(机械设计及理论专业论文)基于神经网络的异性纤维检测算法的研究.pdf_第1页
(机械设计及理论专业论文)基于神经网络的异性纤维检测算法的研究.pdf_第2页
(机械设计及理论专业论文)基于神经网络的异性纤维检测算法的研究.pdf_第3页
(机械设计及理论专业论文)基于神经网络的异性纤维检测算法的研究.pdf_第4页
(机械设计及理论专业论文)基于神经网络的异性纤维检测算法的研究.pdf_第5页
已阅读5页,还剩53页未读 继续免费阅读

(机械设计及理论专业论文)基于神经网络的异性纤维检测算法的研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

摘要异性纤维在线检测系统在棉花生产线上自动检测原棉中混杂的异性纤维并将其剔除,在棉纺织领域具有广泛的应用前景。随着科学技术的发展,在棉花生产线上对异性纤维的自动检测和剔除已经成为一个国内外研究的重要课题。本课题的主要目的是开发高效的异性纤维在线检测系统。文中重点探讨了利用神经网络识别异性纤维的方法。通过分析得出大量合格的棉花图像在r g b 颜色空间下的特征分布为一个沿主轴对称的棒槌体,而含有有色异性纤维的棉花图像在r g b 颜色空间中表现为不规则的棒槌体。可见棒槌体的轮廓就是区别棉花和异性纤维的阈值。然而,含有同色异性纤维的棉花图像在r g b 颜色空间中依然表现为规则的棒槌体,这使得同色异性纤维识别困难。根据b p 神经网络模糊性、高速并行性以及非线性映射的特点,本文提出用b p算法作为异性纤维分类器的理论依据,创建异性纤维b p 网络识别模型。该识别模型的识别原理是利用色差来识别异性纤维。异性纤维b p 网络识别模型设计如下:( 1 ) 输入层设计为3 个节点,分别为r 、g 、b 各分量的统计值:( 2 ) 隐藏层设计为7 个节点;0 ) 输出层设计为1 个节点。输出层的值定义为0 和1 ,分别代表纯棉花图像和含杂质的棉花图像。为了快速验证算法的可用性,我们选择m a t u 心语言作为开发平台,开发了异性纤维b p 网络识别模型实验软件。该软件包含平均值网络模型和方羞网络模型。通过实验分析,这两个网络模型的异性纤维识别率都能达到工业要求,其中方差网络模型利用图像的纹理特征作为网络输入值,识别效果较平均值网络模型效果好,尤其提高了同色异性纤维的识别率。虽然异性纤维b p 网络模型的识别率达到了工业要求,但是用软件实现的b p 网络运行速度较慢,难以达到工业的实时性要求。随着e d a 技术的进步和目前f p g a的大规模应用,神经网络硬件实现的各种条件都已经成熟。最后本文又提出了将异性纤维b p 网络模型硬件化的构想。硬件化后的异性纤维b p 网络模型将满足系统的精确性和实时性的要求,具有实际价值。本文所述的数学模型、算法和异性纤维检测系统的研发经验亦可移植和应用到纺织领域其他类似的项目中。关键词:异性纤维,r g b 颜色空间,b p 网络t h es t u d yo ff o r e i g nf i b e r si n s p e c t i n gr e c o g n i t i o na l g o r i t h mb yn e u r a ln e t w o r k sa b s t r a c ti n s p e c t i n gs y s t e mf o rf b r e i 印f i b e r so nl i n ec a na u t o m a t i c a l l yi n s p e c ta n de l i m i n a t ef o r e i g nf i b e r si nc o t t o n , s oi th a sab r i g h tp r o s p e c t w i t ht h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y , a u t o m a t i ci n s p e c t i o ni nc o t t o nm a n u f a c t u r i n gh a sb e e na ni m p o r t a n ts u b j e c tb o t ha th o m ea n da b r o a d 刃阳m a i no b j e c to ft h et h e s i si st od e v e l o pe f f e c t i v ei n s p e c t i n gs y s t e mf o rf o r e i g nf i b e r so nl i n e t h et h e s i sd i s c u s s e st h em e t h o dh o wt ou s en e u r a ln e t w o r k st or e c o g n i s ef o r e i g nf i b e r s b a s e do na l la n a l y s i s 。