棉花异性纤维特征提取与计量方法的研究

发布时间：2017-03-18 11:07

  本文关键词：棉花异性纤维特征提取与计量方法的研究，由笔耕文化传播整理发布。

【摘要】：棉花中的异性纤维的种类与含量与棉制品的质量息息相关。较早的异性纤维检测与计量方法是手工挑拣和人工称重。由于人眼的局限性，这种方法不能满足日益提高的纺织品质量要求。随着计算机科学的发展、多种机器识别和机器计量方法的出现，对异纤的处理效率有较大的提升，但由于异性纤维的比重各异,笼统的重量计量不能对异性纤维的危害程度给出准确的评价。 本研究选择羽毛、麻绳、有色线、塑料片、头发、丙纶丝和有色纸片七种典型的异性纤维作为研究对象，旨在融合计算机图像处理技术和数学统计学方法建立起一个棉花异性纤维危害性评价模型，用以评价异纤的危害程度。主要研究内容有： 1、异性纤维图像分割：利用基于小波变换的图像分割方法经过三次小波变换对通过图像采集装置采集的棉花图像进行图像分割，，得到异性纤维目标图像； 2、异性纤维特征提取、分类识别和计量：对异性纤维的色彩、纹理、形状特征进行特征提取，形成有效的用以描述异纤目标图像的特征向量，再通过凝聚型层次聚类算法和穷举法对提取的特征向量进行优化，选择最优特征向量。以最优特征为指标通过主成份分析和BP神经网络相结合的方法对异性纤维进行分类识别和计量。本方法对所研究的异性纤维的正确识别率皆为95%以上。 3、异性纤维危害性评价：建立基于种类和数量的异性纤维危害性评价模型，从各种异性纤维的数量得出异性纤维危害等级。该模型综合考虑异性纤维种类、数量和危害等级，是较全面的棉花质量评价体系，从而克服现行标准中重量指标存在的对各种异性纤维同等对待的问题。 本研究对以后异性纤维剔除和降低异纤危害等研究具有一定的参考价值。
【关键词】：棉花 异性纤维 小波分析 主成分分析 BP神经网络 危害评价
【学位授予单位】：山东农业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.41;TS102.211
【目录】：

• 中文摘要7-8
• Abstract8-9
• 1 引言9-19
• 1.1 研究目的意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 棉花异性纤维检测研究现状10-11
• 1.2.2 棉花异性纤维图像分割方法研究现状11-12
• 1.2.3 棉花异性纤维图像分类与计量方法研究现状12-13
• 1.3 研究目标与研究内容13-16
• 1.3.1 研究目标13-14
• 1.3.2 拟解决的关键问题14
• 1.3.3 研究内容14-16
• 1.4 研究方法与技术路线16-17
• 1.4.1 研究方法16
• 1.4.2 技术路线16-17
• 1.5 创新与特色17-19
• 2 棉花异性纤维图像特征提取19-36
• 2.1 研究对象19
• 2.2 棉花异性纤维图像处理19-23
• 2.2.1 机器视觉系统19-20
• 2.2.2 图像分割20-23
• 2.3 棉花异性纤维图像特征提取23-34
• 2.3.1 颜色特征提取23-27
• 2.3.2 纹理特征提取27-29
• 2.3.3 几何直观特征提取29-31
• 2.3.4 形状特征提取31-34
• 2.4 特征选择34-36
• 2.4.1 层次聚类法34
• 2.4.2 穷举法降维34-36
• 3 分类识别36-54
• 3.1 主成份分析相关理论36-39
• 3.1.1 多元统计分析36-37
• 3.1.2 主成份分析37
• 3.1.3 主成份分析方法介绍37-39
• 3.1.4 主成份分析在 SPSS 中的操作39
• 3.2 主成分分析法确定综合指标39-47
• 3.2.1 数据来源与指标选取39-40
• 3.2.2 数据标准化40-42
• 3.2.3 相关性分析42
• 3.2.4 主成分分析42-47
• 3.3 BP 神经网络相关理论47-50
• 3.3.1 人工神经网络47
• 3.3.2 BP 神经网络47-48
• 3.3.3 BP 神经网络的学习算法48-49
• 3.3.4 BP 神经网络 Matlab 语言的实现49-50
• 3.4 分类识别网络模型训练50-54
• 3.4.1 输入输出数据的处理50-52
• 3.4.2 训练 BP 神经网络52-53
• 3.4.3 BP 神经网络测试53-54
• 4 棉花异性纤维危害评价54-66
• 4.1 异性纤维危害概况54
• 4.2 危害评价模型54-55
• 4.3 计量统计55-58
• 4.4 异性纤维危害程度分析58-66
• 4.4.1 危害程度考核方法58-59
• 4.4.2 线性回归模型59-62
• 4.4.3 总危害量计算62-64
• 4.4.4 危害分档64-66
• 5 结论与建议66-68
• 5.1 结论66
• 5.2 建议与展望66-68
• 参考文献68-72
• 致谢72-73
• 攻读硕士学位期间的研究成果73

【参考文献】

中国期刊全文数据库 前10条

1 王t

本文编号：254348