-
题名基于图像处理技术的纤维直径测量方法
被引量：1
- 1
-
-
作者
常帅才
魏菊
林素存
-
机构
大连工业大学
-
出处
《棉纺织技术》
CAS
2024年第4期59-64,共6页
-
基金
辽宁省教育厅基本科研项目(LJKZZ20220064)。
-
文摘
为了更快速、准确地测量纤维直径,探究了一种基于图像处理技术的纤维直径测量方法。首先根据纤维在光学显微镜下色浅且面积较小的特点,于UNet+VGG16模型中引入注意力机制模块与空洞卷积核对模型进行优化,实现对纤维图像更准确的分割;其次利用含Canny算子与中轴变换算法的正交骨架法提取分割后的二值化图像的边缘线与中轴线,用直线拟合法测量纤维直径;最后采用显微镜直接测量法对所开发的图像处理测量方法进行校验。结果表明:改进模型的收敛速度更快,像素精确率为96.5%,像素精度为0.14μm/像素;该研究方法测量两种纤维试样的纤维直径测量结果与显微镜直接测量法的相对误差分别为1.13%、2.07%,同批试样5次测量结果最大差值为0.06μm。认为:该测试方法速度快、检测自动化程度高、稳定性好。
-
关键词
纤维直径
图像预处理
UNet+VGG16
空洞卷积
注意力机制
-
Keywords
fiber diameter
image processing
UNet+VGG16
dilated convolution
attention mechanism
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的毛/粘混纺织物混纺比检测技术
被引量：1
- 2
-
-
作者
林素存
魏菊
常帅才
-
机构
大连工业大学纺织与材料工程学院
-
出处
《毛纺科技》
CAS
北大核心
2024年第2期121-126,共6页
-
基金
大连市科技创新基金项目(2019J12SN71)。
-
文摘
针对常规织物混纺比检测方法工作效率低的问题,提出一种基于深度学习技术的毛/粘混纺织物混纺比检测方法。以单阶段目标检测算法(YOLOv5)为基础,采集羊毛纤维和粘胶纤维的光学显微镜图像构建数据集,使用CSPDarknet53网络(Cross Stage Partial Network)从数据集中提取纤维特征,通过特征金字塔(FPN)和路径聚合网络(PAN)结合的方式完成不同层次特征的融合;在主干网络引入卷积注意力模块(CBAM)以加强局部特征的提取能力。训练后的YOLOv5模型平均精度均值达0.93,可实现毛/粘混纺织物混纺比的自动检测。采用光学显微镜法和化学溶解法对模型的可靠性进行校验,差异在2%以内,说明该方法在毛/粘混纺织物混纺比快速检测领域具有良好的应用前景。
-
关键词
毛/粘混纺织物
混纺比
深度学习
YOLOv5
卷积注意力模块
-
Keywords
wool/viscose blended fabric
blending ratio
deep learning
YOLOv5
CBAM
-
分类号
TS131.9
[轻工技术与工程—纺织材料与纺织品设计]
-
