針對織物疵點(diǎn)自動檢測的問題,選用破洞、稀緯、斷經(jīng)、結(jié)頭、棉球、沾色、帶紗等7種織物疵點(diǎn)類型,運(yùn)用決策樹、隨機(jī)森林、支持向量機(jī)算法來對疵點(diǎn)數(shù)據(jù)訓(xùn)練,建立分類模型。選擇了不同紋理和疵點(diǎn)類型共計(jì)4 000幅織物圖像作為訓(xùn)練和測試對象,交叉驗(yàn)證結(jié)果表明,隨機(jī)森林模型效果最佳,模型準(zhǔn)確率達(dá)97.92%。 

【文章來源】：紡織科技進(jìn)展. 2020,(10)

【文章頁數(shù)】：6 頁

【部分圖文】：

決策樹模型

紫色點(diǎn)的標(biāo)簽為1，紅色點(diǎn)的標(biāo)簽為-1。在這個(gè)數(shù)據(jù)集上尋找一個(gè)決策邊界，在二維平面上，決策邊界（超平面）就是一條直線。紫色點(diǎn)所代表的標(biāo)簽y是1，所以規(guī)定P>0，紅色點(diǎn)表示的標(biāo)簽y是-1。圖3 樣本可視化（2)

圖2 樣本可視化（1)平行于決策邊界的2條線的表達(dá)式：w×x+b=1,w×x+b=-1。表達(dá)式兩邊的1和-1分別表示了2條平行于決策邊界的虛線到?jīng)Q策邊界的相對距離。此時(shí)，讓這2條線分別過2類數(shù)據(jù)中距離決策邊界最近的點(diǎn)，這些點(diǎn)就被稱為“支持向量”[6]。如圖3、圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于交叉驗(yàn)證的模型選擇中投票和平均方法的對照[J]. 侯利君.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2019(09)
[2]基于灰度梯度共生矩陣和SVDD的織物疵點(diǎn)檢測[J]. 王孟濤,李岳陽,杜帥,蔣高明,羅海馳.  絲綢. 2018(12)
[3]紋理織物疵點(diǎn)窗口跳步形態(tài)學(xué)法檢測[J]. 何峰,周亞同,趙翔宇,劉猛,張忠偉.  紡織學(xué)報(bào). 2017(10)
[4]基于稀疏編碼字典學(xué)習(xí)的疵點(diǎn)檢測[J]. 劉綏美,李鵬飛,張蕾,張宏偉,張緩緩,景軍鋒.  西安工程大學(xué)學(xué)報(bào). 2015(05)
[5]我國紡織品檢測技術(shù)發(fā)展現(xiàn)狀[J]. 陳巧仙.  紡織科技進(jìn)展. 2013(04)
[6]圖像紋理特征提取方法綜述[J]. 劉麗,匡綱要.  中國圖象圖形學(xué)報(bào). 2009(04)
[7]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的織物疵點(diǎn)分類方法[J]. 劉素一,劉晶璟,章樂多.  毛紡科技. 2008(10)
[8]基于隨機(jī)森林的文本分類模型研究[J]. 張華偉,王明文,甘麗新.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2006(03)

博士論文
[1]基于機(jī)器視覺的布匹疵點(diǎn)檢測系統(tǒng)研究[D]. 畢明德.華中科技大學(xué) 2012

碩士論文
[1]模型決策樹方法研究[D]. 尹儒.山西大學(xué) 2019
[2]織物疵點(diǎn)檢測的若干問題研究[D]. 侯璇.武漢紡織大學(xué) 2019
[3]基于機(jī)器視覺的布匹疵點(diǎn)檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 田猛.電子科技大學(xué) 2019



本文編號：3559504