神经网络在织物疵点分类识别中的应用.doc

神经网络在织物疵点分类识别中的应用

2万字 45页 原创作品，已通过查重系统


摘 要
本色布生产中，质量控制是非常重要的，疵点的分类识别更是不可忽缺的一步。随着神经网络技术，和数字图像处理技术的发展，使得基于计算机的织物疵点检测识别成为可能。根据“中华人民共和国国家标准GB/T 17759-2009本色布布面疵点检验方法”，疵点分为七十一种。据调研，这些疵点在生产中都可啮现。为此，需基于我国的本色布疵点检测标准，研制织物疵点在线识别系统，以便促进纺织产业的提升，并增强其竞争力。对于该系统的研究，目前国内集中在以下两个方面：一是对具体疵点类型特征值的表征和提取；另外是对71种疵点的分类。本论文着眼于71种疵点分类的研究。具体研究如下：
首先对所采集到的织物图像灰度化，接着进行预处理，以便削弱纹理并增强疵点信息，其次对经过预处理后的图像进行灰度分割，将疵点从纹理中分离出来，再利用形态学运算对分割后的二值图像进行后处理。对经过分割后处理后，二值图像中的目标区域能够真实的反映织物疵点的特征信息。然后对经过分割后处理的二值图像提取特征值，并对疵点进行分类，不同的特征值决定了分类方法和分类结果的不同。最后，将提取的特征值归一化处理，并分别用BP神经网络和PNN神经网络对其训练，以实现本色布疵点的分类识别。本文通过实验验证，详细地分析了用已有归一化方法处理特征值的缺点，针对这些缺点，提取了新的归一化方法，更加准确的利用神经网络将疵点进行分类，根据不同的特征值表征利用神经网络将织物疵点分为六个大类，并且通过实验结果对两种神经网络进行了比较和分析。
为了验证本文织物疵点分类方法和神经网络对疵点分类识别的可行性，利用MATLAB进行软件编程实现了神经网络对织物疵点的分类识别。实验证明：本文方法具有良好的可行性和鲁棒性，为今后进一步进行具体疵点的分类识别打下了基础。

关键词：织物疵点，分类识别，特征值提取，神经网络