本文主要研究内容
作者王飞（2019）在《基于形态特征的几种非织造用纤维的检测及算法研究》一文中研究指出：随着非织造技术以及智能化纺织技术的不断发展,多种类纤维材料的开发与制备已经成为研究领域的热点。而这些纤维材料的制造技术及工艺为纤维材料成分检测与鉴别带来了大量的应用性课题。羊毛是天然的动物纤维,属于纺织工业的重要原料,其在非织造领域主要通过针刺技术加工,热收缩后用于高档的钢琴按键毡布以及高档密封垫及衬垫等密封材料,因其具有良好的声学性能以及有效的除尘能力能够有效提升钢琴的品质。在羊毛制品中常需要混合一定量的羊绒纤维,而羊绒纤维的含量决定了以其为主要原材料成品的品质和加工技术的标准,其制备过程中羊绒/羊毛的混合比的精确控制的需求,也对工艺技术过程的检测提出了更高的要求。而当前市场上针对羊绒/羊毛的区分仍旧以人工为主要方法,缺少一种客观、实时、有效的分类检测方法。粘胶纤维具有优秀的吸湿性能,非织造加工中时容易缠绕,而涤纶纤维弹性好、耐腐蚀,但不易染色同时吸水性能也不如粘胶纤维。在非织造加工工艺中可以使用二者进行混合制备各种密封性功能用品,由于其成品应用需求不同,需要采用不同的混合比对二者进行混合。高品质的涤纶/粘胶网的制备对精确、实时的混合比检测技术提出了更高的要求,而当前没有一种能够实时、有效的采用视觉系统测定二者混合比例的方法。棉纤维作为非织造加工中常用的植物纤维,在非织造中利用水刺工艺常用于制备医卫用品。原棉的等级决定了成品的品质同时影响了其加工成本,而当前非织造工艺中原棉的纤维等级界定,仍以人工分级为主要方式,通过判别其中的杂质以及棉花的平顺程度进行判断,缺乏更加科学客观的分级方法,分级效率与效果也难以保证。针对上述非织造用纤维材料在制备过程中的鉴别、分级、检测等方面存在的检测效率与效果难以量化保证的问题。本文依据应用需求,同时为了提升研究的多样性,选取不同粒度的研究样本。其中不仅包括需要大放大倍数才能够观测到的化学纤维中的涤纶、粘胶纤维;同时也包括需要中等放大倍数即可检测到形态差异的天然动物纤维中的羊绒/羊毛纤维;并且包括了不需要放大即可辨别的天然纤维中的原棉纤维的形态特征为研究对象。以非织造应用的纤维材料的深度特征表达、检测以及相关算法为主要研究内容,采用深度学习与数字图像处理技术,在深度图像表征的基础上对特征表达以及有效特征增强方法进行了研究,并重点研究了以下三个问题:1、非织造纤网中羊绒/羊毛纤维的鉴别问题;2、基于视觉的无损多种类非织造的纤维分类、以及涤纶/粘胶混合比例测定问题;3、棉纤维的质量的检测和分级问题。深度学习技术为非织造智能化检测技术的发展提供理论支撑和应用探索。本文主要研究内容与创新点概括为以下几个方面:1.针对非织造纤网中的羊绒/羊毛鉴别问题,采用局部图像增强整体的技术思路,提出了基于Mixtrue-Level的羊绒/羊毛纤维鉴别算法。该算法利用纤维图像局部图像与整体图像相结合的方法来提升网络所获得的能对两种纤维进行有效区别的特征值,并利用图像增强的方式提升了卷积网络对两种纤维的表征能力,获得了92.13%的分类精确率。以MixtureLevel样本增强算法为借鉴为基础,加入Seletive Search算法中对图像的从形状、颜色、尺寸、纹理等角度的样本增强,提出一种基于Region Proposal Strategy的羊绒/羊毛鉴别算法。该算法提取了中层次的图像特征对样本的形状、颜色、尺寸、纹理的综合特征进行增强。通过多批次、多轮次对的模型分类的训练及验证集合的精确度、损失函数以及f1-measure的评价,证明了该算法分类精确度可以达到91.44%,且具有良好的稳定性,以及一定的应用可行性。2.在研究多种类非织造用纤维的鉴别以及基于视觉的涤纶/粘胶纤维混合比例测定问题两个方面,针对多种类非织造用纤维分类问题,考虑到样本的数量较多、预处理耗时过长,同时较难通过人工设计特征划分多种不同样本。为了摆脱对样本的依赖,转换图像增强的思路,以更深的网络自动提取样本的特征值,首次提出了将残差网络应用于非织造用纤维的分类。该方法在略去了样本的去噪声操作同时,去除了样本的特征增强操作。以提升网络深度为主要思想,以更深的网络提取更多有效的特征为主导思路,同时在更深的残差网络中实验了六种非织造用材料的分类问题获得了89.68%的分类正确率。而后,针对涤纶/粘胶的混合比例测定问题,使用基于积分思想的分割网络对涤纶粘胶混合制品进行混合比率的测定。并且针对纹理差异,提出了一种基于纹理智慧的残差网络,该算法在残差单元中加入了Max-Pooling层,将跨层传递的特征矩阵中加入纹理提升单元。实验结果表明,基于普通残差网络对于涤纶/粘胶混合纤维混合比测定有较好的识别准确率,同时,本文提出的纹理智慧的残差网络对粘胶/涤纶纤维的混合比率的测定在算法有效性并不明显降低的情况下,对算法的稳定性上有一定的提升,同时也对使用残差网络算法的时间效率上有约33.33%的提升。利用深度残差网络为非织造用纤维基于视觉的混合比例测定提供了一种新的方法,也为非织造布的混合比在线实时检测提供了算法的支撑。3.针对原棉纤维质量等级划分问题,以Sobel、Roberts、LoG、Canny四种卷积算子的杂质边缘检测为切入点,通过分析卷积操作可以找到并定位杂质,深度卷积网络可以用来对原棉特征进行表征。与使用迁移学习的Google-Net的Inception-V3模型作为对比获得更优的效果反馈后,直接采用了更深层次的残差网络对原棉质量进行分类,实验结果表明,该方法对原棉质量的分级高效稳定,达到了96.97%的分级准确度。综上所述,本文主要研究了以局部提升为主要思路的混合层次网络(mixture-level network)和Region Proposal Strategy Network用以对羊绒羊毛进行鉴别。同时也研究了以积分分割为数学依据,以提升网络深度和增强纹理特征的Texture Wise Residual Network在非织造常用的涤纶/粘胶的混合比例的测定进行了研究。最后在原棉质量分级问题上,通过残差网络与通过迁移学习的Inception-V3网络进行对比对进行实验,解决了原棉质量量化分级问题。
Abstract
