[发明专利]一种基于RBF神经网络的棉花异质纤维鉴别方法

说明书

本发明公开了一种基于RBF神经网络的棉花异质纤维鉴别方法，该棉花异质纤维鉴别方法中采集待检测样品的图像，并对采集到的图像进行预处理以及二值化处理，并对二值化处理后的图像进行窗口划分，根据二值化处理后的图像确定目标窗口，并提取各个目标窗口的特征向量，以训练好的RBF神经网络作为分类器，根据各个特征向量鉴别各个目标窗口对应的像素点是否为异质纤维，并标记异质纤维。本发明以训练好的RBF神经网络的作为分类器，对棉花异质纤维进行模式识别，与现有的基于颜色识别的棉花异质纤维鉴别方法比较，大大提高了棉花异质纤维识别鉴别精度，降低误判概率。

技术领域

本发明涉及棉花异质纤维鉴别技术领域，尤其涉及一种基于RBF神经网络的棉花异质纤维鉴别方法。

背景技术

棉花异质纤维，又称“三丝”，是指棉花中混入非棉性纤维，包括化学纤维、丝、麻、毛发和塑料等杂质。按形状划分，“三丝”可分为块状杂质、条状杂质和丝状杂质三类。

“三丝”来源极为广泛，棉花从采摘到加工的各个流程均会混入“三丝”。棉花中混入的“三丝”比重虽然很小，但是危害很大。在棉花加工过程中，棉花中混入的“三丝”很容易被打碎分成无数更小更细的纤维小疵点，数量成倍增加，并且随机分布在棉花中，因而难以清除。这些纤维小疵点容易使纱线断头，降低生产效率且造成布料染色不均，影响布料外观。针对以上问题，棉纺企业不得不组织大量人力在棉花投料前将棉包逐包打开，逐块撕扯松散，逐根挑拣，在纺纱的各道工序也随时清拣，因此成本大增，效率低下，造成我国棉纺织品质量降低，竞争力减弱。因此，实现自动分拣和剔除棉花异质纤维是目前棉纺技术领域中研究的热点之一。自动分拣和剔除棉花异质纤维的关键技术如何精确识别和定位“三丝”，是实施提高皮棉品质的必要条件。

近年来，随着计算机图像处理技术的快速发展，实现“三丝”的识别和精确定位是完全可行的。目前采用机器视觉分拣“三丝”的方法有很多，主要是通过采集棉花样本图片，然后利用图像模式识别棉花异质纤维，并根据识别结果进进行定位。现有棉花异质纤维的识别及定位技术中多采用颜色识别完成，如公开号为201269857的中国专利申请中公开了一种基于彩色和黑白识别棉花异质纤维识别方法。该识别方法效率低，容易出现误判的情况，识别精度还有待进一步提高。

发明内容

针对现有技术的不足，本发明提供了一种基于RBF神经网络的棉花异质纤维鉴别方法。

一种基于RBF神经网络的棉花异质纤维鉴别方法，包括：

(1)采集待检测样品的图像，并对采集到的图像进行预处理，得到预处理后的图像；

(2)对预处理后的图像进行二值化，得到二值化图像；

(3)将二值化图像划分为若干个窗口，以包含像素值为0的像素点的窗口作为目标窗口；

(4)根据二值化图像中各个目标窗口内的所有像素点的像素值，采用灰度共生矩阵分析法获取各个目标窗口的灰度共生矩阵；

(5)针对每个灰度共生矩阵，计算该灰度共生矩阵的特征值，并以计算得到的特征值作为该灰度共生矩阵的特征向量；

(6)分别将各个灰度共生矩阵的特征向量输入分类器中鉴别各个灰度共生矩阵对应的目标窗口是否为异质纤维，并在二值化图像中标记鉴别结果为异质纤维的窗口，

所述的分类器为训练好的RBF神经网络。

本发明中多通过CCD获取待检测样品的图像。步骤(6)中根据分类器的鉴别结果进行标记，完成对鉴别出的异质纤维的定位。

本发明的棉花异质纤维鉴别方法中采集待检测样品的图像，并对采集到的图像进行预处理以及二值化处理，并对二值化处理后的图像进行窗口划分，根据二值化处理后的图像像素，确定目标窗口，并提取各个目标窗口的特征向量，以训练好的RBF神经网络作为分类器，根据各个特征向量鉴别各个目标窗口对应的像素点是否为异质纤维，并标记异质纤维。