為了對起毛工藝后的織物表面絨毛狀態(tài)進行客觀評定,提出了基于BP神經網絡的織物表面絨毛質量的檢測方法。以光切成像原理采集絨毛輪廓圖像,利用自適應圖像分割方法對絨毛區(qū)域進行分割,將得到的二值圖像應用Freeman鏈碼原理提取織物的上邊緣輪廓坐標,以此作為BP神經網絡的輸入對BP神經網絡進行訓練,并將訓練得到的2組權值根據BP神經網絡的計算過程進行驗證,提出應用激活函數和訓練的權值相結合直接計算的方法。應用基于光切成像原理搭建的絨毛織物檢測平臺,對4種不同顏色和不同起毛工藝加工后的織物進行檢測,準確率為93. 02%;且權值的計算結果與網絡實際計算結果相符合,因此可以直接利用網絡訓練的權值做矩陣運算,縮短實際檢測的時間。

【文章頁數】：8 頁

【部分圖文】：

圖1光切成像原理

通過起毛工藝在織物表面形成具有一定厚度的致密絨毛，為獲取織物表面絨毛厚度與分布狀態(tài)信息，本文采用如圖1所示的光切成像原理。相機與條形光源分別置于被測織物的兩側，條形光源為長方體形狀，長×寬×高為37cm×4.2×2.1cm,LED(18&22PCS)光源，功率為5W,45....

圖2絨毛織物切向圖像

相機與條形光源分別置于被測織物的兩側，條形光源為長方體形狀，長×寬×高為37cm×4.2×2.1cm,LED(18&22PCS)光源，功率為5W,4500K自然光。條形光源置于輥子的正下方，使光線與輥子軸向輪廓邊緣相切，采用背景光成像可避免受織物表面紋理及顏色特征的干擾....

圖3灰度直方圖

將圖像進行分割，將絨毛區(qū)域的特征提取出來，同時將背景區(qū)域和底布分開。由圖3所示的灰度直方圖分布特征可知，背景區(qū)域的灰度值集中分布在0～25之間，且像素個數遠大于絨毛區(qū)域的像素數，而絨毛區(qū)域的灰度值集中在25～110之間，因此可利用最大類間方差法對圖像進行自適應分割。提取的絨毛區(qū)域....

圖4絨毛區(qū)域

經過分割后的圖像背景區(qū)域和絨毛底布區(qū)域與絨毛區(qū)域完全分離，圖中白色區(qū)域為織物的絨毛部分，黑色為背景區(qū)域;且在圖像中上邊緣輪廓的起伏狀態(tài)反映了該織物的絨毛厚度以及分布情況，應用Freeman鏈碼原理對上邊緣的輪廓特征進行提取，進而得到BP神經網絡的訓練數據集。2織物輪廓特征提取

本文編號：3978010