基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法.首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后...     

基于图像处理的机织物密度的高精度识别

通过对机织物图像和扫描仪精度的探讨,选择用扫描仪垂直扫描得到高分辨率的机织物表面反射图像,并提出采用特定的图像尺寸对织物图像进行处理。利用纱线间隙定位法对织物图像进行纠偏预处理。在处理后织物图像的亮度投影曲线中,通过区域排查的方法确定纱线间隙的位置。再对纱线间隙的距离依次检查,得到纱线间隙距离的准确平均值,最终得到织物的密度。实验证明,所得结果最高误差为0.07%,准确度较高。     

VC++在织物线密度检测上的应用

为提高织物自动检测的效率，对于应用软件的研究是必要的。以VC^＋＋基础，分析了利用VC^＋＋进行程序开发的优势以及织物自动检测的研究现状；着重通过编程实例，介绍如何在计算机上通过VC^＋＋实现织物的前期预处理，以及织物组织的自动经纬密度检测功能。     

用图像处理技术快速检测机织物的经纬密度

文章讨论了用一维傅立叶变换、二维傅立叶变换和小波变换等图像处理技术检测织物经纬密度的原理和方法,找到了一种快速、可靠的织物经纬密度的检测方法.用VC 编程实现了织物经纬密度的快速检测,并用三维立体图表示出织物图像的变换结果.     

机织物经纬密度的图像测量－I测量方法

介绍了一个由CCD数码相机、平板透射光源和PC机组成的简易织物图像分析系统,其测试原理是模拟移动式密度镜的测试原理设计图像识别算法,通过识别织物中纱线的间隙进而对经、纬纱线计数并完成测量。试验结果表明,它可以测量素色、印花、色织物等绝大多数常规织物,其测量精度应高于人工测量中的观测精度。     

用小波变换法自动测量机织物经纬密度

研究用小波变换方法对机织物图像处理,实现织物经纬密度的自动测量,提出了确定小波分解层次的方法,对分解图像进行二值化和平滑处理的方法,实验证明用coiflets小波处理织物图像是有效的。     

机械图像处理技术在织物疵点检测中的应用

提出了一种基于机械图像处理技术的织物疵点检测新方法.首先对采集的织物图像进行小波变换,对增强后的疵点图像采用最佳阈值分割和形态学运算,最后对织物疵点进行边缘检测.比较表明,新方法优于经典的边缘检测方法,对织物疵点边缘检测更为有效.     

机织物经纬密度的图像测量-Ⅱ测量精度及标准化

为提高测量系统的精度和效率，通过与人工测量作对比试验，用数据检验了所设计的织物密度自动分析系统测试织物密度可能达到的测量精度；提出了标准化测试方案，即每个试样在不同位置测量15幅图像，以平均值作为结果能够达到精度要求；分析了用2种测试方法得到的测量数据的误差和稳定性；试验结果表明，该系统自动测量织物密度具有可靠性和优越性。     

织物经纬密度测量的研究进展

介绍了当前织物经纬密度测量的技术手段和国家标准，综述了当前国内外织物经纬密度自动测量的研究现状和进展以及投入应用的测量仪器的情况，并对新的测量仪器进行展望。     

基于MATLAB的机织物密度自动检测

对机织物用MATLAB语言进行图像处理，实现机织物经纬密度自动检测进行了研究。提出用小波变换对机织物图像进行分解和重构，将机织物经向和纬向信息分离出来，再对变换后的图像进行二值化和平滑处理。得到与背景完全分离的纱线分布信息，自动计算出机织物的经纬密度。经实验验证，所得结果相对误差为3‰，准确度较高。     

基于图像处理的网格圈织物孔隙率检测

针对目前网格圈织物的孔隙测试相对困难的问题,本文采用图像处理方法对其孔隙及孔隙率的检测进行研究。首先对扫描所得的网格圈织物图像采用阈值分割方法将其转换成二值图像,对该二值图像可利用投影法判断经纬纱直径,计算得到理论孔隙率;然后对二值图像中纱线主体部分的干扰区域进行剔除,图像取反;最后通过面积滤波后提取孔隙数量、孔隙面积大小、孔隙分布以及计算实际孔隙率等指标,并且对面积过小的孔隙进行位置标定。实验结果表明,用图像处理方法对网格圈织物进行检测,能够客观反映网格圈织物的孔隙率和孔隙分布的均匀性,且实际孔隙率远低于理论孔隙率。     

基于自适应小波变换的织物密度测量

应用自适应小波变换技术以实现机织物密度的自动测量。先运用Wiener2和直方图均衡技术对织物图像进行预处理,增强图像的纹理特征;接着选取自适应小波技术对织物图像进行分解;再对分解得到的子图像进行二值、平滑等后处理;最后通过分析后处理图像的经纬纱线信息得到织物密度。试验结果证明,运用该方法能够准确测量3种基本组织的织物密度,是一种行之有效的方法。另外,还简要介绍了自适应小波的构造技术。     

基于小波变换的机织物经纬密度自动检测技术

探讨了小波变换在机织物图像处理方面的应用,通过使用多层小波分解与单层细节重构,实现了对机织物经纬密度的自动测量;提出了一种利用最大相关系数算法自动确定小波重构层数的新方法,可使结果更客观、准确。     

基于深度信念网络的织物疵点检测

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%。     

基于小波滤波的机织物纱线排列与密度检测研究

为了改善传统人工检测纱线排列及其密度的效率,提出一种机器视觉的检测方法。首先对织物图像进行小波分解,求得垂直图像分量并对其进行Radon变换以求取织物图像校正角度。重点研究经纬纱线投影曲线的小波分解和长度对数阈值的规则滤波,以此来获取经纬纱线的位置定位。最后,对识别结果进行直观比较与统计学上的配对样本t检验,并进一步提出了纱线间距异常值判别法则。结果表明:该方法能较好地适用于机织物纱线排列关系及其密度的机器视觉判别。     

基于图像处理的织物保形性检测

为更加全面、准确地评价织物保形性,开发了能够模拟织物在日常使用中被压皱后展平的恢复过程动态检测系统.通过检测系统获取织物折痕回复的视频序列,利用程序提取出各时刻的单帧视频图像,然后依次对图像进行预处理、二值化处理与细化处理,最后提取出反映织物保形性的指标,包括顶角、顶高、保形面积.实验结果表明:在折痕回复阶段,随时间延...     

机织土粒保持用土工织物密度设计

结合被保持土壤性质 ,利用织物的结构特征 ,研究了用于土粒保持用土工织物的密度设计方法。     

基于图像灰度曲线特征值的机织物密度测量

针对目前市场上机织物密度主要依靠人工检测以及利用图像测量结果准确率不高的现状,提出了一种基于图像灰度曲线特征值的机织物密度测量方法.获取织物图像后,利用Radon变换对其倾斜矫正,作出织物图像灰度曲线,曲线波峰数目对应纱线根数.为了在波峰数统计时过滤掉杂质小波峰,分别以曲峰峰值和位置的分布特点为依据,设定统计限制参数,找出更优的统计方法,实现机织物的密度测量.结果表明:以波峰位置为依据设置限制参数时,测得密度的稳定性与准确性最高,误差均能保持在2％以内,可以满足实际生产需要.     

织物经纬密度自动测量的研究现状及其展望

介绍了目前国内外织物经纬密度自动测量的研究现状、研究方法以及推向市场的测量仪器的情况,并对织物自动测量的研究方法和技术进行了展望。