像的特征量提取方法。实验结果表明,对于不同类型的疵点,可通过不同的处理方法来获得较佳的结果。 相似文献
11.
基于神经网络的织物疵点识别技术 总被引:5,自引:3,他引:5
因织物组织繁多,表面特征各异,很难建立一个统一的织物疵点识别模型。为了解决这一问题,实现自动验布,提出采用双层神经网络和小波变换来识别织物疵点的方法。先对正常织物进行训练,得到织物的特征,应用第1层简单BP网络来分辨正常织物和疵点。然后对疵点图像进行二维离散小波变换,并去除织物本身的特征,利用已训练的BP网络进行具体疵点识别。试验证明,这种方法的准确性较高,速度快,基本接近自动验布系统的要求。 相似文献
12.
针对织物纹理花型人工视觉分类效率低的问题,提出一种基于深度卷积神经网络(CNN)的条状、格子和波点纹理织物的识别分类方法.首先,建立由条状花型、格子花型和波点花型织物组成的图像样本集和标签数据集.然后,分别建立了基于GoogLeNet和AlexNet两种卷积神经网络的织物花型分类模型.最后,通过模型评价指标选择最优的训练迭代期.实验结果表明,利用深度卷积神经网络分类织物花型是可行有效的. 相似文献
13.
应用深度卷积神经网络的色织物缺陷检测 总被引:3,自引:0,他引:3
针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明:应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。 相似文献
14.
为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法。用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建。利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像。以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu, Dropout值为0.3,预训练学习率为0.1,微调学习率为0.000 1,批训练个数为64时,模型参数值达到最优。最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证。结果表明:所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98%。 相似文献
15.
16.
17.
18.
基于改进卷积神经网络的化纤丝饼表面缺陷识别 总被引:2,自引:0,他引:2
针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类。最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测。结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1%,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性。 相似文献
19.
以取珠后的蚌肉为原料,采用超高压方法提取河蚌多糖。利用响应面试验设计获取神经网络所需的训练样本,利用训练成熟的神经网络进行训练和仿真,分析因素(压力强度、料液比和保压时间)以及因素间的交互作用对河蚌多糖得率的影响,并对超高压得河蚌多糖的工艺进行优化。结果表明:人工神经网络法比响应面法的优化准确性高,预测值的可信度较强;超高压提取河蚌多糖最佳工艺条件为:压力强度340 MPa、料液比1:42(g/mL)、保压时间10 min,该条件下的多糖得率预测值为7.18%,实测值为7.12%,相对误差为0.84。该工艺具有短时、高效、环保等优点,为河蚌多糖的开发利用提供技术依据。 相似文献