a b u n d a n tq u a l i f i e dc o t t o ni m a g e sh a v ec h a r a c t e r i s t i cd i s t r i b u t i o na sw o o d e nc l u bw h i c hj ss y m m e t r i ca l o n gm a i na x i si nr g bc o l o rs p a c e ,b u tt h o s ei n c l u d i n gc o l o r e df o r e i g nf i b e r ss h o w sa si r r e g u l a rw o o d e nc l u b c o n s e q u e n t l y ,w o o d e nc l u bp r o f i l ec a l lb eu s e da st h r e s h o l dt od i s t i n g u i s hc o t t o nf r o mf o r e i g nf i b e l s h o w e v e r , a b u n d a n tc o t t o ni m a g e si n c l u d i n gf o r e i g nf i b e r sw i t ht h es a l l l ec o l o ra l s os h o wr e g u l a rw o o d e nc l u b ,w h i c hl e a d st ot h ed i f t i c u l t yi nt h er e c o g n i t i o no ff o r e i g nf i b e r sw i t ht h es a m ec o l o na c c o r d i n gt o 慨h i g hs p e e dc o n c u r r e n ta n dn o n l i n e a rf e a t u r e so fb pn e u r a ln e t w o r k s ,t h i st h e s i sp r o p o s e st oe s t a b l i s hr e c o g n i t i o nm o d e lo ff o r e i g nf i b e r sb a s e do nb pn e u r a ln e t w o r k sw h i c hu t i l i z e sb pa l g o r i t h ma sc l a s s i f i c a t i o nd e v i c e t t l er e c o g n i t i o nt h e o r yo f t h em o d e l i st or e c o g n i s ef o r e i g nf i b e r sb a s e do nc o l o rd i f f e r e n c e t h em o d e lh a st h r e el a y e r s ,s u c ha si n p u tl a y e r , h i d d e nl a y e ra n do u t p u tl a y e r t h ei n p u tl a y e rh a s3n o d e s ,w h i c ha r et h ew e i g h ts t a t i s t i c a lv a l u e sa b o u tr g b :t 1 l eh i d d e nl a y e rh a s7n o d e s ;t h eo u t p u tl a y e rh a sln o d e a n dt h ev a l u eo ft h eo u t p u tl a y e ri sd e f i n e da s0o rlw h i c hs e p a r a t e l ye x p r e s s e st h ei m a g eo fp u r ec o t t o na n dt h ei m a g ei n c l u d i n gf o r e i g nf i b e r s t oq u i c k l yt e s tt h eu s a b i l i t yo ft h em o d e l ,e x p e r i m e n t a ls o f t w a r ef o rd i s t i n g u i s h i n gf o r e i g nf i b e r si sd e v e l o p e db ym a t l a b ,w h i c hi n c l u d e sm e a nv a l u en e t w o r k sm o d e la n dv a r i a n c en e t w o r k sm o d e l e x p e r i m e n t a la n a l y s i si n d i c a t e st h a tr e c o g n i t i o nr a t eo ff o r e i g nf i b e r so fb o t hm o d e l sr e a c h e st h el e v e lo fi n d u s t r i a lr e q u i r e m e n t e s p e c i a l l y , v a r i a n c en e t w o r k sm o d e lu s i n gi m a g et e x t u r ec h a r a c t e r i