1 西安理工大学印刷包装与数字媒体学院, 陕西 西安 710054
2 中华全国供销合作总社郑州棉麻工程技术设计研究所, 河南 郑州 450004
3 中国农业机械化科学研究院, 北京 100083
异性纤维是在棉花采摘、晾晒、运输和加工等环节中混入的非棉纤维性杂质,其含量较少,但带来的危害却很大。异性纤维的存在会降低棉花的品级,也会影响棉花的加工质量,使纺织布料出现色斑和染色不均等问题,进而导致棉制品的品质下降。因此,棉花中异性纤维的检测至关重要。本文分析了棉花中异性纤维产生的危害,以及检测中存在的问题,并归纳总结了现有异性纤维相关检测设备的使用情况;同时,从图像分割、特征选择和图像分类几个方面综述了近年来异性纤维检测技术与方法的研究现状及进展,并对今后的研究方向进行了展望。
图像处理 光学成像 图像分割 特征选择 图像分类 异性纤维 激光与光电子学进展
2021, 58(16): 1600007
1 天津工业大学机械工程学院, 天津 300387
2 天津市现代机电装备技术重点实验室, 天津 300387
3 北京大恒图像视觉有限公司, 北京 100085
采用深度学习方法对棉花中的异性纤维进行分类识别。首先建立异性纤维数据集,针对异性纤维尺寸和形状多样性的特点,采用基于Faster RCNN的目标识别框架,以RseNet-50代替原始的VGG16作为异性纤维分类模型的特征提取网络,并采用k-means++聚类算法对候选框生成尺寸进行改进;然后对模型进行训练,实现棉花中异性纤维的分类和定位。训练后的模型在验证集上的准确率达到94.24%,精度为98.16%,召回率为95.93%,精确率和召回率的调和平均数(F1分数)为0.970。对比改进前、后模型对异性纤维的识别效果,改进后的模型在小尺寸、大长宽比和密集出现的情况具有更好的识别效果,相对于原始模型,其准确率、精度、召回率和F1分数分别提高了3.21%、0.90%、2.51%和0.017。
图像处理 异性纤维 深度学习 目标识别 Faster RCNN k-means++ 激光与光电子学进展
2020, 57(12): 121007
1 清华大学,深圳研究生院,广东,深圳,510000
2 清华大学,精密测试技术及仪器国家重点实验室,北京,100084
为有效检测出与棉纤维形态、颜色极其相似的异性纤维杂质,根据异性纤维与棉纤维近红外吸收特性的差别,提出近红外光谱成像方法检测皮棉异性纤维杂质.该方法分析近红外波段中异性纤维与棉纤维吸收特性差异随波长变化规律,确定了区分棉纤维与多种异性纤维的最佳波段的范围,建立红外光谱成像系统,将异性纤维近红外吸收特性转化为近红外图像中异性纤维图像特征,利用自适应图像增强和二值化图像处理,从皮棉背景中提取异性纤维.实验结果表明,该方法获取?囊煨韵宋枷裉卣髅飨?检测结果与实际相符,此方法可有效识别皮棉中异性纤维杂质.
异性纤维 近红外波段 吸收特性 成像方法 foreign fibers near infrared band absorption characteristic imaging method
