棉花异性纤维在线分类方法和系统技术方案

本发明专利技术公开了一种棉花异性纤维在线分类方法和系统。其中方法包括：实时采集棉花异性纤维彩色图像；利用基于像素Ｒ、Ｇ、Ｂ三分量均值与方差的图像分割方法对所述棉花异性纤维彩色图像进行分割，得到由所述棉花异性纤维彩色图像中的目标像素组成的目标图像；利用面积阈值法去除所述目标图像中由于噪声和伪异性纤维产生的小目标，得到棉花异性纤维目标；提取每个所述棉花异性纤维目标的颜色特征、形状特征和纹理特征，产生用于描述所述棉花异性纤维目标的特征向量；利用所述特征向量和基于有向无环图的一对一多类支持向量机对所述棉花异性纤维目标进行分类。本发明专利技术实现了对棉花异性纤维的在线实时分类，有利于后续实现异性纤维的在线计量。

【技术实现步骤摘要】

本专利技术涉及机器视觉和模式识别领域，特别涉及一种棉花异性纤维在线分类方法和系统。 棉花异性纤维是指在棉花采摘、摊晒、收购等过程中混入棉花中的对棉花及其制品的质量有严重影响的非棉纤维和色纤维，主要包括丙纶丝、塑料布、鸡毛、布条、麻绳和头发等。异性纤维在皮棉中的含量虽少，但对棉纺织品的质量影响严重，一旦混入并参与纺织将影响纱线强力，且在染色时影响着色，会对棉纺织工业造成重大经济损失。目前可以通过挑拣异性纤维的方法降低棉花异性纤维的含量，或者将棉花生产的样品进行取样后送到纤维检验机构分析确定异性纤维的含量。但是，根据很多棉花行业专家的一致观点，应该从源头抓起，切断异性纤维混入的途径，让棉农、棉花收购和加工企业都自觉地防范异性纤维混入。而这关键是需要在籽棉收购或交易环节中快速准确地分析籽棉中的异性纤维含量，给销售的籽棉分等定级，并按等级定价，这样就可以促使棉花销售者自觉地降低棉花中异性纤维的含量。如果要实现在籽棉收购或交易环节快速准确地确定籽棉中的异性纤维含量，其基础和关键是将异性纤维快速分类。 在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题 由于现有的棉花异性纤维分类方法的理论基础是大数定律，要求样本数量接近无穷大，而实际应用中几乎无法实现。因此，分类方法的适应性差，且分类正确率低。而如果无法实现异性纤维快速准确分类，就无法实现在籽棉收购或交易环节快速准确地确定籽棉中的异性纤维含量，也就不能通过检测籽棉中的异性纤维含量来影响其收购价格，更不可能让棉农主动防范异性纤维的混入，导致棉花质量下降，可能对棉纺织工业造成重大经济损失。
技术实现思路
本专利技术的目的是提供一种棉花异性纤维在线分类方法和系统，实现对棉花异性纤 维的快速正确分类，为后续实现棉花异性纤维在线计量奠定基础。 本专利技术实施例提供了一种棉花异性纤维在线分类方法，包括 步骤1、实时采集棉花异性纤维彩色图像； 步骤2、利用基于像素R、 G、 B三分量均值与方差的图像分割方法对所述棉花异性 纤维彩色图像进行分割，得到由所述棉花异性纤维彩色图像中的目标像素组成的目标图 像； 步骤3、利用面积阈值法去除所述目标图像中由于噪声和伪异性纤维产生的目标， 得到棉花异性纤维目标； 步骤4、提取每个所述棉花异性纤维目标的颜色特征、形状特征和纹理特征，产生 用于描述所述棉花异性纤维目标的特征向量；
技术介绍
步骤5、利用所述特征向量和基于有向无环图的一对一多类支持向量机对所述棉 花异性纤维目标进行分类。 所述步骤2中，所述基于像素R、 G、 B三分量均值与方差的图像分割方法包括计 算所述棉花异性纤维彩色图像中像素的R、G、B三个分量的均值和方差；判断所述均值是否 大于设定的均值阈值，或者所述方差是否小于设定的方差阈值；若是，则所述像素为目标像 素，否则，所述像素为背景像素。 所述步骤3中，所述的面积阈值法是根据设定的面积阈值移除小于所述面积阈值的小目标；所述面积阈值是通过实验分析与统计得到的经验值，例如，可以为200像素。 