s t i c sa si n p u t sc a l lo b t a i nb e t t e rr e s u l ti nd i s t i n g u i s h i n gf o r e i g nf i b e r sw i t ht h es a m ec o l o rt h a nm e a nv a l u er o o d e l a 1 t h o u 吐d i s t i n g u i s h i n gm o d e lb a s e do nb pn e u r a ln e t w o r k sb a s i c a l l ym e e t si n d u s t r i a lr e q u i r e m e n t i tc a nn o tw o r kr e a lt i m eb e c a u s eo f l o wr u n n i n gs p e e do f b pn e u r a ln e t w o r k s b u tw i d ea p p l i c a t i o n so fe d aa n df p g at e c h n o l o g yc a l lg i v eap o s s i b l es o l u t i o nt op r a c t i c a lu t i l i t yo f b pn e u r mn e t w o r k s s ot h et h e s i s 舀y e st h et e n t a t i v ep l a nt h a tw ec a l ld e s i g nb ph a r d w a r et om e e tr e a 】t i m en e e d b ph a r d w a r ec a r lm e e tt h en e e do fa c c u r a c ya n dr e a lt i m eo f t h es y s t e ma n dh a v ep r a c t i c a lv a l u e 1 1 1 em a t h e m a t i cm o d e l a l g o r i t h ma n dd e v e l o p m e n te x p e r i e n c eo fi n s p e c t i n gs y s t e mf o rf o r e i g nf i b e r so nl i n e i nt h et h e s i sc a r la l s om i g r a t ea n da p p l yt oo t h e rp r o j e c t s e s p e c i a l l yp r o j e c t si nt e x t i l ef i e l d g u oc a i - x i a ( m e c h a n i c a ld e s i g na n dt h e o r y )d i r e c t e db yp r o f e s s o ry u a nj i a n - c h a n gk e yw o r d s :f o r e i g nf i b e r s ,r g bc o l o rs p a c e , b pn e u r a ln e t w o r k s学位论文知识产权声明本人完全了解西安工程大学有关知识产权的规定,即:研究生在校攻读学位期问学位论文工作的知识产权归属西安工程大学。本人保证毕业离校后,使用学位论文工作成果或用学位论文工作成果发表论文时署名单位仍然为西安工程大学。学院有权保留送交的学位论文的复印件,允许学位论文被查阅或借阅;学校可以公布学位论文的全部或部分内容,可以采用影印、缩印或其它复制手段保存学位论文。( 保密的学位论文在解密后应遵守此规定)学位论文作者签名:指导教师签名:日期:希护学位论文独创性声明禀承学校严谨的学风与优良的科学道德,本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,学位论文中不包含其它人已经发表或撰写过的研究成果,不包括本人已申请学位或他人已申请学位或其它用途使用过的成果。与我一同工作的同志对本研究所作的任何贡献均已在论文中作了明确的说明并表示了感谢。学位论文与资料若有不实之处,本人承担相关责任。学位论文作者签名:勤私魏日期:) 口o 7 单弓同 日第1 章绪论1 1 异性纤维的定义绪论根据棉花异性纤维检验技术规范( 试行) 中对异性纤维( 以下简称异纤) 的定义:异纤是指混入棉花中的对棉花及其制品质量有严重影响的非棉纤维和有色纤维,如化学纤维、毛发、丝、麻、塑料膜、塑料绳、染色线( 绳、布块) 等。修订的g b l l 0 3 - 1 9 9 9棉花细绒棉中,在质量方面增加了“棉花中严禁混入危害性杂物”的有关规定。棉花中的异纤属危害性杂物,有其自身的特殊性,其主要特征为:l 、非棉( 纤维) 性一异性,其属性不同于棉纤维,如丙纶丝、塑料膜;2 、纤维性,经打击梳理后成纤维状或纤维疵点;3 、不易排除性,重量轻且柔软,在籽棉加工和纺纱加工工艺中很难清除:4 、危害性,异纤附着在棉纤维上,导致成纱布面出现异纤疵点,影响棉织物外观质量及其使用性能;5 、杂质性,以纤维状杂质为主;6 、多样性,如性能、色泽、形状、大小不一。