共查询到10条相似文献,搜索用时 46 毫秒
1.
主要对平纹、斜纹和缎纹组织丝织物的一些常见疵点,如档疵、缺纬、缺经、重纬、油污等进行了智能化判别。先用SONY数码相机在黑色的背景下对疵点进行了拍照得到了图像数据,然后用一系列图像预处理法,如直方图处理变换增加了织物图像的对比度、用计算得到的阈值对织物进行了二值化处理、滤波方法消除二值化处理后图像噪声等,从织物纹理分离出疵点部分,得到了可以分析的织物疵点图像。用灰度统计法对预处理得到的织物疵点图像进行了分析,得到了织物各疵点基本特征值信息。织物疵点智能化判别是用BP神经网络进行的,首先对BP神经网络进行了训练,然后将灰度统计法得到的疵点特征值信息输入到BP神经网络,对疵点进行了分类。 相似文献
2.
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
3.
4.
5.
6.
7.
采用图像处理的织物缝纫平整度自动评估 总被引:1,自引:0,他引:1
为解决织物缝纫平整度客观自动评估时分类正确率低的问题,提出了一种基于灰度共生矩阵、小波分析和反向传播(BP)神经网络相结合的织物缝纫平整度的自动评估方法。首先采集标准缝纫图像,将图像的灰度级降至16 级,计算图像在0°和90°方向上的灰度共生矩阵并将其归一化,提取灰度共生矩阵的能量、熵、对比度和相关性4 个特征参数,并分别对特征参数在0°和90°方向上取均值;同时,运用Haar 小波在第6个分析尺度上提取并计算图像的水平细节系数的标准差。然后将提取的这5 个特征参数输入到BP 神经网络中训练和识别,并对标准缝纫图像进行了评估。评估结果显示:提出的算法与单独采用灰度共生矩阵特征、小波特征相比,具有较高的分类正确率,分类效果稳定。 相似文献
8.
9.
为了对起毛工艺后的织物表面绒毛状态进行客观评定,提出了基于BP神经网络的织物表面绒毛质量的检测方法。以光切成像原理采集绒毛轮廓图像,利用自适应图像分割方法对绒毛区域进行分割,将得到的二值图像应用Freeman链码原理提取织物的上边缘轮廓坐标,以此作为BP神经网络的输入对BP神经网络进行训练,并将训练得到的2组权值根据BP神经网络的计算过程进行验证,提出应用激活函数和训练的权值相结合直接计算的方法。应用基于光切成像原理搭建的绒毛织物检测平台,对4种不同颜色和不同起毛工艺加工后的织物进行检测,准确率为93.02%;且权值的计算结果与网络实际计算结果相符合,因此可以直接利用网络训练的权值做矩阵运算,缩短实际检测的时间。 相似文献
10.
基于BP神经网络织物疵点检测识别 总被引:1,自引:0,他引:1
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%。 相似文献