sui zhao fei zhi zao ji shu yi ji zhi neng hua fang zhi ji shu de bu duan fa zhan ,duo chong lei qian wei cai liao de kai fa yu zhi bei yi jing cheng wei yan jiu ling yu de re dian 。er zhe xie qian wei cai liao de zhi zao ji shu ji gong yi wei qian wei cai liao cheng fen jian ce yu jian bie dai lai le da liang de ying yong xing ke ti 。yang mao shi tian ran de dong wu qian wei ,shu yu fang zhi gong ye de chong yao yuan liao ,ji zai fei zhi zao ling yu zhu yao tong guo zhen ci ji shu jia gong ,re shou su hou yong yu gao dang de gang qin an jian zhan bu yi ji gao dang mi feng dian ji chen dian deng mi feng cai liao ,yin ji ju you liang hao de sheng xue xing neng yi ji you xiao de chu chen neng li neng gou you xiao di sheng gang qin de pin zhi 。zai yang mao zhi pin zhong chang xu yao hun ge yi ding liang de yang rong qian wei ,er yang rong qian wei de han liang jue ding le yi ji wei zhu yao yuan cai liao cheng pin de pin zhi he jia gong ji shu de biao zhun ,ji zhi bei guo cheng zhong yang rong /yang mao de hun ge bi de jing que kong zhi de xu qiu ,ye dui gong yi ji shu guo cheng de jian ce di chu le geng gao de yao qiu 。er dang qian shi chang shang zhen dui yang rong /yang mao de ou fen reng jiu yi ren gong wei zhu yao fang fa ,que shao yi chong ke guan 、shi shi 、you xiao de fen lei jian ce fang fa 。nian jiao qian wei ju you you xiu de xi shi xing neng ,fei zhi zao jia gong zhong shi rong yi chan rao ,er di guan qian wei dan xing hao 、nai fu shi ,dan bu yi ran se tong shi xi shui xing neng ye bu ru nian jiao qian wei 。zai fei zhi zao jia gong gong yi zhong ke yi shi yong er zhe jin hang hun ge zhi bei ge chong mi feng xing gong neng yong pin ,you yu ji cheng pin ying yong xu qiu bu tong ,xu yao cai yong bu tong de hun ge bi dui er zhe jin hang hun ge 。gao pin zhi de di guan /nian jiao wang de zhi bei dui jing que 、shi shi de hun ge bi jian ce ji shu di chu le geng gao de yao qiu ,er dang qian mei you yi chong neng gou shi shi 、you xiao de cai yong shi jiao ji tong ce ding er zhe hun ge bi li de fang fa 。mian qian wei zuo wei fei zhi zao jia gong zhong chang yong de zhi wu qian wei ,zai fei zhi zao zhong li yong shui ci gong yi chang yong yu zhi bei yi wei yong pin 。yuan mian de deng ji jue ding le cheng pin de pin zhi tong shi ying xiang le ji jia gong cheng ben ,er dang qian fei zhi zao gong yi zhong yuan mian de qian wei deng ji jie ding ,reng yi ren gong fen ji wei zhu yao fang shi ,tong guo pan bie ji zhong de za zhi yi ji mian hua de ping shun cheng du jin hang pan duan ,que fa geng jia ke xue ke guan de fen ji fang fa ,fen ji xiao lv yu xiao guo ye nan yi bao zheng 。zhen dui shang shu fei zhi zao yong qian wei cai liao zai zhi bei guo cheng zhong de jian bie 、fen ji 、jian ce deng fang mian cun zai de jian ce xiao lv yu xiao guo nan yi liang hua bao zheng de wen ti 。ben wen yi ju ying yong xu qiu ,tong shi wei le di sheng yan jiu de duo yang xing ,shua qu bu tong li du de yan jiu yang ben 。ji zhong bu jin bao gua xu yao da fang da bei shu cai neng gou guan ce dao de hua xue qian wei zhong de di guan 、nian jiao qian wei ;tong shi ye bao gua xu yao zhong deng fang da bei shu ji ke jian ce dao xing tai cha yi de tian ran dong wu qian wei zhong de yang rong /yang mao qian wei ;bing ju bao gua le bu xu yao fang da ji ke bian bie de tian ran qian wei zhong de yuan mian qian wei de xing tai te zheng wei yan jiu dui xiang 。