综合以上分析,对棉花中的异纤试定义为:“棉花在采摘、摊晒、存放、收购、加工过程中混入有危害性的非棉纤维性杂物,一般在纺织加工工艺中不易排除”【l 】【2 1 1 3 1 。含有异纤的棉花如图1 - i 所示。1 2 课题的来源及意义图1 - 1含有异纤的棉花虽然棉花中夹带的异纤比重很小,危害却很大。经过纺织机械打击分梳( 分梳:把棉花分割梳理为碎片) 后,异纤纵向断裂、横向分开,数量成倍增加,严重时会缠绕刺辊( 刺辊:纺织机械上圆柱形、能旋转的部件) ,造成机械运转困难。不仅如此,布面由于含有异纤易形成大量疵点,印染时布面因异纤的存在,导致布匹“开花”【4 j 。在棉纺织业中,如果没有清除生成纱锭前棉花籽的残留物、包装时混入的编织袋碎片、运输中混入的其他纤维和被污染的棉纤维等这些杂质,不仅直接影响棉花公司和纱厂的第1 章绪论利益,还关系到我国棉纺品占整个国际市场的份额。从1 9 9 9 年度起,我国新的棉花标准正式实施,异纤第一次被列入检验项目。新标准规定,在检验棉花时,未发现异纤的,在检验证书“异纤”栏注明“未发现”,对发现混有异纤或色纤维的,根据数量做降级处理p j 。异纤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。为维持企业的正常生产,尽量减少因异纤造成的经济损失,目前绝大多数棉纺企业不得不组织专人在棉花投料前将棉包打开,逐包挑拣。一个中型棉纺企业,每天要投入3 0 0 至i j 4 0 0 人专门负责挑拣异纤,为此企业每年要付出2 0 0 多万元,等于每吨棉花增加4 0 0 多元成本。另外,由于异纤大量存在,即使用人工挑拣也不能达到理想效果,导致纱布、印染布等级下降,用户退赔时有发生,给棉纺企业造成巨大经济损失。一些出口企业因异纤阔题屡遭国外商家索赔,不仅造成财产损失,还对我国出口纺织品的声誉造成不良影响。针对以上棉纺厂存在的问题,在开清棉工序中在线检测清除异纤是一个积极有效的措施。本文所述的异纤在线检测系统就是在该背景下提出来的。该系统用机器代替人工去除棉花中的异纤,是集光、机、电一体化的非接触式光电检测装置。该系统规模大、综合性强,本文主要采用计算机技术,并结合图像处理和神经网络模式识别理论来完成异纤的识别过程。从理论意义上来说,本文所述的异纤在线检测系统,综合利用了图像处理、神经网络和模式识别技术,对异纤在线检测系统,特别是异纤在线检测算法进行了比较深入的分析和研究。通过严格的理论证明,提出了基于b p 网络的异纤识别算法,并建立了异纤b p 网络识别模型。该数学算法和模型通过严格的论证建立了客观的评价体系,有利于实际推广应用。从实际意义上来说,本系统的研制能有效解决人工挑拣异纤时效率低、产品合格率难以控制等一系列问题,使纺织系统的检测手段提升到一个新的高度。与国外同类产品相比,本系统更符合我国国情,更贴近市场。1 3 国内外异纤清除机的现状异纤问题不仅是中国独有的问题,印度、巴基斯坦、印尼都同样存在严重的问题,异纤对棉织物的影响得到了纺织设备制造厂商的充分认识。目前国内外的纺织设备制造商已生产出用不同方法实现异纤检测剔除的装置,并且已经取得了较好的效果。从实际使用的情况看,多数厂家的异纤清除机仍然存在一些问题6 j :( 1 ) 对细毛发和单根色线的清除效果差。( 2 ) 对白色和无色异纤的清除效果差,造成打包材料最常用第1 章绪论的丙纶丝成为最大的有害疵点1 7 】。部分棉纺企业为了提高棉纺织品的质量还要辅以人工或设备进行二次挑拣。目前棉纺企业提高细毛发和单根色线的识别率的方法是采用高分辨率的c c d 摄像机,而提高自色和无色异纤的识别率的方法是采用紫外线和超声波进行二次检测,费用大大增加。因此,清除白色丙纶丝、头发、单根色线的能力称为目前衡量异纤在线检测清除装置性能优劣的关键。论文针对以上问题提出利用神经网络来识别异纤的方案,旨在降低设备生产成本的同时提高异纤的识别率,从而使众多纺织厂降低生产成本、提高产品质量和增强产品竞争力。1 4 论文的主要工作本课题研究目的是要研制高效的棉花异纤检测装黄,本文所要进行的工作是其识别系统部分,重点是研究能提高棉花中异纤识别率的识别算法。围绕这一目标,本课题的主要工作如下:( 1 ) 分析目前国内外大部分异纤清除机识别异纤效果不理想的问题所在。( 2 ) 针对目前国内外大部分异纤清除机的问题,寻找新的解决方案。本文主要研究的是在硬件基本不变的情况下,寻找软件解决方案,即寻找新的异纤识别算法。( 3 ) 以新的异纤识别算法为基础,用m a t l a b 软件开发异纤识别模型平台,并对所建立的平台进行实验,对实验结果进行分析并给出结论。1 5 本章小结本章介绍了异纤的概念、特点及其对我国纺织工业的影响,列举了目前国内外异纤在线检测清除装置存在的问题,针对其问题提出了从软件着手寻求改革方案的设想,进而分析了目前异纤在线检测系统的国内外发展状况,最后阐述了本文主要研究的内容。第2 章异纤检测系统总体方案设计2异纤在线检测系统总体方案本章指出异纤在线检测系统对于各个部分的需求,并对图像检测部分的需求进行分析,提出了该部分的解决方案。2 1 异纤在线检测系统的理论框图匹匿引棉鳃翳测h 】卒口i 图像信号采集ll篱蓦竽弋一i 高 - - 压喷嘴照明l进棉1 :3 li 透明通道_ + 纯棉花i 清除异纤图2 1异纤在线检测原理方框图将该系统安装在清棉机后,此时棉花已经得到充分开松,异纤已基本上暴露在棉柬表面,有利于检测和清除 7 1 。