基于改进Faster R-CNN模型的异纤分类方法研究

发布时间：2021-07-13 16:14

　　目前国标中棉花异性纤维含量等级以称重的方式进行划分,由于不同种类的异性纤维对纺纱织布过程造成的危害相差较大,只采取所有异性纤维的重量不能准确评定异性纤维含量的等级。本文提出基于改进的深度学习的异性纤维分类模型,提高异性纤维识别的准确率,明确棉花中所含异性纤维种类。最后根据各类异性纤维的相应图像特征和密度,建立对应的重量计算模型,再通过对异性纤维的分类和特征提取将特征带入,计算出各类异性纤维的含量。通过分析异性纤维特性和分类特征,以塑料薄膜、化学纤维、丙纶丝和羽毛作为研究对象。采用双边滤波和二维OSTU算法对异性纤维图像进行降噪和分割,提取了人工设计的颜色、形状、纹理、直观几何形状和Hog特征,通过支持向量机进行分类,分析了异性纤维的分类效果。针对基于SVM分类方法准确率低的问题,提出采用深度学习目标检测模型,通过Faster R-CNN,YOLO V3和SSD模型对异性纤维进行分类,验证了采用深度学习方法对异性纤维分类准确率更高,且Faster R-CNN分类效果最准确。分析Faster R-CNN异性纤维识别模型的缺陷,所使用的VGG16特征提取网络在特征提取的丰富性上还有待提高,候... 

【文章来源】：天津工业大学天津市

【文章页数】：100 页

【学位级别】：硕士

【部分图文】：

棉花中的异性纤维Fig.1-2Foreignfibersincotton

第二章基于多种图像特征和SVM的异性纤维分类153、高斯滤波高斯滤波与均值滤波原理相似，但并不是直接对像素点周围像素进行加和求平均，而是引入了距离权重，在滤波卷积核与图像进行卷积操作时，与卷积核中心距离越远的计算后要乘上一个小权重，距离越近乘上的权重也越大，最后通过加权求和得到滤波值。中值滤波、均值滤波和高斯滤波后的图像如图2-5所示。图2-5中值滤波、均值滤波和高斯滤波效果对比Fig.2-5Comparisonofmedianfiltering,meanfilteringandGaussianfiltering从图2-5中可以看出，图像中的杂质点被消除，图像更加平滑，但边缘处也被模糊，使得异性纤维与棉花背景的界限不清晰，对后续异性纤维的分割和特征提取造成影响。是由于三种算法均没有考虑边缘像素和背景之间的像素值突变，对边缘像素滤波时受到了非边缘像素的影响，造成了边缘的模糊，所以考虑引入颜色权重。双边滤波算法在高斯滤波的基础上加入了颜色权重，当邻域内像素值与要滤波的像素取值相差越大，颜色权重就越小；差值越小，颜色权重就越大。通过两个权重避免滤波时边缘特征被模糊的情况。双边滤波的效果如图2-6所示。图2-6双边滤波效果对比Fig.2-6Comparisonofbilateralfilteringeffect

第二章基于多种图像特征和SVM的异性纤维分类153、高斯滤波高斯滤波与均值滤波原理相似，但并不是直接对像素点周围像素进行加和求平均，而是引入了距离权重，在滤波卷积核与图像进行卷积操作时，与卷积核中心距离越远的计算后要乘上一个小权重，距离越近乘上的权重也越大，最后通过加权求和得到滤波值。中值滤波、均值滤波和高斯滤波后的图像如图2-5所示。图2-5中值滤波、均值滤波和高斯滤波效果对比Fig.2-5Comparisonofmedianfiltering,meanfilteringandGaussianfiltering从图2-5中可以看出，图像中的杂质点被消除，图像更加平滑，但边缘处也被模糊，使得异性纤维与棉花背景的界限不清晰，对后续异性纤维的分割和特征提取造成影响。是由于三种算法均没有考虑边缘像素和背景之间的像素值突变，对边缘像素滤波时受到了非边缘像素的影响，造成了边缘的模糊，所以考虑引入颜色权重。双边滤波算法在高斯滤波的基础上加入了颜色权重，当邻域内像素值与要滤波的像素取值相差越大，颜色权重就越小；差值越小，颜色权重就越大。通过两个权重避免滤波时边缘特征被模糊的情况。双边滤波的效果如图2-6所示。图2-6双边滤波效果对比Fig.2-6Comparisonofbilateralfilteringeffect

【参考文献】：
期刊论文
[1]色纺纱异纤的控制要点[J]. 孔维春.  棉纺织技术. 2019(11)
[2]棉花异纤剔除喷管流道形状优化设计[J]. 杜玉红,陈一平,周志超,董超群.  天津工业大学学报. 2019(04)
[3]针织布面异纤的分析与控制[J]. 李志成,陈纪玲.  棉纺织技术. 2019(07)
[4]机器视觉在纺织中的应用现状与发展趋势[J]. 周建,潘如如,高卫东.  棉纺织技术. 2019(02)
[5]棉纺厂异性纤维全面控制方法及应用[J]. 黄克华,李瑞.  棉纺织技术. 2018(11)
[6]基于深度学习的籽棉中异性纤维检测方法[J]. 何晓昀,韦平,张林,邓斌攸,潘云峰,苏真伟.  纺织学报. 2018(06)
[7]全球棉花进出口贸易分析及展望[J]. 王健,董俊哲,陈浩,郑丽莎,王铭.  棉纺织技术. 2018(03)
[8]应用聚类神经网络的异纤检测多类光源优化设计[J]. 杜玉红,杨程午,蒋秀明,刘仁杰,蔡文超.  纺织学报. 2017(10)
[9]基于嵌入式系统的异纤清除机设计与试验[J]. 张晨,孙世磊,石文轩,曾霖,邓德祥.  农业机械学报. 2017(08)
[10]籽棉中异性纤维的双光源成像检测方法[J]. 韦平,张林,刘翔,王冬,苏真伟.  纺织学报. 2017(04)

硕士论文
[1]基于深度学习的棉花异性纤维分类研究[D]. 蔡月月.武汉科技大学 2019
[2]异性纤维含量等级评价模型的构建[D]. 周志超.天津工业大学 2019
[3]棉花中异性纤维含量检测关键技术研究[D]. 杨程午.天津工业大学 2018
[4]深度学习中优化算法的研究与改进[D]. 张慧.北京邮电大学 2018
[5]异纤分拣机气流管道内部流场分析及结构优化分析[D]. 马婷.天津工业大学 2017
[6]棉花异性纤维识别与计量设备研制[D]. 陈海龙.山东农业大学 2014



本文编号：3282385