赵旎[1]2009年在《皮棉异性纤维在线分拣系统研究》文中进行了进一步梳理机器视觉技术是近年来现代科学技术发展的热点领域,因其具有精度高、速度快、非接触等诸多优点,在各个工程技术领域不断获得日益广泛的应用。棉花中的异性纤维对于棉纺织品不良影响很大,使产品的质量等级下降,进而影响企业的经济效益,同时也会恶化棉纺织企业的国际国内市场竞争能力。所以异性纤维的在线分拣对于改进棉花初步加工工艺,提高棉纺织品的成品质量,降低产品成本具有非常实际、重要的意义,同时也具有很好的市场价值和发展前景。本文对异性纤维检测技术和异性纤维检测系统的算法实现进行了比较深入的分析和研究。通过充分的分析与严格论证,建立了图像处理的数学模型,利用棉花在RGB空间的叁维颜色数学模型,利用特征分析与类型归纳法,提出了针对普通异性纤维非线性双阈值算法和针对细小杂质的基于微分的图形处理算法相结合,提高了图形处理的效率,保证系统根据采集到的图像数据能够快速而准确无误的作出判断。创新点在于实现了在此领域内对白色丙纶丝和头发丝等细小杂质两方面的检测突破,整个系统完全满足工业检测的要求。文章介绍了异性纤维分拣系统研究的背景及发展状况,研究并提出了以计算机图像处理技术为基础的异性纤维分拣算法,并实现将其合理应用于棉花异纤自动在线分拣系统的目的,以达到要求的检测效果。经过多次现场调试,证明该系统具有检测速度快、分拣率高的特点。最后分析研究了硬件系统平台的合理搭建,特别对于相机的非线性问题的解决及光源的选择上做了大量的实验以求得最佳的信号输入,使由硬件系统带来的不利因素最小化。软件利用Visual C++6.0编制,在图像采集卡、CCD摄像机、C8051F340单片机等硬件基础上,充分发挥机器视觉技术的优势,实现了棉花异纤的在线、实时、非接触和动态检测及分拣。本文研究工作的最终目的是在研究国内外同类设备和在现有的计算机图像处理技术基础上,研制开发具有自主知识产权的棉花异性纤维在线实时分拣系统,并使之成为应用于现场的工业级机器视觉在线检测设备。
郑鹏[2]2017年在《基于多模式分类算法的棉花异性纤维自动检测系统的设计与实现》文中认为近年来,由于全国棉花市场管理混乱,所收购的棉花中异性纤维严重超标,极大地影响了棉纺织产品的质量,从而也影响了我国棉纺行业的国内外的信誉,使棉纺织出口受到了很大的阻力。国外清除异纤的设备价格昂贵,且检出效果并不理想,国内有些企业虽已推出产品,但效果不好。为此,研制棉花异性纤维自动检测系统来改进棉花初步加工工艺,提高棉纺织品的成品质量,降低产品成本具有非常实际、重要的意义,同时也具有很好的市场价值和发展前景。本文在介绍了异性纤维分拣系统研究的背景及发展状况下,提出了以计算机图像处理技术为基础的异性纤维分拣算法,并对该算法的实现进行了比较深入的分析和研究,通过严格论证与分析,建立了图像处理的数学模型,即棉花在RGB空间的叁维颜色数学模型,利用特征分析与类型归纳法,提出了针对普通异性纤维非线性双阈值算法和针对细小杂质的基于微分的图像处理算法相结合,提高了图形处理的效率,保证系统根据采集到的图像数据能够快速、准确的作出判断。实现了对白色丙纶丝和头发丝等细小杂质两方面检测的突破。而对于硬软件部分的实现则是合理搭建硬件系统平台,尤其是在相机的非线性问题的解决及光源的选择上,通过大量的实验以求得最佳的信号输入,使由硬件系统带来的不利因素达到了最小化。而软件系统则利用Visual C++6.0编制,在图像采集卡、CCD摄像机、C8051F340单片机等硬件基础上,充分发挥机器视觉技术的优势,实现了棉花异纤的在线、实时、高精度、非接触快速的动态检测及分拣。体现出了作为现代科学技术热点领域的机器视觉技术的诸多优点。最终经过多次现场调试,证明该系统具有检测速度快、分拣率高的特点。系统完全满足工业检测的要求。通过本文研究工作,研制并开发出具有自主知识产权的棉花异性纤维在线实时分拣系统,并使之成为应用于现场的工业级机器视觉在线检测设备。