系统的工作原理为:己充分开松的棉花由气流输入透明管道。在检测源发射下,传导至传感器,由此采集棉流图像数据等有关信息,将采集到的图像数据传给计算机,由计算机设定好的检测程序识别存在的异纤并将其定位,经执行机构电磁阀控制的高压喷嘴,喷出异纤到废棉箱中,并定时处理。2 2 图像采集设备的选取不同机型异纤检测清除机的结构不尽相同。传感器有c c d 摄像机、光电二极管、超声波检测装置等数种。检测源有荧光灯、紫外光线、光频特殊光源、超声波等多种。2 2 1 传感器的选取异纤在线检测系统所采用的传感器不同,其识别异纤的原理也不同。根据传感器将识别异纤的原理分为光电式、超声波式、c c d 高速摄像机式等等。下面对三种传感器识别原理做一效果分析。4第2 章异纤检测系统总体方案设计( 1 ) 光电式识别式:是采用光电三极管对棉花中的异纤进行识别。主要是通过异纤与棉花的色差反应到光电管的电流差别,经信号放大、处理比较来识别异纤。这种方法原理简单,制造成本低,光电管的选择必须选用进口大公司产品,否则光电管的灵敏度衰减太快,影响寿命,稳定性不好。光源亮度也要保持恒定,否则影响异纤识别并误判。由于靠色差识别异纤,所以与棉花相近颜色的异纤无法识别,棉花中大量白色丙纶丝就不能识别,同样,对有色细小异纤也无法识别。只能对大团或有一定体积的有色异纤进行识别。光电式异纤清除机对细小异纤要求检出的纺织厂不能满足要求,整机异纤检出率不高,只适合粗检异纤。( 2 ) 超声波方式:是超声波传感器发出超声波,发射到棉花上,然后再检测反射回来的信息。当棉花中有异纤时,由于异纤反射回来的信号强于棉花,从而经信号处理比较识别后识别异纤。由于超声波是通过物体表面的密度差识别异纤的,所以不论异纤是什么颜色,白色或有色都能检出,这是其优点所在。然而,超声波毕竟是声波,传输速度没有光波快,对异纤的识别反映速度慢,当异纤在通道中飞行速度太快时,来不及识别。超声波对细小异纤识别不了,只能识别较大体积的异纤。对纱线质量要求较高的棉纺织厂不适用。( 3 ) c c d 高速摄像机式:c c d 高速摄像机是将物体图像曝光到若干微米级的光电传感器上,得到非常细腻的图像。c c d 高速摄像机分线扫和面扫两种,这两种c c d都可以采用,但线扫处理图像更加灵活,方便。目前大多数厂家选用的摄像机为2 0 9 8像素的高速线扫c c d 摄像机,这是参照了前几年某些进口同类设备选用的。从图像效果看基本能满足纺织厂清除异纤的功能,对头发、动物毛发这种细小的异纤也能识别,但细小毛发的识别困难。研究效果表明,头发在棉花表面图像清楚的能识别,在部分隐藏或边角位置不易识别。头发识别率在4 0 5 0 之间;比头发粗一点的棕丝,识别率在9 0 以上;对同样大小有色异纤识别率最佳状态为9 0 左右。所以选用2 0 9 8 像素的商速线扫c c d 摄像机对大部分棉纺厂基本上都能满足要求,但对纱线产品有更高要求的用户,2 0 9 8 像素高速线扫摄像机的识别率较为勉强,甚至达不到要求。采用4 k像素c c d 摄像机头发识别率可达到7 0 8 0 以上1 6 】。比较上述几种传感器识别异纤的效果,可以得出:上述传感器对于头发、白色和无色异纤清除效果差,所以这部分异纤还是靠人工解决。但相对来说,c c d 高速摄像机检测异纤的效果更好一些,我们建议采用2 0 9 8 像素的高速线扫c c d 数码摄像机。2 2 2 图像采集卡的选取图像采集卡的功能是对摄像机输出的视频数据进行实时采集,并提供与计算机的数据接口,以便计算机能够对采集到的图像进行处理。按照采集的视频信号可以将采5第2 章异纤检测系统总体方案设计集卡分为模拟图像采集卡和数字图像采集卡,分别配合模拟信号摄像机和数字信号摄像机使用。在选定c c d 摄像机后,就可以选择图像采集卡了。如果选用2 0 9 8 像素的高速线扫c c d 数码摄像机,配合相应摄像机使用的是线扫描数码图像采集卡。2 2 3 光学镜头的选取异纤在线检测系统中镜头的主要作用是将所要检测的目标成像在摄像机的图像传感器上。镜头的质量直接影响到机器视觉的整体性能,合理选择并安装光学镜头,是异纤在线检测系统设计的重要环节。光学镜头的基本参数有:焦距:厂,镜头的焦距决定了成像目标在图像传感器上的图像大小。焦距越大所得到的像也就越大,同时视场越小,反之亦然;相对孔径:d ,镜头的相对孔径决定镜头的分辨率和在图像传感器上的照度。相对孔径越大,分辨率越高,图像传感器上的照度也会越大;像面尺寸:能够清晰成像的像面大小。光学镜头的分类有:按焦距分为:广角镜头、标准镜头、长焦镜头;按调焦方式分为:定焦镜头、手动变焦镜头、电动变焦镜头;按光圈调节方式分为:手动光圈镜头和自动光圈镜头;按用途分为:c c t v 镜头、工业高分辨率镜头、显微镜头、照相机用镜头。选择光学镜头时,按其基本参数和镜头类型来选择:选择镜头类型:根据所要检测的目标和工作距离来决定选择广角镜头、标准镜头、还是长焦镜头;选择镜头焦距:根据工作距离、视场范围和放大倍数等来确定镜头的焦距;选择镜头的像面尺寸:镜头的像面尺寸应该大于摄像机光敏面尺寸;选择镜头接口:镜头机械接口主要有c 接口、c s 接口、f 接口、p k 接口等,根据所选择的摄像机进行选择,一般应与摄像机的光学机械接口一致;选择镜头质量:一般的应用可以选择c c t v 镜头,工业检测大多选择工业高分辨率镜头,对微小物体的检测可以选择显微小镜头。