yi fei zhi zao ying yong de qian wei cai liao de shen du te zheng biao da 、jian ce yi ji xiang guan suan fa wei zhu yao yan jiu nei rong ,cai yong shen du xue xi yu shu zi tu xiang chu li ji shu ,zai shen du tu xiang biao zheng de ji chu shang dui te zheng biao da yi ji you xiao te zheng zeng jiang fang fa jin hang le yan jiu ,bing chong dian yan jiu le yi xia san ge wen ti :1、fei zhi zao qian wang zhong yang rong /yang mao qian wei de jian bie wen ti ;2、ji yu shi jiao de mo sun duo chong lei fei zhi zao de qian wei fen lei 、yi ji di guan /nian jiao hun ge bi li ce ding wen ti ;3、mian qian wei de zhi liang de jian ce he fen ji wen ti 。shen du xue xi ji shu wei fei zhi zao zhi neng hua jian ce ji shu de fa zhan di gong li lun zhi cheng he ying yong tan suo 。ben wen zhu yao yan jiu nei rong yu chuang xin dian gai gua wei yi xia ji ge fang mian :1.zhen dui fei zhi zao qian wang zhong de yang rong /yang mao jian bie wen ti ,cai yong ju bu tu xiang zeng jiang zheng ti de ji shu sai lu ,di chu le ji yu Mixtrue-Levelde yang rong /yang mao qian wei jian bie suan fa 。gai suan fa li yong qian wei tu xiang ju bu tu xiang yu zheng ti tu xiang xiang jie ge de fang fa lai di sheng wang lao suo huo de de neng dui liang chong qian wei jin hang you xiao ou bie de te zheng zhi ,bing li yong tu xiang zeng jiang de fang shi di sheng le juan ji wang lao dui liang chong qian wei de biao zheng neng li ,huo de le 92.13%de fen lei jing que lv 。yi MixtureLevelyang ben zeng jiang suan fa wei jie jian wei ji chu ,jia ru Seletive Searchsuan fa zhong dui tu xiang de cong xing zhuang 、yan se 、che cun 、wen li deng jiao du de yang ben zeng jiang ,di chu yi chong ji yu Region Proposal Strategyde yang rong /yang mao jian bie suan fa 。gai suan fa di qu le zhong ceng ci de tu xiang te zheng dui yang ben de xing zhuang 、yan se 、che cun 、wen li de zeng ge te zheng jin hang zeng jiang 。tong guo duo pi ci 、duo lun ci dui de mo xing fen lei de xun lian ji yan zheng ji ge de jing que du 、sun shi han shu yi ji f1-measurede ping jia ,zheng ming le gai suan fa fen lei jing que du ke yi da dao 91.44%,ju ju you liang hao de wen ding xing ,yi ji yi ding de ying yong ke hang xing 。2.zai yan jiu duo chong lei fei zhi zao yong qian wei de jian bie yi ji ji yu shi jiao de di guan /nian jiao qian wei hun ge bi li ce ding wen ti liang ge fang mian ,zhen dui duo chong lei fei zhi zao yong qian wei fen lei wen ti ,kao lv dao yang ben de shu liang jiao duo 、yu chu li hao shi guo chang ,tong shi jiao nan tong guo ren gong she ji te zheng hua fen duo chong bu tong yang ben 。wei le bai tuo dui yang ben de yi lai ,zhuai huan tu xiang zeng jiang de sai lu ,yi geng shen de wang lao zi dong di qu yang ben de te zheng zhi ,shou ci di chu le jiang can cha wang lao ying yong yu fei zhi zao yong qian wei de fen lei 。gai fang fa zai lve qu le yang ben de qu zao sheng cao zuo tong shi ,qu chu le yang ben de te zheng zeng jiang cao zuo 。