所述步骤4中，所述的颜色特征包括R分量的均值、G分量的均值、B分量的均值、RGB三个分量的总均值以及RGB三个分量的标准差等5个特征，所述的形状特征包括形状因子、外观比、扩展比例、充实度、偏心率、球状性和欧拉数等7个特征，所述的纹理特征包括基于灰度直方图的平均亮度、平均对比度、平滑度、三阶矩、一致性、熵，以及基于灰度共生矩阵的角二阶矩、熵和对比度等9个特征。所有这些特征按顺序组成21维特征向量。 所述步骤5中，所述基于有向无环图的一对一多类支持向量机是由K (K-l) /2个一对一标准支持向量机组成的有向无环图，可以实现对K类异性纤维进行分类，所述K表示异性纤维的类别数。 所述步骤5可以包括根据棉花异性纤维目标的特征向量得到所述棉花异性纤维 目标的决策函数值；当所述决策函数值大于0时，所述标准支持向量机的输出为+1 ;当所述 决策函数值小于O时，所述标准支持向量机的输出为-1 ;根据所述标准支持向量机的输出 以及所述标准支持向量机在所述多类支持向量机中的节点位置，并基于所述多类支持向量 机，得到所述棉花异性纤维目标的类别。 本专利技术实施例提供了一种棉花异性纤维在线分类系统，包括图像采集模块、图像分割模块、分割后处理模块、特征提取模块和分类模块； 所述图像采集模块，用于实时采集棉花异性纤维彩色图像； 所述图像分割模块，用于利用基于像素R、G、B三分量均值与方差的图像分割方法 对所述棉花异性纤维彩色图像进行分割，得到由所述棉花异性纤维彩色图像中的目标像素 组成的目标图像； 所述分割后处理模块，用于利用面积阈值法去除所述目标图像中由于噪声和伪异 性纤维产生的目标，得到棉花异性纤维目标； 所述特征提取模块，用于提取每个所述棉花异性纤维目标的颜色特征、形状特征 和纹理特征，产生用于描述所述棉花异性纤维目标的特征向量。 所述分类模块，用于利用所述特征向量和基于有向无环图的一对一多类支持向量 机对所述棉花异性纤维目标进行分类。 本专利技术实施例的棉花异性纤维在线分类方法和系统，通过采用基于有向无环图的 一对一多类支持向量机实现对棉花异性纤维目标进行分类，解决了现有技术中存在的分类 方法适应性差，且分类正确率低的问题，实现了对棉花异性纤维目标的快速准确分类，为后 续实现棉花异性纤维在线计量奠定了基础。附图说明 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以 根据这些附图获得其他的附图。图1为本专利技术实施例一提供的棉花异性纤维在线分类方法的流程示意图； 图2是本专利技术实施例一提供的棉花异性纤维在线分类方法中的多类支持向量机的体系结构示意图； 图3是本专利技术实施例二提供的棉花异性纤维在线分类系统的结构示意图。具体实施例方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例 中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。 图1为本专利技术实施例一提供的棉花异性纤维在线分类方法的流程示意图，其中， 本实施例方法的硬件支撑环境可以为棉花异性纤维检测计量仪，但本实施例不涉及所述棉 花异性纤维检测计量仪的硬件实现。如图1所示，本实施例可以包括以下步骤 步骤101、实时采集棉花异性纤维彩色图像； 该棉花异性纤维彩色图像可以是由棉花异性纤维检测计量仪在线实时拍摄得到 的，可以存放在计算机的指定内存中，以便其它模块进行后续处理。 步骤102、利用基于像素R、 G、 B三分量均值与方差的图像分割方法对棉花异性纤 维彩色图像进行直接快速分割，得到目标图像； 棉花异性纤维彩色图像是由多个像素组成的。在该多个像素中，包括标识异性纤 维的目标像素和标识非异性纤维的背景像素，该步骤即为将目标像素和背景像素进行区 分，得到由目标像素组成的目标图像。具体分割方法可以为，设像素P的R分量为Rp， G本文档来自技高网...