2 2 4 光源的选取光源用来照亮输送系统的棉花,其性能好坏影响整个系统作用的发挥。光照过度,引起图像数据失真;光照不足,严重影响对棉花和异纤的正确识别。在工业现场,绝第2 章异纤检测系统总体方案设计大多数使用交流光源,其光强变化规律服从诈弦i = a s i n ( 2 心+ 垂) 曲线,其中,仁5 0 h z 。普通荧光灯和白炽灯均使用5 0 h z 的交流电,其电压和电流都呈周期变化,所以发光的亮度也不断变化,其光强每秒变化1 0 0 次,光强的闪烁就是频闪。交流光源照射下,当图像采集的频率和交流光源的电源频率不一致时,高速c c d摄像机采集到的图像会出现明显的明暗相l b j 的条纹,即频闪纹波现象。它直接影响图像的质量,为后续的图像处理带来很大难度1 8 l 。c c d 高速线扫摄像机要求照明光源能达到以下要求:强度足够、光照柔和、在所照明的线状区域光强一致、显色性能良好、照度稳定、寿命长【9 1 。目前,视频检测领域常用的光源有高频荧光灯和l e d 光源等i “。( 1 ) 高频荧光灯光源高频荧光灯的电路正常工作的频率是4 5 k h z ,可以克服光源的频闪效应,从而消除频闪纹波现象。优点:荧光灯光源照射均匀、柔和、成本低。缺点:光衰比较严重,温度高,寿命短,稳定性差。( 2 ) l e d 光源 l e d 即发光二极管,是一种能够将电能转化为可见光的半导体,与传统光源,如白炽灯和荧光灯不同,l e d 采用电场发光和低压直流供电,所以l e d 光源不会产生频闪效应。它具有寿命长、光效好、光色纯、稳定性高、安全性好、可控性强、无辐射:低功耗、抗震、耐打击等一系列优点,被誉为2 l 世纪新固体光源时代的革命性技术【1 0 】【1 1 。l e d 光源各种性能与高频荧光灯的对比见表2 1 。耋! :!些里垄塑鱼! 竺堕兰壹塑墨垄堑翌堕耋堂名称频闪效应光谱特性价格稳定性寿命( h )考虑到价格、发光亮度等方面因素,我们采用价格较便宜的高频荧光灯。( 3 ) 紫外线检测由于紫外线照射时不同纤维的荧光反应色态和强度是有差别的【7 l 。目前有些厂商常用它作为二次鉴别异纤的光源。由于棉农常用白色编织袋装运棉花,导致棉花中混有大量白色丙纶丝,严重影响了纱线质量。经过对白丙纶材料分析,多种丙纶丝中含有增白剂。而紫外光对含有增白剂的白色丙纶丝非常敏感,紫外光照到棉花中的白丙纶后变成蓝色而棉花不变色,从而将白色丙纶丝从棉花中分离出来。经过些厂家使用,效果良好。从使用的效果看识别率在9 5 左右,检出率在8 5 以上。但紫外光只能对有增白剂的白色丙纶丝有效果,对不含增白剂的丙纶丝没有效果,仍要采用其他方法检出不变色白色丙纶丝。二次检测需要的费用增加。为了提高生产效率,我们应想办法在次检测过程中7第2 章异纤检测系统总体方案设计剔除白色丙纶丝,这也正是该课题的研究目的。2 3 异纤在线检测系统方案图2 - 2异纤在线检测系统方案异纤在线检测系统直接采用气流传送棉花。传送管道的截面由圆形逐渐过度到一个长方形。棉花水平进入装置中的这个长方形的透明管道中,通过气流的作用,可以均匀的平铺在上面。根据流体力学,气体在管道中连续流动时,在各个截面处的流量应相等。因此,管道中各处的风速是恒定的。在入口处用热电j ) c i i 速仪来测定气流速度,相应的就可以求得棉花在管道中传送的速度。在管道的上下均装有摄像机对棉花流进行实时监控,当发现有杂质通过时,在指定延时后,由布置在传送管道上方的指定气枪将杂质击落到杂质箱中f 1 2 】。气枪的数目是根据气枪的除杂能力来确定的,而气枪的除杂能力指气枪喷射一次击落的棉花体积的大小。这两个参数要共同保证气枪能够击落杂质,并且使落棉含杂率最低。2 4 异纤检测清除机安装位置的选择异纤检出率的高低,除了检出设备本身的性能外,安装位置的选择十分重要。目前有以下几种形式f 1 3 】。异纤在线检出清除装置的安装位置有三种方案,即安装在自动抓棉机后、安装在开棉机后混棉机前( 后) 以及安装在清棉机后【6 j 。2 4 1 安装在抓棉机后安装在抓棉机后,产量可达1 0 0 0 k g h ,因此可以节约投资,提高生产率。异纤检测清除机安装在抓棉机出口部位,一般认为棉花已经初步开松,异纤、杂物尚未被开清棉机打碎、扩散,因此清除较好,但实际上由于初步开松的棉块还较大,杂物裹在棉块中,很难被摄像机检测出来,即便检测到棉块表面的异纤、杂物,经喷嘴吹出的棉块也较大,而异纤及杂物却很少,所以检出效果不理想。此种方式检出率可达7 0 。2 4 2 安装在开棉机后或混棉机前( 或后)安装在开棉机后或混棉机前( 或后) 。有的公司认为,棉花己被适度开松,异纤及杂物比较容易暴露出来,能被有效检测和排除,同时异纤又不至于被开松成太小的碎片和扩散,增加检测难度,所以安装在开棉机后、混棉机前较好。此种方式检出率可达8 0 ,一般已能满足质量要求。2 4 3 安装在清棉机后安装在清棉机后,即开清棉生产线最后的位置。有的公司认为,此时纤维已经得到充分开松,异纤基本上暴露在棉柬表面,因此特别有利于检测和清除,所以检出率高。国内某纺织厂使用国产异纤检出装置,对第一、第三位置进行对比试用。安装在清棉机后时,由于开松的棉束很小,异纤基本上显露在棉束表面,提高了摄像机分辨率,各种异纤几乎都可排除,检出效果明显优于装在抓棉机出口处。此种方式检出率可达9 0 左右。综上所述,目前均认为安装在清棉机后为好刚。