张瑛[3]2003年在《异性纤维分拣系统的研究》文中研究指明棉花杂质检验是整个棉花检测工作中的一个重要组成部分。通过杂质检验可确定棉花的含杂量。检验杂质的含量和分析杂质的种类，有助于改进棉花初步加工的工艺措施，提高皮棉品质。棉纺厂可以据此正确计算用棉量，采用相应工艺措施，使成纱疵点减少，条干均匀，提高成品质量，降低成本，所以杂质检验具有重要意义。本课题是针对此研制的分拣系统----异性纤维分拣仪。异性纤维分拣仪是一个基于TMS320C6201定点的DSP，以工控机为核心的高速实时棉花异性纤维处理系统。该系统通过CCD摄像头采样，用DSP进行高速数据处理，通过工控机总体协调控制相应外围设备剔除不符合标准的杂质并实时显示管道中流动的棉花。异性纤维分拣仪的核心算法是异纤检测及标准棉示教。系统由硬件和软件组成。主体部分是工控机，内置TMS320C6201的定点DSP。本文主要讲述软件部分的实现。该软件一方面控制执行机构的工作，另一方面进行数据采集、处理、显示。它主要包括数据采集、示教、检测、真伪彩显示、背景校正、对外部机械喷阀的控制等。 本论文先介绍异纤分拣机背景发展状况，然后分别论述整个分拣机的结构，核心算法（检测和示教），主控制平台设计，真彩显示实现和优化及多线程运用等。
戴永成, 焦智[4]2017年在《基于DSP的棉花异性纤维实时分拣算法研究与实现》文中研究表明设计了一个以高性能DSP处理器ADSP-BF533为核心的棉花异性纤维实时分拣系统,针对该系统提出了一种异性纤维实时分拣算法。该算法基于区域图像分割技术,使用乘、加和比较等运算完成棉花异性纤维的实时分拣。严格的理论推导和大量的数据实验证明,该算法相比于目前常用的基于阀值图像分割技术的分拣算法,其使用的数学模型能够更客观的反映棉纤维的数据特征,具有更高的分拣精度。同时,完成了该分拣算法向DSP硬件上的移植。经算法仿真,这种基于DSP的实时分拣算法可以很好地满足棉花异性纤维分拣系统的有效性和实时性要求。
郭俊先[5]2011年在《基于高光谱成像技术的棉花杂质检测方法的研究》文中研究表明棉花是重要的经济作物,是纺织工业的重要原料。棉花杂质不仅影响棉花定级和定价,同时影响棉花轧花和纺纱效果,以及最终棉纺织品的质量。国内外学者采用机器视觉技术、断层X光摄影和紫外荧光成像等技术,能够有效检测棉花中着色较深、面积较大和含有荧光物质的部分杂质。但是,针对棉花表面纤细、浅色、白色和透明杂质,以及棉花内部的常见杂质,检测效果不佳。本研究基于高光谱成像分析系统,以梳棉表面一些难检的异性纤维,梳棉内部不同深度的常见杂质为研究对象,分别采用高光谱图像中不同信息,建立杂质检测的方法和算法,并以分割后二值图像进行杂质重量预测和分类分析。研究主要内容包括叁部分：(1)针对梳棉表面难检杂质,采用主成分分析(PCA, Principle component analysis)、独立成分分析(ICA, Independent component analysis)、双波段比分析和波长合并方法,提取高光谱图像的最佳分割图像,以较优的预处理和分割方法获得二值图像；获取高光谱图像中杂质和梳棉像素光谱,选择较优的判别函数,采用判别分析(DA, Discriminant analysis)方法分类像素获得二值图像；对比基于线性判别分析(LDA, Linear discriminant analysis)、面积过滤器、形态学处理、面积过滤器和形态学的组合方法剔除二值图像中伪目标的效果,建立梳棉表面单类杂质检测算法；使用最佳分割波长图像,采用灰度平均和小波融合两种方法,建立梳棉表面多类杂质检测算法；采集相同空间分辨率的RGB图像作为对照,比较高光谱图像检测杂质的效果。