棉花异性纤维中羽毛与麻绳的分类特征研究

异性纤维指棉花中混杂的化学纤维、动物纤维和非棉性纤维等杂物的统称,如丙纶丝、塑料绳、毛发、麻丝、有色纤维等。异性纤维问题已严重影响我国棉纱市场的销售和出口,给棉纺企业带来巨大的损失。为此研究棉花异性纤维的种类、构成与特性,并运用机器视觉技术研究棉花异性纤维的快速识别,对提高棉花质量,促进我国棉花产业和棉纺织工业的发展具有重要意义。通过建立棉花异性纤维分类识别和计重系统,可以有效地降低异性纤维的危害,同时通过异性纤维计重可以体现出棉花的品质。     

基于深度学习的棉花异性纤维检测

在棉花纤维生产过程中,棉花异性纤维直接影响着其成品质量优劣。通过人工进行视觉上的观察是常用的判定棉花异性纤维优劣的方法,但这种方法耗费大量人力和时间,且准确性不高。本文测试一种可根据深度学习对棉花异性纤维进行自动检测的方法。通过卷积神经网络,在对棉花图像不断训练的过程中,使棉花异性纤维质量检测过程自动化。结果表明,这一方法对于检测棉花异性纤维准确性高、效率高,对于高品质棉花自动化生产加工有重要意义。     

棉花异性纤维检测方法研究进展

概述了提升棉花异性纤维在线检测性能的方法。介绍了近几年棉花异性纤维检测过程中提高图像识别精度、识别效率的主要算法和方法。指出:现阶段研究的检测系统和方法均表现有较高的定位识别精准度;部分方法由于系统成本或识别算法复杂、效率低等原因,仅能在试验条件下实现,与实际生产环境差别较大。认为:未来还需进一步优化算法,改善检测过程中皮棉输送状态,组建多重检测系统和多特征综合评价系统,提高棉花异性纤维在线检测的准确度和精度。     

应用聚类统计分析的棉花异纤图形检测算法

在棉纺企业原棉异性纤维剔除工艺过程中,异性纤维种类及特征多样,难以构造统一的识别模型,为此,提出了一种基于聚类统计分析的棉花异性纤维图形检测算法。通过获取原棉纤维及异性纤维在RGB颜色模型空间的各分量值,进行数值聚类统计分析,采用RGB彩色图像阈值聚类统计分类的方法将获取的图片信息分为3类,进而判断有无异性纤维,再经过形态学等预处理修缮图像,对棉花中异性纤维的特征进行提取,较准确地得到异性纤维的面积、质心坐标和周长等参数,为异性纤维的清除提供条件。实验结果表明,该算法能较准确地识别异性纤维。     

棉花异性纤维的定义和评定方法探讨

通过对棉花异性纤维的形成原因和特点研究,推出异性纤维的定义并分类;同时结合对棉花新标准中异性纤维的评定分析,提出对异性纤维的量化评定方法。     

棉花异性纤维的定义和评定方法探讨

通过对棉花异性纤维的形成原因和特点研究,推出异性纤维的定义并分类;同时结合对棉花新标准中异性纤维的评定分析,提出对异性纤维的量化评定方法。     

基于DSP的棉花异性纤维检测系统总体方案研究

本文介绍棉花异性纤维检测系统的国内外现状，叙述了检测系统的总体设计方案，包括系统的总体结构、检测项目的器件等。同时结合当前电子技术和图像处理技术的最新发展，介绍了用于棉花检测系统的性能指标和设计准则，提出了采用FPGA＋DSP结构来实现图像检测的方法。 本文是作者《基于DSP的棉花异性纤维检测系统》一文的部分摘编，其另外两部分为图像处理算法与硬件设计和系统的软件设计与仿真测试。     

重视和加强棉花异性纤维含量的检验

正棉花异性纤维含量检验工作是整个棉花检验工作的重要组成部分,如果异性纤维混入到棉花当中,会严重降低棉花的质量,从而给棉纺企业的正常生产造成巨大影响,甚至会给棉纺企业造成巨大经济损失。棉花异性纤维含量检验过程中存在的问题1.与棉花纤维颜色相近的异性纤维识别难度较大。有大量研究结果表明,     

浅谈棉花异性纤维含量检验技术

棉花是纺织品生产的重要原材料,在进出口贸易中也占据重要地位。在棉花中存在的异性纤维,也就是人们常说的"三丝",对棉花整体质量会产生较大的影响,属于棉花危害物中的杂质。由于这些异性纤维对棉花的质量会产生较大的影响,因此,在进行棉花的异性纤维含量检测中,需要对这类杂质进行有效识别,这对提升整体的棉花质量具有重要意义。本文主要介绍了异性纤维的主要来源,分析了棉花异性纤维含量指标的主要影响因素,并探究棉花异性纤维含量的有效检验技术应用。     

基于近红外光谱和残差神经网络的异性纤维分类识别

针对传统图像处理方法对棉层中异性纤维检测效果不佳的问题，基于近红外光谱和残差神经网络提出一种对棉层中异性纤维的分类识别方法。采用Savitzky-Golay法对异性纤维的近红外光谱数据进行平滑处理，结合F检验和LightGBM分类算法实现特征波长优选，并将优选后的光谱数据经格拉姆角场转换成保留波长序列之间时序性的格拉姆角和场图像；构建残差深度卷积神经网络模型，将转换后的格拉姆角和场图像作为训练样本对残差网络模型进行训练。实验结果表明，该方法能够有效地对复杂环境下棉层中的异性纤维进行分类，分类准确率达到99.69%,与其它数据转换方式和分类模型相比提高了棉层中异性纤维的分类识别精度，为复杂环境下异性纤维分类识别研究提供了新思路。