2 5 本章小结本章介绍了异纤在线检测系统的工作原理,对目前存在的检测设备进行分析、对比,并根据实际情况选择检测设备;讨论异纤检测清除机安装位置对检测异纤的效果的影响,并确定最佳的安装位置。9第3 章棉花图像识别理论分析3棉花图像识别理论分析棉花中的多数异纤用肉眼即可辨别,一般来说其颜色与纯棉存在较大的差别。在棉花的图像采集阶段,采用彩色c c d 摄像机来获取棉花的彩色图像。由于彩色图像能提供丰富的信息,我们可以从获取的彩色图像中提取有价值的信息来识别异纤。但是,彩色图像更复杂,灰度图像的处理技术通常不能用于彩色图像处理。彩色图像是一种与人类彩色视觉有关的多光谱图像,其光谱范围在人眼可见的区域内。与灰度图像相比,由于彩色图像的色彩分布比较复杂,不仅使得相应的图像处理难度高、工作量增加,而且给彩色目标的识别增加了难度。在该系统的研究中涉及了部分彩色图像处理技术。3 1r g b 颜色空间颜色是各种频率的光谱在人眼中的感知现象。光线没有颜色,它只是某种功率分布,而颜色则是人对这种功率分布的心理响应。颜色空间是定义各种颜色在一个三维空间中的排列,在彩色图像处理研究中,颜色空间又称为颜色坐标系或颜色模型,颜色由颜色空间中的点来指定【i ”。r g b 颜色空间以r ( 红) 、g ( 绿) 、b ( 蓝) 三种基本色为基础,进行不同程度的叠加,产生丰富而广泛的颜色,又称为三基色模式1 1 5 i 。国际照明委员会( c i e )推荐使用波长分别为7 0 0 r i m ( r ) 、5 4 6 1 n m ( g ) 、4 3 5 ,8 n m ( b ) 的光谱色为三基色。当三基色以不同的混色比例叠加时能产生各种中间色。对于任何颜色c 可表示为:c = ,r - i - g - g + b b( 3 1 )其中,r 、g 、b 为比例系数。假定所有的颜色值都归一化,则可霓( 1 以由r 、g 和口坐标轴定义的单位立方体来描述这个模型,如图3 1 所示。三基色通过叠加混合来产生新的颜色,所以是加色模型。在此模型中,任意颜色绿【o 一以其颜色坐标【r ,g ,b 】来表示,其中r 、“g 和占的值在0 到1 的范围内赋值【1 6 l 。1 0图3 - 1r g b 颜色模型1 ,0 ,1 )0 1 )b第3 章棉花图像识别理论分析在r g b 颜色空间中,所表示的图像由3 个分量图像组成,每个分量图像都是其原色图像。其中,每一幅红、绿、蓝图像都是一幅8 比特图像,每一个r g b 彩色像素【( r ,g ,b ) 值3 个一组称为2 4 比特深度。这样,r g b 图像中颜色总数就是( 2 8 ) 3 = 1 6 7 7 7 2 1 6 。r g b 颜色模型是最基本的色彩模型,在计算机图形处理、图像处理、视频处理中应用最广。该模型是面向硬件的模型,简单直观,现在计算机存储的图像数据大都是r g b 模型,许多图像处理也是面向此模型的【”】。3 2 直方图在灰度图像处理中,灰度直方图是一个最简单和最有用的工具,反映的是一幅图像中各灰度级像素出现的频率。设图像f ( x ,y ) 的像素总数为,灰度级数为,灰度为r 的像素共有,个,则州= 等( r - - 0 l ,圳锄称为图像,( x ,y ) 的灰度直方刚1 引。在异纤在线检测系统中,我们将直方图的概念应用到彩色图像。在计算机的r g b颜色空间中,一个像素用r 、g 、b 三个分量表示,每个分量占一个字节,即将每个分量量化为2 5 6 级。用直方图可以统计彩色图像的尺、g 、b 各分量的各级出现的频率。如图3 - 3 ,图3 - 4 ,图3 - 5 分别显示图3 2 彩色棉花图像的r 、g 、b 各分量的直方图。05 01 0 01 5 0z 0 07 _ 5 0图3 - 2 彩色棉花图像图3 3 彩色棉花图像的r 分量的直方图r第3 章棉花图像识别理论分析。图3 - 4 彩色棉花图像的g 分量的直方图图3 - 5 彩色棉花图像b 各分量的直方图从彩色棉花图像的r g b 三分量的直方图来看,r g b 各分量的直方图不同,因此我们可以考虑分别对r g b 三分量进行统计运算,再对三分量的运算结果进行综合判断,最后给出判断结果。3 3 棉花图像的r g b 颜色空间特征一幅彩色棉花图片的r 、g 、曰各分量的直方图,表示该图像中各分量不同级像素出现的相对频率。因为由彩色摄像机拍摄的合格棉花图像也基本上是白色的,各个分量的值都比较集中。在r g b 的三维色彩空间中,这样的图像点基本位于与三个坐标轴夹角相同的主对角线上。在拍摄棉花图像的过程中,光线照到棉花上反射回来,然后被采集。棉花在不同的角度对光线的反射有不同的强度,这就使棉花图像在灰度上有一定的变化,表现在r g b 的三维色彩空间里,就是在主对角线的灰度轴上有一定的变化范围。由于光线与棉花本身的原因,棉花的图像不可能是完全的灰度图像,也就是r g b 三个分量的值不是完全相等的。表现在r g b 三维空间里,就是棉花图像点不仅分布在灰度轴上,在轴周围的一个范围内都有分布,与邻近的像素点灰度值相同,这样仅用直方图的阈值就不能完全判别,所以就需要在立体的色彩空间中构造识别模型。当选取大量的合格棉花进行图像采集时,其棉花的图像在r g b 三维色彩空间形成了一个棒槌状的形体,见图3 - 6 ,主体与r g b 坐标轴夹角相同的灰度轴上,由于棉花反射光的不均匀性,棒槌拉的较长,中心部分呈灰色【1 9 1 。