(2)针对梳棉内部不同深度的常见杂质,使用像素分类方法和二值图像后处理方法,建立梳棉内层杂质的检测算法；对比过滤(filter)和包装(wrapper)特征选择等方法,确定杂质像素分割的最佳波长集合。(3)针对高光谱图像杂质分割二值图像区域的相关特征,采用偏最小二乘(PLS,Partial least square)回归和多元线性回归(MLR, Multiple linear regression)方法预测分析杂质重量,采用DA分析方法分类多种异性纤维；采集梳棉高分辨率近红外漫反射光谱信息,分析PLS预测普通杂质含量的效果。本研究的目的是评价高光谱成像技术检测梳棉表面一些难检杂质和梳棉内层常见杂质的可行性,为高光谱成像技术应用于棉花杂质检测设备开发提供依据。采用波长选择方法,分析获得像素分类的最佳波长集合,为多光谱成像技术在线分拣棉花杂质的滤波片选择奠定研究基础。研究结果和结论如下：1)针对梳棉表面一些难检杂质的检测,结果表明：①在波长460-900 nm范围内,高光谱图像中波长图像适合于灰色、白色的条状或块状异性纤维的检测,主成分图像适合黑色和白色的纤细异性纤维检测,独立成分图像适合灰色、白色和透明的异性纤维检测。采用Sobel算子边界提取和形态学处理分割上述图像,结合LDA的二值图像后处理方法,验证集异性纤维识别率为79.51%。②采用wrapper波长选择方法确定像素分类最佳波长集,基于二次判别分析(QDA,Quadratic discriminant analysis)分类高光谱图像中空间像素点,构造杂质分割二值图像,使用LDA判定二值图像中区域属性,剔除伪目标区域,异性纤维总识别率为79.17%。其中黑色人发和灰色丙纶丝识别率达到100%,黑色猪毛识别率达为95.65%,白色丙纶丝的识别率达到90.36%,透明地膜碎片识别率为67.21%。③单类杂质分割的最佳波长图像做灰度平均可以检测多类难检杂质,训练集和验证集中杂质识别率分别为84.09%和75.86%。针对黑色毛发、灰色和白色丙纶丝等多类异性纤维,验证集中识别率为100%,白色猪毛不能识别。④使用相同的图像分割和后处理方法,黑色毛发的高光谱图像和RGB图像识别率分别是97.10%和81.48%。高光谱图像可以检测出44.44%的白色猪毛,RGB图像不能检测白色猪毛。综上可知,高光谱图像可以有效检测梳棉表面的黑色毛发、灰色丙纶丝和白色丙纶丝,能够检测部分透明丙纶丝和地膜碎片；基于像素分类杂质分割方法,杂质总体检测效果好于基于图像信息的结果；采用相同的图像分割和处理方法,高光谱图像检测黑色和白色毛发的结果好于同分辨率RGB图像。2)针对棉网内层一定深度放置的多种杂质检测,结果表明：①采用QDA分类高光谱图像中空间像素点,构造杂质分割二值图像,结合面积过滤器和形态学组合方法处理二值图像,采用全波长信息,在深度为1-2 mm、3-4 mm和5-6 mm的棉网内,杂质识别率分别为87.8%、79.5%和82.6%,其中,普通杂质识别率分别为95.5%、80.7%和82.6%。采用包装法选择的最优波长集合,叁种深度的杂质识别率分别为66.6%、57.5%和72.8%。②采用全波长信息,在深度为1-2 mm和3-4 mm棉网内,异性纤维的识别率分别为81.9%和60.6%。使用最优波长集合,异性纤维的识别率分别为77.1%和49.3%。彩色丙纶丝、有色线和有色布块的检测效果最佳,黑色毛发检测效果居中,灰色、白色丙纶丝检测效果不佳。综上可知,高光谱图像可以检测棉网内1-6mm深度的普通杂质、彩色丙纶丝、有色线和有色布块,能够检测部分黑色毛发和灰色丙纶丝。普通杂质的检测效果最佳。3)分类杂质和预测杂质重量的结果表明：①基于高光谱图像分割后二值图像的杂质区域特征,采用PLS预测多类丙纶丝重量的相关系数r值为0.729；基于马氏距离的DA分类丙纶丝、毛发和地膜碎片叁种异性纤维,总正确率为86.10%。高光谱图像可以有效区分大类杂质。②采用棉花高分辨率近红外光谱信息,使用一阶微分光谱预处理,3个主成分的PLS预测普通杂质含量效果最好,相关系数r为0.9059,校正均方根误差为0.440,预测均方根误差为0.823。结合近红外漫反射技术和化学计量学分析方法,可以用于棉花杂质含量预测。
