羊绒鉴别检测综述

基于羊绒自身的特点及在鉴别检测过程中的不确定性,指出准确鉴别和检测羊绒已成为当务之急。在国内外已有的羊绒鉴别检测方法的基础上,分析探讨并评价其方法的重要性和适用性;同时介绍国外新的羊绒检测方法,对目前羊绒检测过程中存在的问题进行分析和思考,旨在寻求一种高效、准确而又适用的羊绒鉴别检测方法。     

基于鳞片纹图基因码的羊绒理论识别精度及正误判率

针对羊绒与细羊毛鉴别的问题,研究了鳞片纹图基因码关于羊绒的的识别精度。研究表明, 虽然羊绒与细羊毛同一鳞片纹图基因码的分布类型相同,但数字特征却大同小异,羊绒鳞片纹图基因码的数字特征表明其鳞片更似方形或窄矩形,而细羊毛的则更似宽矩形。在所有纹图基因码中,两类纤维鳞片面积、周长和矩形度的分布几乎完全重叠,表明三者无法用于纤维鉴别。两类纤维其它纹图基因码的分布部分重叠,据此可建立具有最小识别误差的纤维辨识标准,获得了羊绒纤维最大识别概率为88.8%,羊毛最大识别概率为92%,最小识别误差为10.7%的结论。这些结论为羊绒鉴别最优基因组的发现提供了理论参考。     

羊绒鳞片纹图基因码的分布特征及相互关系

针对羊绒鉴别的问题,研究了光学显微镜下纤维鳞片纹图基因码的统计规律。研究表明, 羊绒鳞片纹图基因码中除纤维直径的均匀性较好、变异系数较小以外,其它基因码的变异系数均较大。所有纹图基因码中除了鳞片矩形度的最优拟合为正态分布外,其它形状参数的最优拟合均为对数正态分布,其拟合相关度均超过了0.99。羊绒纹图基因码中相对形状参数离散度较小而绝对形状参数离散度较大。在所有的纹图基因码中,鳞片矩形度的离散度最小而面积的离散度最大,羊绒纤维鳞片形状较更似方形或窄矩形。这些统计特征为羊绒最优判别基因组的构造提供了参考依据,为羊绒纤维鉴别准则的发现提供了理论基础。     

基于贝叶斯方法的山羊绒与细羊毛的鉴别

根据细羊毛与山羊绒的鳞片形状与结构特征的不同,提出智能识别2类纤维的方法。通过CCD系统获取2类纤维的灰度图像,采用图像技术将灰度图像处理成单像素宽度的二值图,从二值图中提取描述2类纤维鳞片形状特征的4个比对指标。在样本数据库上基于4个比对指标的统计假设建立辨识细羊毛与山羊绒纤维的贝叶斯分类模型。仿真结果表明:该模型具有较好的纤维鉴别能力,对山羊绒纤维的识别准确度达到83%,对细羊毛则达到90%;并且随着参数的增加,模型有进一步提高鉴别精度的可能。     

羊绒鳞片图纹基因码的构成及其相互关系

研究了光学显微镜下纤维鳞片的图纹特征,基于光学显微镜提出了描述纤维鳞片形状特征的图纹基因码。讨论了纤维鳞片图纹基因码的构成,并给出了它们的分类。研究了纤维鳞片图纹基因码之间的相互关系,研究结果表明在0.05的显著性水平下,纤维鳞片图纹基因码之间大多数都存在一定的相关性,只有少数的几个鳞片图纹基因码之间不存在相关性。这表明不同的鳞片图纹基因码之间关于羊绒的识别机理存在一定的重叠性,这为羊绒纤维鉴别最优基因组的发现指明了方向。     

山羊绒形态特征的统计规律

鳞片的模式特征是辨识动物纤维的主要依据,本文研究了光学显微镜下羊绒鳞片的模式特征。通过图像技术我们提取了描述羊绒鳞片形状特征的四个基本指标,并由此导出了四个相对特征指标。对这些指标的统计分析结果表明,羊绒鳞片的四个基本形状参数的分布特征是有差异的,不完全是正态分布,与其相对关的相对特征也是类似。     

一种基于遗传算法的分类方法

数据挖据的目的是从数据库中获取知识。本文针对挖据目的，提出了一种基于遗传算法的分类方法，并应用于实例，得到了很好的结果。     

大提花织物CAI的开发设计

用Microsoft word编写,运用Flash的动画技巧制作大提花机不同装造类型下的运动动画,把提花机复杂的运动原理变得更加具体、形象化,同时用文本、图形、图像、声音和动画表述教学内容,能用计算机显示各种在黑板上无法完成的图像．