b图3 - 6r g b 颜色空间中的棉花图像模型第3 章棉花图像识别理论分析这是棉花在r g b 三维色彩空间中的模型特征,当用于拍摄的合格棉花图像数量足够多时即可确定这一阈值。空间中棒槌体的范围就是合格棉花的范围,没有落在这个范围中的就是要进行分离的异纤。含有有色异纤的棉花图像在r g b 颜色空间中表现为不规则的棒槌体,所以有色异纤容易被识别出来:含有同色异纤( 如透明塑料) 的棉花图像在r g b 颜色空间中依然表现为规则的棒槌体,所以同色异纤比较难被识别出来。目前对同色异纤的清除,多靠人工二次拣出或者采用紫外线进行二次机器检测。3 4 棉花图像的模式识别将异纤从棉花中识别出来的过程属于模式识别过程。所谓的模式识别是根据研究对象的特征或属性,利用计算机为中心的机器系统运用一定的分析算法认定它的类别f 2 0 l 。该模式识别系统,主要包括学习( i l l 练) 与识别( 匹配) 两个过程。其中每个过程都包括预处理、特征选择与提取两部分。学习( 训练) 过程是在一定的模版( 标准)样本基础上,依据某一分类规则来设计分类器;而识别( 匹配) 过程是将未知模式与已训练好的分类器进行匹配来识别未知模式的类别。整个模式识别系统的流程如图3 7 所示。图3 - 7模式识别过程原理示意图下面对模式识别过程中的主要环节作简要的说明。( 1 ) 棉花图像c c d 摄像机所采集的棉花图像,在输入模式识别系统之前已按要求尺寸大小进行分割。( 2 ) 特征提取无论学习过程还是识别过程,都要对研究对象固有的、本质的及重要的特征或属性进行测量并将结果数值化,或将对象分解并符号化,形成特征矢量或符号串、关系图,从而产生代表对象的模式。这里选择棉花图像的特征并将其提取出来。( 3 ) 标准模版根据棉花中的异纤种类以及要求分割图片的尺寸,制作棉花图像的标准模版,作为未知棉花图片模式的匹配标准。( 4 ) 分类器分析研究对象的特征,选择一种分类算法,作为分类器。需要指出的是,人类第3 章棉花图像识别理论分析对分类识别的知识和方法以及有关对象知识了解的越充分,这个系统的识别功能就越强、正确率就越高。针对不同的对象和不同的目的,可以用不同的模式识别理论。目前主流的技术是统计模式识别、句法模式识别、模糊数学方法、神经网络法、人工智能法。( 1 ) 统计识别方法它由特征向量表示的模式中抽取特征,并通过划分特征空间来进行各个模式的识别,其方法是以决策函数为基础,采用定量描述。定量描述通常使用一组数据来描述模式。这类识别技术理论较完善,方法很多,现已形成了一个完整的体系。其中基本的技术为聚类分析法、判别类域代数界面法、统计决策法、最近邻法等。( 2 ) 句法模式识别也称为结构模式识别在许多情况下,对于较复杂的对象仅用一些数值特征已不能较充分地进行描述,这时可采用句法识别技术。句法识别技术将对象分解为着干个基本单元,这些基本单元称为基元:用这些基元以及它们的结构关系来描述对象,基元以及这些基元的结构关系可以用字符串或图来表示;然后运用形式语言理论进行句法分析,根据其是否符合某一类文法而决定其类别。( 3 ) 模糊模式识别这类技术运用模糊数学的理论和方法解决模式识别问题,因此适用于分类识别对象本身或要求的识别结果具有模糊性的场合。目前,模糊识别的方法较多。这类方法的有效性主要在于对象类的隶属函数是否良好。( 4 ) 人工神经网络法人工神经网络是由大量简单的神经元相互联接而构成的非线性动态系统,每个神经元结构和功能比较简单,而由其组成的系统却可以非常复杂,具有生物神经网络的某些特性,在自学习、自组织、联想及容错方面具有较强的能力,能用于联想、识别和决策。( 5 ) 人工智能法人工智能是研究如何使机器具有人脑功能的理论和方法,可以将人工智能中有关学习、知识表示、推理等技术用于模式识别。这五种方法各有其特点及应用范围。它们不能相互取代,只能共存,相互促进、借鉴、渗透及融合。一个较完善的识别系统很可能是综合利用上述各类识别方法的观点、概念和技术而形成的1 2 0 ! 。在该系统中,我们综合利用了统计模式识别和神经网络方法进行棉花异纤的识别。第3 章棉花图像识别理论分析3 5 几种异纤检测算法在图像处理过程中,没有绝对正确的像素分类算法。应该根据实际情况,选择适当的图像分割算法。在异纤定量方面的研究,主要有以下几种数字图像处理方法:( 1 ) 固定线性判别式由于棉花中异纤的含量决定其市场价值【2 1 1 ,因此需要专门设备对其含量进行精确量化。已有的自动测量系统均用固定线性判别式来分析和识别棉花灰度图像中的棉纤维和异纤,并用百分比的形式定义其含量。这种方法适用于棉花颜色为亮白、异纤颜色明显深于棉纤维且光源亮度不变的理想情况。但实际情况是,棉花的颜色从亮白到黄再到深灰不同、异纤颜色深浅也不同且光源亮度会因使用而下降,存在一些误判。因此,不能在所有情况下都用固定阈值判别异纤和棉纤维【2 2 】。由于上述问题的存在,现在仍主要由人工确定棉花中异纤的等级【2 “。( 2 ) k 均值聚类算法近年来又有人提出在实际条件下检测异纤时使用聚类算法吲,如k 均值算法【2 4 1 该算法因其计算速度快而被广泛使用。k 均值算法在较大的纤维颜色范围内都能够准确识别异纤像素,但是处理颜色较深的棉花时其性能会下降,因为此时不能严格区分异纤和棉纤维。具体原因如下:k 均值技术是贝叶

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论