yi di sheng wang lao shen du wei zhu yao sai xiang ,yi geng shen de wang lao di qu geng duo you xiao de te zheng wei zhu dao sai lu ,tong shi zai geng shen de can cha wang lao zhong shi yan le liu chong fei zhi zao yong cai liao de fen lei wen ti huo de le 89.68%de fen lei zheng que lv 。er hou ,zhen dui di guan /nian jiao de hun ge bi li ce ding wen ti ,shi yong ji yu ji fen sai xiang de fen ge wang lao dui di guan nian jiao hun ge zhi pin jin hang hun ge bi lv de ce ding 。bing ju zhen dui wen li cha yi ,di chu le yi chong ji yu wen li zhi hui de can cha wang lao ,gai suan fa zai can cha chan yuan zhong jia ru le Max-Poolingceng ,jiang kua ceng chuan di de te zheng ju zhen zhong jia ru wen li di sheng chan yuan 。shi yan jie guo biao ming ,ji yu pu tong can cha wang lao dui yu di guan /nian jiao hun ge qian wei hun ge bi ce ding you jiao hao de shi bie zhun que lv ,tong shi ,ben wen di chu de wen li zhi hui de can cha wang lao dui nian jiao /di guan qian wei de hun ge bi lv de ce ding zai suan fa you xiao xing bing bu ming xian jiang di de qing kuang xia ,dui suan fa de wen ding xing shang you yi ding de di sheng ,tong shi ye dui shi yong can cha wang lao suan fa de shi jian xiao lv shang you yao 33.33%de di sheng 。li yong shen du can cha wang lao wei fei zhi zao yong qian wei ji yu shi jiao de hun ge bi li ce ding di gong le yi chong xin de fang fa ,ye wei fei zhi zao bu de hun ge bi zai xian shi shi jian ce di gong le suan fa de zhi cheng 。3.zhen dui yuan mian qian wei zhi liang deng ji hua fen wen ti ,yi Sobel、Roberts、LoG、Cannysi chong juan ji suan zi de za zhi bian yuan jian ce wei qie ru dian ,tong guo fen xi juan ji cao zuo ke yi zhao dao bing ding wei za zhi ,shen du juan ji wang lao ke yi yong lai dui yuan mian te zheng jin hang biao zheng 。yu shi yong qian yi xue xi de Google-Netde Inception-V3mo xing zuo wei dui bi huo de geng you de xiao guo fan kui hou ,zhi jie cai yong le geng shen ceng ci de can cha wang lao dui yuan mian zhi liang jin hang fen lei ,shi yan jie guo biao ming ,gai fang fa dui yuan mian zhi liang de fen ji gao xiao wen ding ,da dao le 96.97%de fen ji zhun que du 。zeng shang suo shu ,ben wen zhu yao yan jiu le yi ju bu di sheng wei zhu yao sai lu de hun ge ceng ci wang lao (mixture-level network)he Region Proposal Strategy Networkyong yi dui yang rong yang mao jin hang jian bie 。tong shi ye yan jiu le yi ji fen fen ge wei shu xue yi ju ,yi di sheng wang lao shen du he zeng jiang wen li te zheng de Texture Wise Residual Networkzai fei zhi zao chang yong de di guan /nian jiao de hun ge bi li de ce ding jin hang le yan jiu 。zui hou zai yuan mian zhi liang fen ji wen ti shang ,tong guo can cha wang lao yu tong guo qian yi xue xi de Inception-V3wang lao jin hang dui bi dui jin hang shi yan ,jie jue le yuan mian zhi liang liang hua fen ji wen ti 。
论文参考文献
论文详细介绍
论文作者分别是来自东华大学的王飞，发表于刊物东华大学2019-09-23论文，是一篇关于非织造用材料论文,深度学习论文,检测论文,分类论文,卷积网络论文,东华大学2019-09-23论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自东华大学2019-09-23论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。