原棉在生產(chǎn)過程中會混入包括丙綸絲、絨線、地膜以及動物毛發(fā)在內(nèi)的異于棉花纖維的異性纖維,若在棉紡生產(chǎn)過程中混入紗布成品中,會造成布面染色不均及瑕疵等產(chǎn)品降質(zhì)現(xiàn)象,是影響生產(chǎn)質(zhì)量的主要因素之一。異纖清除機能在線運行,通過機器學習算法挑出異于棉花的異物纖維,但是傳統(tǒng)的該類機器并未實現(xiàn)對異纖種類的自動分揀工作,無法準確得知所檢出物品的類別信息。傳統(tǒng)的機器學習算法在人工提取特征上難以解決真?zhèn)萎惱w分類問題,而深度神經(jīng)網(wǎng)絡不需要進行人工特征提取而自動的學習圖像的特征,能避免無法提取特征的問題,能更廣泛的適應實際設備工作狀態(tài)。研究深度學習對異纖進行分類,進而對棉花進行質(zhì)量評估的工作具有重要意義。本文首先介紹了棉花圖像分類的研究背景和發(fā)展現(xiàn)狀,闡述了深度學習的理論基礎以及深度神經(jīng)網(wǎng)絡的組成,并且介紹了卷積神經(jīng)網(wǎng)絡。其次,使用了基于深度神經(jīng)網(wǎng)絡的棉花圖像分類方法。該方法利用傳統(tǒng)的深度神經(jīng)網(wǎng)絡包括AlexNet,Vgg16和GoogleNet三種神經(jīng)網(wǎng)絡對棉花進行了分類研究。實驗結果表明,深度神經(jīng)網(wǎng)絡可有效學習棉花的特征,達到具有較好的分類準確率。然后,提出一種基于豐富特征的卷積神經(jīng)網(wǎng)絡圖像分類方法。該方法... 

【文章來源】：武漢科技大學湖北省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

異纖圖像

武漢科技大學碩士學位論文第 1 章 緒論.1 研究目的及意義棉花是世界上最重要的農(nóng)產(chǎn)物之一，其產(chǎn)量大，用途多，價值高，作為紡織業(yè)主要原料，對紡織業(yè)有著很重要的意義。棉紡業(yè)能夠解決大量農(nóng)民的就業(yè)和收入題，也是我國 GDP 的重要組成部分之一。在種植、采摘、收購和加工的生產(chǎn)過中，棉花中容易混入異于棉花纖維的，包括丙綸絲、絨線、地膜以及動物毛發(fā)在的，危害性異性纖維物質(zhì)[1,2]，后簡稱異纖，如圖 1.1 所示為從棉花中分揀出的異。若這些異纖混入棉紡紗布纖維中，在紗布后續(xù)生產(chǎn)中將造成染色不均、布面瑕和斷紗等質(zhì)量問題，從而導致棉紗和紡織品質(zhì)量等級降檔，不僅會給棉紡織企業(yè)成巨大損失，還會影響國棉聲譽及出口[2]，所以，將混雜在原棉中的異纖快速而確的分揀識別并挑選出來是棉紡行業(yè)關注的焦點和要解決的關鍵問題。

武漢科技大學碩士學位論文間和成本，許多機構采用異纖清除機進行自動拆檢和分揀。傳統(tǒng)的異纖清除機通常安裝在精開棉機后端，由輸棉管道、相機、光源、噴閥以及除雜風道等部分組成，其原理結構圖如圖 1.3(a)所示，而異纖清除機實物圖如圖 1.3(b)所示。在經(jīng)過開棉機進行疏松之后，開松的棉花混合異纖在管道中流動，相機對其進行拍攝，經(jīng)噴閥將異纖擊出，排出后的異纖通過除雜風扇抽入除雜棉袋，供前紡車間進行二次處理。傳統(tǒng)設備通常并未聯(lián)網(wǎng)工作，而為了研究異纖特性，本文改造設備，將系統(tǒng)識別的異纖圖片通過互聯(lián)網(wǎng)上傳到云端服務器，然后利用在云端服務器獲取到的棉花異纖數(shù)據(jù)集進行分類識別算法研究。


本文編號：3128884