罗德坡, 朱邦太, 李勋[6]2007年在《紫外线荧光效应及其在棉花异性纤维分拣系统中的应用》文中提出基于机器视觉技术的棉花异性纤维分拣是近几年来国内外研究的热点,为了有效分拣棉花中含有的与棉花色泽相近的异性纤维,提出了一种结合紫外线荧光效应的机器视觉方法应用于分拣棉花中的异性纤维。该方法利用紫外线的荧光效应突出与棉纤维色泽相近的异性纤维与棉纤维的特征差别,并根据异性纤维的类型归纳,提出了用非线性阈值判断算法进行检测。试验结果表明,在紫外线照射下,90%以上的白色异性纤维特征发生明显变化,算法具有非常高的拣出率,系统可以有效地清除棉花中异性纤维杂质。
宋庆强[7]2016年在《基于机器视觉的异色羽绒在线分拣硬件系统研制》文中研究说明我国是羽绒生产和出口大国,国际市场对纯白羽绒的需求量很大,但是企业收集到的原料羽绒中异色绒的含量较高,远不能达到国际市场对高质量的纯白绒的需求,纯白羽绒市场价格昂贵。另外随着居民消费水平的提高,消费者对于羽绒制品工艺的要求也越来越高,市场上,使用无异色纯白羽绒作为填充物已经成为众多羽绒生产企业提高产品质量的追求。而目前异色羽绒的分拣只能依靠人工手动完成,这种方式工人劳动强度大、容易疲劳,分选出的羽绒质量和产量不能得到保证。所以市场迫切需要一种自动化分选设备,快速的分选出异色羽绒以满足市场对于纯白绒的高需求,提高生产效率和产品质量。因此对异色绒在线分拣硬件系统的研制具有重要意义。羽绒不同一般的检测物,羽绒密度太轻,使用传送带传送,羽绒极易飘浮,因此本论文设计了采用管道以气流输送羽绒,羽绒在固定的管道中运动,避免了羽绒的飘浮。基于这种传输方式和机器视觉原理,设计并搭建了异色羽绒在线分拣装置。该装置主要包括羽绒的传输装置,图像采集装置和分拣机械控制装置。应用该装置采集运动态羽绒图像,对采集的图像进行灰度化处理和Otsu阈值法分割,得到采集到的异色绒图像能够被识别,能够达到检测的效果。本文主要内容有:(1)提出了异色羽绒在线分拣系统的设计方案,分为硬件和软件两部分。重点介绍了异色羽绒在线分拣系统的硬件系统,分析其工作原理。对硬件系统的每一个组成部分进行展开论述,通过不断试验,确定最终的设计方案,设计出理想的异色羽绒在线分拣硬件系统。(2)从摄像机和照明系统的选择对图像采集的硬件实现进行了优选;结合课题要求,通过不断试验,确定图像采集背景,拍摄距离,相机最佳曝光时间和相机的优选,保证相机采集到良好的目标图像;最后通过对采集到的运动态羽绒图像进行灰度化处理和Otsu阈值法分割,得到通过图像采集系统采集到的异色绒图像能够被识别,满足后期分拣对图像的要求。(3)论述了分拣机械装置的工作原理,根据分拣装置的工作原理,从“八字形”羽绒收集管道和分拣阀门的设计对分拣装置的总体设计进行详细分析。通过推动式电磁铁运动推动分拣阀门来回运动,实现分拣。根据电磁铁的特性,选取分拣装置控制系统所需器材,根据器材特性设计出所需的分拣装置控制系统电路图,并对分拣装置控制系统工作原理进行论述。基于面向对象的程序设计思想,运用C++语言设计出分拣装置控制系统软件界面,实现控制分拣装置运动的功能,为整体软件进一步开发奠定了基础。
