基于BP神经网络的织物表面绒毛质量的检测方法

发布时间：2024-05-19 10:56

　　为了对起毛工艺后的织物表面绒毛状态进行客观评定,提出了基于BP神经网络的织物表面绒毛质量的检测方法。以光切成像原理采集绒毛轮廓图像,利用自适应图像分割方法对绒毛区域进行分割,将得到的二值图像应用Freeman链码原理提取织物的上边缘轮廓坐标,以此作为BP神经网络的输入对BP神经网络进行训练,并将训练得到的2组权值根据BP神经网络的计算过程进行验证,提出应用激活函数和训练的权值相结合直接计算的方法。应用基于光切成像原理搭建的绒毛织物检测平台,对4种不同颜色和不同起毛工艺加工后的织物进行检测,准确率为93. 02%;且权值的计算结果与网络实际计算结果相符合,因此可以直接利用网络训练的权值做矩阵运算,缩短实际检测的时间。

【文章页数】：8 页

【部分图文】：

图1光切成像原理

通过起毛工艺在织物表面形成具有一定厚度的致密绒毛，为获取织物表面绒毛厚度与分布状态信息，本文采用如图1所示的光切成像原理。相机与条形光源分别置于被测织物的两侧，条形光源为长方体形状，长×宽×高为37cm×4.2×2.1cm,LED(18&22PCS)光源，功率为5W,45....

图2绒毛织物切向图像

相机与条形光源分别置于被测织物的两侧，条形光源为长方体形状，长×宽×高为37cm×4.2×2.1cm,LED(18&22PCS)光源，功率为5W,4500K自然光。条形光源置于辊子的正下方，使光线与辊子轴向轮廓边缘相切，采用背景光成像可避免受织物表面纹理及颜色特征的干扰....

图3灰度直方图

将图像进行分割，将绒毛区域的特征提取出来，同时将背景区域和底布分开。由图3所示的灰度直方图分布特征可知，背景区域的灰度值集中分布在0～25之间，且像素个数远大于绒毛区域的像素数，而绒毛区域的灰度值集中在25～110之间，因此可利用最大类间方差法对图像进行自适应分割。提取的绒毛区域....

图4绒毛区域

经过分割后的图像背景区域和绒毛底布区域与绒毛区域完全分离，图中白色区域为织物的绒毛部分，黑色为背景区域;且在图像中上边缘轮廓的起伏状态反映了该织物的绒毛厚度以及分布情况，应用Freeman链码原理对上边缘的轮廓特征进行提取，进而得到BP神经网络的训练数据集。2织物轮廓特征提取

本文编号：3978010