24、基于低分辨率图片的筒子纱类型识别研究

基于低分辨率图片的筒子纱类型识别研究

1. 引言

随着工业4.0的发展，传统制造工厂正逐步向智能工厂转型。作为重要支柱产业，纺纱业急需升级生产方式。在人工智能技术的支持下，利用机器视觉和神经网络实现自动化操作是纺纱业的未来发展方向。

众多学者针对基于机器视觉的分类方法提出了不同的识别算法：
- 王提出了一种改进的自组织特征映射网络算法用于图像颜色特征提取。
- P. Sundara Vadivel提出了一种基于颜色直方图、边缘和纹理特征的高效图像检索系统，通过先识别颜色相似的图像，再对已识别图像进行基于纹理和边缘的搜索，避免融合过程，大大减少了检索时间。
- Surina Borjigin提出了一种基于多级Tsallis - Havrda - Charvát熵的彩色图像分割算法。
- 陈倩提出了一种用于服装图像颜色特征提取的主色提取算法，根据颜色直方图的H、S通道判断服装的主色，但在花色识别方面还需进一步优化。
- 陈慧元和刘泽宇设计了一种级联卷积神经网络检测框架，用于快速检测大规模遥感图像中的船舶目标，提高了遥感图像中船舶检测的速度，但精度较低。
- 李文宇提出了一种基于能量局部二值模式的彩色织物缺陷智能检测算法，通过分析彩色织物的能量特征图像，能检测出颜色缺陷和组织结构缺陷，检测准确率达94.9%，高于使用BP神经网络的89.4%。

机器视觉是制造业智能化和自动化发展过程中不可或缺的一部分，对筒子纱的分类识别具有重要意义。传统基于机器视觉的处理方法计算量大、处理速度慢，且对硬件设备性能要求高。本文结合人工数据处理和机器视觉技术，定位并提取标签上的数字信息，然后通过BP神经网络处理数据，提出了一种新的筒子纱类型识别方法。 </