朱海波[8]2006年在《实时异性纤维分拣系统的设计与实现》文中研究表明随着电子技术的飞速发展,DSP已经广泛应用于工业生产和人们生活。将计算机和具有强大计算能力的DSP有机的结合起来是实现高实时和高性能的有效手段。同时,各种高集成的大规模可编程逻辑器件也为构成高速实时系统提供了更加灵活的方案。为满足工程的需要,如何能将DSP的高速性能发挥并和计算机有机的结合起来实现一个高性能实时的系统,是本文论证的具体问题。本文以异性纤维分拣系统的设计要求为依据,分析现有系统的优缺的基础上,采用了DSP+PCI的架构,设计了一个满足项目需求的高速实时系统。系统使用ADSP BF533的16位定点DSP,以工控机为核心实现了高速实时棉花异性纤维处理。系统通过CCD摄像头采集图像数据,用DSP进行高速数据处理剔除不符合标准的杂质,通过工控机总体实时显示管道中流动的棉花。本论文先介绍异纤分拣机背景发展状况,然后指出原有系统的硬件设计的不足,重新设计了硬件系统,采用了新的器件,合理的架构,提升了系统的性能。经测试,达到了系统设计的要求。
崔光照, 邹玉炜, 孙玉胜, 吉炜寰[9]2007年在《基于DM642的异性纤维分拣图像处理系统的研究》文中研究指明待加工原棉中往往混有难以分辨的异性纤维,能否有效地的去除这些杂质长期以来一直困扰着棉纺企业,关系到棉纺产品的质量和企业的生存.在本文中我们研究设计了异性纤维分拣图像处理系统.该系统以数字信号处理器(DSP)作为硬件平台,在软件编程上引入操作系统的编程思想,采用基于统计量的图像处理算法对所采集的图像进行处理,实现了对混有异性纤维的原棉分拣.实验表明,系统可简便、高效地实现异性纤维检测和剔除.
杨超[10]2015年在《原棉中异性纤维图像识别方法研究》文中研究指明原棉是纺织工业的基本原料,亦称皮棉。异性纤维是指混入原棉中的非棉纤维或杂物。虽然原棉中异性纤维含量少,但会直接导致纺纱时疵点并极易造成纱线断头进而严重影响布面质量。因此,研究一种实时性好,检出率高的在线检测和剔除方法对于棉花质量的控制具有重要的意义。本题课对异性纤维图像识别方法进行了研究。为了提高识别率和减少时间损耗,本文主要做了以下几方面工作：1.完成CCD相机,镜头,照明光源的选型及异性纤维检测系统的简单组建,实现了图像采集。2.为了识别原棉图像中的彩色异性纤维,把RGB叁维彩色空间转化到HSI空间下色调(Hue)和饱和度(Saturation)二维空间,并且在对Otsu算法特性分析的基础上提出了改进的二维迭代Otsu算法。3.本课题利用二次分割算法用于识别原棉中的半透明异性纤维。4.本课题把纹理特征应用到白色异性纤维识别领域,利用基于GLCM纹理特征图像的二维Otsu分割方法实现了白色异纤的识别。5.实现了异性纤维识别系统界面设计,以方便识别算法的验证与改进。实验证明,改进的二维Otsu算法把分割时间缩短为标准二维Otsu算法的1/10左右,有效的提高了实时性；基于GLCM下纹理特征图像的分割不但提高了白色异性纤维的识别率,而且利用不等距灰度级压缩有效的减小了时间损耗。
参考文献：
[1]. 皮棉异性纤维在线分拣系统研究[D]. 赵旎. 西安建筑科技大学. 2009
[2]. 基于多模式分类算法的棉花异性纤维自动检测系统的设计与实现[D]. 郑鹏. 河南科技大学. 2017
[3]. 异性纤维分拣系统的研究[D]. 张瑛. 北京工业大学. 2003
[4]. 基于DSP的棉花异性纤维实时分拣算法研究与实现[J]. 戴永成, 焦智. 科技通报. 2017
[5]. 基于高光谱成像技术的棉花杂质检测方法的研究[D]. 郭俊先. 浙江大学. 2011
[6]. 紫外线荧光效应及其在棉花异性纤维分拣系统中的应用[J]. 罗德坡, 朱邦太, 李勋. 河南科技大学学报(自然科学版). 2007
[7]. 基于机器视觉的异色羽绒在线分拣硬件系统研制[D]. 宋庆强. 东华大学. 2016
[8]. 实时异性纤维分拣系统的设计与实现[D]. 朱海波. 北京工业大学. 2006
[9]. 基于DM642的异性纤维分拣图像处理系统的研究[J]. 崔光照, 邹玉炜, 孙玉胜, 吉炜寰. 电子器件. 2007
[10]. 原棉中异性纤维图像识别方法研究[D]. 杨超. 内蒙古大学. 2015