共查询到19条相似文献,搜索用时 250 毫秒
1.
2.
在线纸病检测技术的新发展及应用 总被引:5,自引:0,他引:5
介绍了纸病检测系统的发展历程及其采用的关键检测技术,并对CCD元件的工作原理及数字相机如何避免在线测量扰动的情况进行了分析,还对纸病的成像及自动刹车系统的功能和现代纸病检测系统在各种纸机上的典型应用做了阐述。 相似文献
3.
介绍了山东日照森博浆纸有限责任公司#1纸机纸病检测系统及其线阵CCD相机技术在白卡纸纸病在线检测中的应用情况. 相似文献
4.
5.
提出了一种基于段的连通域标记处理算法,同时对纸病区域进行连通域标记和形状特征值提取,旨在提高纸病检测的准确率和效率。该算法利用纸病区域为简单连通图像的特点,采用段技术实现了纸病区域的标记处理,探讨了在标记处理同时快速统计与形状特征值计算有关的中间参数的方法,利用标记结果及形状特征值实现了纸病的快速检测。该算法优化了标记处理与形状特征值提取的过程,减少了纸病图像的扫描次数。结果表明,该算法达到了准确、快速的纸病检测效果,且易于扩展到实际的纸病检测系统中。 相似文献
6.
造纸加工工艺的进步带动了纸机加工车速的提升,同时也带来了更加复杂的纸病处理问题。基于位平面理论,构建了一种新的纸病检测数学形态算法,旨在为现代造纸加工行业中的纸病检测工艺提供一种抗干扰能力强、定位准确以及运算较为简单的数学形态算法。首先对位平面技术的理念和运行策略进行分析;其次对基于位平面的纸病检测算法进行论述,从自适应中值滤波、获取图像的增强位平面、用数学形态学算法进行边缘检测等角度进行了详细研究;最后对该种类的纸病检测数学形态算法进行方针结果分析,认为该种算法能够在运算简单的基础上,更好地检测出纸病缺陷提供优良的纸病检测抗干扰性的定位精准性算法。 相似文献
7.
针对高速纸机纸病检测时,图像数据处理量大和实时性的要求,文中采用FPGA(Field Programmable Gate Array)和线阵CCD(Charge-coupled Device)相机技术,介绍了一种高速纸病检测系统的设计。利用FPGA并行性和高速运算能力的特点,控制线阵CCD实现高速下图像采集和进行纸病图像预处理,抓取出纸病图像并上传到上位机,然后利用灰度阈值分割和二值图像分型盒维数的方法确定纸病类型。结果表明,该设计有效提高了纸病检测速度,降低了成本。 相似文献
8.
9.
制浆造纸工业中任何对纸张产品质量产生负面影响的表面缺陷都被称之为纸病,随着现代社会生活生产对纸张质量要求的提高,如何更高效、更精准地识别纸病成为制浆造纸工业发展中必须解决的问题。基于人工智能背景下的动态识别技术在造纸领域中的应用进行了分析,在详细分析以动态识别技术为核心的纸病检测流程的基础上,研究、梳理并总结了当前我国制浆造纸流程在动态识别技术上的软硬件系统和检测算法发展流程;分析了当前我国制浆造纸领域针对纸病检测工作中存在的疑难点问题,讨论了基于人工智能背景下动态识别技术在造纸领域中的应用和发展前景。 相似文献
10.
11.
纺织工业是我国制造业出口的重要组成部分。布匹的质量控制在纺织工业中尤为重要,而布匹瑕疵是影响布匹质量控制的重要因素之一。在中小企业中,布匹瑕疵识别主要依靠人工流水线作业,存在着人工成本高、人眼识别准确度低等问题。因此,一个有效的布匹瑕疵检验系统是十分必要的,布匹瑕疵分类算法是保证疵点判决效率的核心。基于布匹生产企业存在的问题,有针对性地研究了机器学习与计算机视觉的布匹瑕疵识别算法的基本原理,介绍了各类布匹瑕疵识别中的检测与分类算法,将最近发展迅速的机器学习的理论研究引入布匹瑕疵识别中,对涉及机器学习的模式识别算法进行了介绍。 相似文献
12.
为提高疵点检测的准确性和通用性,实现使用简洁而有效的形式对织物图像的特点和疵点的本质特征进行综合表达,首先,介绍了深度学习技术,对引入了深度学习的疵点检测方法进行综述,同时对深度学习与疵点检测的内在关系进行阐述;然后,分析总结了深度学习的概念及代表性的计算模型,并对引入深度学习的疵点检测方法进行归纳、总结和分类;最后,对典型的方法进行了分析,讨论了各种方法的优缺点,并对未来的研究趋势进行了展望。指出:随着深度学习的发展,探索更加通用的检测方法是推进深度学习在织物疵点检测领域应用的努力方向。 相似文献
13.
14.
色柳是染整过程中形成的常见疵病,在纺织品的疵点自动检测识别中,疵点信息的检测最为关键。文章提出了色柳疵点的检测方法,利用图像的色彩模型提取不同的颜色值,并通过小波变换的多分辨率技术进行疵点的提取。实验表明该方法是可行的。 相似文献
15.
16.
17.
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
18.
基于机器视觉设计了一种缺陷检测系统,该图像处理采用基于偏微分方程的去噪模型实现了图像去噪;利用双阈值分割方法实现了缺陷区域的分割;并采用BP神经网络根据周长、面积和圆形度实现了缺陷分类。结果表明:试验系统的整体漏检率为0.17%,检测精度比较高;每个包装的检测耗时大约为70ms,检测效率比较高;该系统能很好地满足食品包装实时、快速、准确、稳定的检测要求。 相似文献