毛羽指标研究及毛羽H值预测

论文摘要

为客观评价黑板纱线毛羽水平,将绕有纱线的黑板经扫描仪采集图像,通过二值化、形态学运算、局部阈值等处理,得到黑板毛羽图像和毛羽量像素点,提出基于图像处理技术的环锭纺纱线黑板毛羽M指数,探讨M指数与毛羽H值、毛羽根数之间的关系。将24种环锭纺纱线的S1+2值和M指数分别输入到BP（back propagation）神经网络和RBF（radical basis function）神经网络中训练并预测毛羽H值。将预测毛羽H值与实际毛羽H值进行比较,结果表明,在预测精度上,BP网络模型的预测效果最好,RBF网络次之,多元线性回归模型预测效果最差。

论文目录

• 1 基于图像处理技术的黑板毛羽量检测
•   1.1 图像采集
•   1.2 图像处理
•   1.3 黑板毛羽量评价指标
• 2 试验部分
•   2.1 测试试样
•   2.2 测试方法
•     2.2.1 UT 5型条干仪
•     2.2.2 Zweigle HL 400型毛羽仪
•     2.2.3 黑板毛羽M指数
• 3 测试结果与分析
•   3.1 模型预测
•     3.1.1 线性回归法
•     3.1.2 BP神经网络
•     3.1.3 RBF神经网络
•   3.2 预测结果与对比分析
• 4 结论

文章来源

类型: 期刊论文

作者: 陆奕辰,王蕾,潘如如,高卫东

关键词: 毛羽指标,神经网络,线性回归

来源: 东华大学学报(自然科学版) 2019年05期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用

单位: 江南大学纺织服装学院,江南大学生态纺织教育部重点实验室

基金: 中央高校基本科研业务费专项资金资助项目(JUSRP51631A,JUSRP11805),江苏省研究生科研与实践创新计划资助项目(SJCX 17_0481)

分类号: TS107.2;TP391.41

页码: 682-687

总页数: 6

文件大小: 459K

下载量: 103