【技术保护点】
一种棉花异性纤维在线分类方法，其特征在于，包括：步骤１、实时采集棉花异性纤维彩色图像；步骤２、利用基于像素Ｒ、Ｇ、Ｂ三分量均值与方差的图像分割方法对所述棉花异性纤维彩色图像进行分割，得到由所述棉花异性纤维彩色图像中的目标像素组成的目标图像；步骤３、利用面积阈值法去除所述目标图像中由于噪声和伪异性纤维产生的目标，得到棉花异性纤维目标；步骤４、提取每个所述棉花异性纤维目标的颜色特征、形状特征和纹理特征，产生用于描述所述棉花异性纤维目标的特征向量；步骤５、利用所述特征向量和基于有向无环图的一对一多类支持向量机对所述棉花异性纤维目标进行分类。

【技术特征摘要】
一种棉花异性纤维在线分类方法，其特征在于，包括步骤1、实时采集棉花异性纤维彩色图像；步骤2、利用基于像素R、G、B三分量均值与方差的图像分割方法对所述棉花异性纤维彩色图像进行分割，得到由所述棉花异性纤维彩色图像中的目标像素组成的目标图像；步骤3、利用面积阈值法去除所述目标图像中由于噪声和伪异性纤维产生的目标，得到棉花异性纤维目标；步骤4、提取每个所述棉花异性纤维目标的颜色特征、形状特征和纹理特征，产生用于描述所述棉花异性纤维目标的特征向量；步骤5、利用所述特征向量和基于有向无环图的一对一多类支持向量机对所述棉花异性纤维目标进行分类。2. 根据权利要求1所述的棉花异性纤维在线分类方法，其特征在于，所述步骤2中的利 用基于像素R、 G、 B三分量均值与方差的图像分割方法对所述棉花异性纤维彩色图像进行 分割包括计算所述棉花异性纤维彩色图像中像素的R、 G、 B三个分量的均值和方差； 判断所述均值是否大于设定的均值阈值，或者所述方差是否小于设定的方差阈值；若 是，则所述像素为目标像素，否则，所述像素为背景像素。3. 根据权利要求1所述的棉花异性纤维在线分类方法，其特征在于，所述步骤3中的利 用面积阈值法去除所述目标图像中由于噪声和伪异性纤维产生的目标包括去除所述目标图像中的面积小于阈值的目标，所述面积小于阈值的目标为所述由于噪 声和伪异性纤维产生的目标；所述面积阈值是通过实验分析与统计得到的经验值。4. 根据权利要求1所述的棉花异性纤维在线分类方法，其特征在于，还包括 在去除所述目标图像中的由噪声和伪异性纤维产生的目标之后，对所述目标图像中的剩余目标进行数学形态学的闭运算操作，以连接所述目标图像中的缝隙。5. 根据权利要求1所述的棉花异性纤维在线分类方法，其特征在于，所述步骤5中，所 述基于有向无环图的一对一多类支持向量机为由K(K-1)/2个标准支持向量机组成的有向 无环图，所述K表示对所述棉花异性纤维目标进行分类的类别数。6. 根据权利要求5所述的棉花异性纤维在线分类方法，其特征在于，所述步骤5包括 根据棉花异性纤维目标的特征向量得到所述棉花异性纤维目标的决策函数值； 当所述决策函数值大于0时，所述标准支持向量机的输出为+l ;当所述决策函数值小于0时，所述标准支持向量机的输出为-1 ;...

【专利技术属性】
技术研发人员：李道亮，杨文柱，魏新华，康玉国，李付堂，王金星，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：11[中国|北京]