織物疵點自動識別技術的研究.pdf

1、本文研究自動驗布系統(tǒng)的核心技術，即對采集到的織物圖像進行提取特征值及疵點分類，在織物疵點識別中，一個很大的難點就是織物的種類繁多，表面特征各異，很難建立一個統(tǒng)一的識別模型。為了解決這個問題，本文創(chuàng)新采用雙層神經(jīng)網(wǎng)絡的織物疵點識別技術，可以先對正常的布面進行特征提取，利用第一層神經(jīng)網(wǎng)絡來區(qū)分正常和疵點圖像，利用離散小波變換對疵點圖像進行特征提取，并去除本身布面特征，再利用已訓練的BP網(wǎng)絡模型進行具體疵點分類。這種方法最大創(chuàng)新之處有三點：

2、 一、正常布面的識別與疵點的分類分開。對于坯布來說，其布面絕大多數(shù)是正常的，如果把正常布面和疵點一起分類，必然要提取較多的信息量，還要進行如小波變換這樣復雜的運算，速度會變慢，而且準確性會降低。若只進行正常布面與疵點的區(qū)分，則只需提取很少的信息量，不需要進行復雜的運算，可以適應高速驗布的要求。 二、去除布面對疵點分類的影響。要實現(xiàn)自動驗布最重要的一點就是要建立一個已充分訓練，可以對各種疵點進行分類的神經(jīng)網(wǎng)絡模型。其困難在于

3、布面組織繁多，在不同的組織下提取的疵點特征也是差異極大的，因為要受到組織紋理的影響。文中通過計算疵點相對于正常布面的變異程度來去除組織紋理的影響，從而找到各種不同組織疵點的相似性，來建立統(tǒng)一的疵點分類模型。 三、重點明確的特征值。在以往的研究中很多是選取整個圖像的均值或方差作為特征值，這樣值的變異情況往往不明顯，影響了識別的準確性。研究發(fā)現(xiàn)，疵點大部分是發(fā)生在一根或少數(shù)幾根紗線上的，在圖像上的反映是灰度值的變異只發(fā)生在相鄰的較少