共查询到19条相似文献,搜索用时 281 毫秒
1.
织物疵点自动识别技术在毛纺中的应用 总被引:2,自引:1,他引:2
为了实现自动验布,摆脱人工验布的种种缺点,介绍了采用神经网络和图像处理技术识别织物疵点的准确性和可行性,把疵点主要分为破洞、断经、断纬、油渍、筘路等5类,使用灰度统计量法对疵点图像进行处理,然后应用BP网络对其进行分类识别。实验证明该方法的准确性高、速度快,符合自动验布系统的要求。同时文章还讨论了该技术在毛纺企业的应用前景。 相似文献
2.
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
3.
4.
5.
6.
7.
基于尺度变换的Gabor滤波器织物疵点检测 总被引:1,自引:0,他引:1
针对织物表面疵点自动图像检测问题,提出一种基于尺度变换的Gabor滤波器织物疵点提取方法,该方法使Gabor滤波函数的比例伸缩尺度随中心频率而变化。用Gabor尺度变换的3个尺度和4个方向的滤波器组分别与正常和待识别的疵点织物图像进行卷积,提取正常与异常织物纹理特征,从而得到偏差图像。再对偏差图像进行融合,使织物疵点突显出来。最后通过阈值处理检测出织物疵点。对缺经、缺纬、经纬交错和油污4种常见织物缺陷的实验结果表明,这种方法是有效的。 相似文献
8.
9.
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
10.
11.
12.
对于织物缺陷的检测,可以使用多种不同的图像处理技术.而具有多分辨特性的小波变换是一种分析图像的新方法,它的变尺度特性与人类视觉中的空间频率多通道相吻合.使用小波分析的方法对3种织物缺陷进行检测分类.首先将织物图像进行3层小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别,实验结果表明,用这种方法识别织物缺陷识别率可达到98%。 相似文献
13.
探讨织物疵点自动检测的方法。通过对4种常见织物疵点的图像进行线灰度曲线分析和处理,提取疵点图像的特征值,送入BP神经网络进行识别,从而实现织物疵点的检测。试验结果表明,该方法取得了较好的检测效果,织物疵点识别率达到93%以上。认为,此法能够有效识别出织物中的几类常见疵点,应进一步研究,以提高其识别准确率。 相似文献
14.
Detection of fabric defects can be considered as a texture segmentation and identification problem, since textile faults normally have textural features that are different from features of the original fabric. A feasible approach for the recognition of fabric defects based on discrete wavelet transform and back-propagation neural network is proposed in this article, the indispensable processes of which are defect image preprocessing, wavelet transform, feature extraction, principal component analysis of the extracted feature parameters, and defect identification. Under the experimental condition, the average recognition accuracy of defects and nondefects are 99.2% and 100%, respectively. Experimental results show the advantages with high identification correctness and high inspection speed. 相似文献
15.
为解决织物疵点分类过程中由于人为因素造成分类准确率不高的问题,提出一种基于人工神经网络的织物疵点分类方法.首先利用灰度共生矩阵提取织物疵点图像的纹理特征参数;然后阐述前馈BP神经网络的拓扑结构,并提出该网络的具体训练过程;最后利用人工神经网络对真实织物疵点样本进行分类.实验采用5类织物样本,网络训练完成后得到实际分类的... 相似文献
16.
17.
为了实现机织物疵点的自动检测,文章在构造织物自适应正交小波库的基础上,运用遗传规划算法,将构造的小波库作为群体规模,对遗传规划算法四种不同的适应度函数进行优选后,从群体规模中优化出与织物纹理相匹配的小波基。研究结果表明,以织物纹理波动为适应度函数得到的小波基与织物的匹配性较好。试验验证了该方法对相关疵点检测的有效性,并采用窗口分割法对织物疵点进行定位,表明采用遗传规划算法结合适应度函数优选的方法,能够找到与织物纹理相适应的最优小波基,实现织物疵点的自动检测。 相似文献
18.
19.
受织物背景纹理多样性以及起球疵点特点的影响,传统的图像处理算法难以满足起球疵点自动检测和客观评价需要,为此,提出一种基于小波域的高斯差分滤波起球客观等级新方法。首先,对起球疵点图像进行小波多层分解,实现周期性背景纹理信息与起球信息的分离;然后,选择合适的小波分解子图进行高斯差分滤波,消除噪声以及光照不均等缓变的背景信息,提高起球信息的显著度;在此基础上,根据起球特征设定阈值对起球疵点图像进行分割,并提取起球特征;最后,通过人工神经网络进行起球疵点客观等级评价。研究结果表明,本文方法用于起球疵点客观等级评价是可行且有效的,具有较强的抗干扰能力。 相似文献