本文選題：異纖檢測 + 光源優(yōu)化設(shè)計　； 參考：《紡織學報》2017年10期

【摘要】：為使電荷耦合元件(CCD)精確采集處理異纖圖像并對多類異纖進行檢測,提出了一種基于模糊聚類神經(jīng)網(wǎng)絡(luò)的異纖檢測多類光源優(yōu)化設(shè)計方法。通過分析CCD成像與入射光能量的關(guān)系,推導出多類異纖檢測的光源量,建立了CCD靶面曝光量函數(shù),確定光源的最佳檢測位置,通過圖像參數(shù)方程,分析CCD背景板圖像的光線分布及平均灰度,通過模糊聚類分析,綜合考慮輸入值的全部信息建立了多類光源的模糊聚類神經(jīng)網(wǎng)絡(luò),對光源進行優(yōu)化設(shè)計。設(shè)計結(jié)果表明,最佳檢測位置是異纖處于中心位置,在光源數(shù)量為10,兩側(cè)距離為3 mm,神經(jīng)網(wǎng)絡(luò)的收斂誤差均達到預(yù)期值,異纖檢出率達到94.79%,符合企業(yè)異纖檢測實際生產(chǎn)的要求。
[Abstract]:In order to make the charge coupled element (CCD) accurately collect and process the heterogeneous image and detect the multi-class hetero-fibrils, a method of optimizing the design of multi-class light source for hetero-fiber detection based on fuzzy clustering neural network is proposed. By analyzing the relationship between CCD imaging and incident light energy, the amount of light source for multi-class hetero-fiber detection is deduced, and the exposure function of CCD target surface is established to determine the best detection position of light source. The image parameter equation is used. The light distribution and average gray of CCD background board image are analyzed. The fuzzy clustering neural network of multiple light sources is established by fuzzy clustering analysis and all the information of input value is considered, and the optimum design of light source is carried out. The design results show that the best detection position is that the hetero-fiber is in the center position, the number of light sources is 10, the distance between the two sides is 3 mm, the convergence error of neural network reaches the expected value, and the detection rate of hetero-fibrils reaches 94.79.
【作者單位】： 天津工業(yè)大學;天津市現(xiàn)代機電裝備技術(shù)重點實驗室;北京大恒圖像視覺有限公司;
【基金】：國家重點基礎(chǔ)研究發(fā)展(973)計劃項目(2010CB334711) 國家自然科學青年基金項目(51205288) 天津市科委面上基金項目(13jcybjc15900)
【分類號】：TP183;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 陳禎培,李繼陶,朱自強,鐘永碧;激光圖象頻譜的模糊聚類分析[J];激光雜志;1984年03期

2 楊大偉;模糊聚類分析系統(tǒng)及其應(yīng)用[J];天中學刊;2005年02期

3 郭仁忠;張克權(quán);;模糊聚類分析中的傳遞閉包法與普通聚類分析中最短距離法的等價性[J];武測科技;1987年02期

4 匡云太;;第三講 模糊聚類分析[J];鐵路航測;1989年04期

5 王松年;朱洪;;模糊數(shù)學在計算機工程中的應(yīng)用(二)——模糊聚類分析及其實際應(yīng)用[J];計算機工程與設(shè)計;1984年04期

6 王延琮,張敬寶,畢開順;模糊數(shù)學及其在藥學方面的應(yīng)用(2)[J];沈陽藥學院學報;1988年02期

7 黃勇,隋益虎;模糊聚類分析程序及應(yīng)用[J];計算機與農(nóng)業(yè);2000年12期

8 劉學彬;;模糊聚類分析在農(nóng)業(yè)機械化發(fā)展戰(zhàn)略中的應(yīng)用[J];計算機農(nóng)業(yè)應(yīng)用;1989年01期

9 潘永麗;王元亮;李冬;;模糊聚類分析及應(yīng)用的C++實現(xiàn)[J];云南民族大學學報(自然科學版);2009年04期

10 王越;黃靖華;;模糊聚類分析在精確化養(yǎng)豬業(yè)中的應(yīng)用[J];重慶理工大學學報(自然科學);2011年11期

相關(guān)碩士學位論文 前1條

1 李媛;基于大數(shù)據(jù)處理的模糊聚類分析應(yīng)用研究[D];陜西師范大學;2016年

，

本文編號：1947158