【技术实现步骤摘要】
本专利技术涉及计算机视觉、图像处理和智能分析，更具体地，本专利技术涉及一种基于计算机视觉识别的纤维分离方法和装置。
技术介绍
1、在纺织行业中，纤维分离是一个至关重要的工艺环节，它直接关系到最终产品的质量。传统的纤维分离方法主要依赖于人工操作和经验判断，这种方法不仅效率低下，而且精度和一致性难以保证。随着计算机视觉技术的发展，基于计算机视觉识别的纤维分离方法逐渐成为研究的热点。这种方法通过自动化的方式，利用图像处理和模式识别技术，能够更精确地识别和分离纤维，提高生产效率和产品质量。
2、然而，现有的纤维分离技术仍存在一些问题和缺陷。首先，人工依赖性强，传统的纤维分离方法依赖于操作工人的经验和技能，这不仅效率低，而且容易受到人为因素的影响，导致分离效果不稳定。其次，精度和一致性差，由于人工操作的主观性，纤维分离的精度和一致性难以保证，这直接影响到最终产品的质量。此外，数据利用不足，现有的技术中，纤维图像数据和属性数据往往没有被充分利用，缺乏系统化的分析和应用，导致资源浪费。
3、在纤维分离效果的预测方面，现有的方法较为简单，缺乏对纤维物理特性和影响因素的深入分析，预测结果的准确性和可靠性有待提高。自动化程度低也是一个问题，尽管一些自动化设备已经被引入到纤维分离过程中，但整体的自动化程度仍然较低，许多环节仍需人工干预。
4、在实现本专利技术实施例过程中，专利技术人发现现有技术中至少存在如下问题或缺陷：纤维图像数据的收集和分析不够系统化，现有的技术中，纤维图像数据的收集和分析往往是零散的，缺乏统一的
技术实现思路
1、本专利技术提供了一种基于计算机视觉识别的纤维分离方法及装置。
2、在本专利技术的第一方面中，提供了一种基于计算机视觉识别的纤维分离方法，包括：
3、收集纤维图像数据以形成典型纤维数据库，其中，所述纤维图像数据包括纤维照片以及相应的纤维属性数据；
4、根据纤维的物理特性，对所述纤维进行模块划分，同时针对所述纤维的不同模块识别出纤维分离的影响因素；
5、基于所述纤维分离的影响因素对纤维分离效果进行预测，得到纤维分离效果参考目标；
6、基于所述纤维分离的影响因素设置相同类型纤维的关键影响因素，基于所述关键影响因素识别相同类型的历史纤维信息，然后通过数据分析获得相同类型的历史纤维分离效果参考数据；以及根据所述纤维分离效果参考目标与所述纤维分离效果历史参考数据，确定纤维分离效果预测目标。
7、进一步地，在确定纤维分离效果预测目标之后进一步包括：结合模块分解，将不同模块的纤维分离设计效果与所述纤维分离效果预测目标进行比较，判断其偏差和影响比例，优先调整分离效果弹性较大的模块，以将所述偏差控制在预先设定的误差范围内；以及利用所述基于计算机视觉识别的纤维分离方法对不同类型的待处理纤维分离效果进行预测。
8、进一步地，根据纤维的物理特性，对所述纤维进行模块划分，同时针对所述纤维的不同模块识别出纤维分离的影响因素包括：根据所述纤维照片确定所述纤维的物理特性；
9、根据所述纤维的物理特性将所述纤维的图像部分分解为纤维束、纤维团、纤维丝以及纤维杂质；以及对所述纤维束、纤维团、纤维丝以及纤维杂质识别出所述纤维分离的影响因素，所述纤维分离的影响因素包括纤维长度、纤维直径、纤维强度、纤维颜色、纤维弯曲度、纤维表面粗糙度、纤维含水量、纤维杂质含量和纤维密度。
10、进一步地，基于纤维分离的影响因素对纤维分离效果进行预测，得到纤维分离效果参考目标包括：对所述纤维束、纤维团、纤维丝以及纤维杂质的分离效果进行分别预测，以获得不同模块的纤维分离效果；以及对所述不同模块的纤维分离效果进行叠加以获得所述纤维的总分离效果作为所述纤维分离效果参考目标。
11、进一步地，基于所述关键影响因素识别相同类型的历史纤维信息包括：基于所述关键影响因素对所有样本数据进行搜索，应用粒子群改进算法，找到误差平方和j值最小的聚类数量以及对应的初始聚类中心；
12、当初始聚类中心确定以后，根据改进模糊聚类算法最终确定样本数据的类别以及各类别中心，其中，所述纤维束的关键影响因素包括纤维长度、纤维直径和纤维强度；
13、所述纤维团的关键影响因素包括纤维弯曲度、纤维表面粗糙度和纤维含水量；
14、所述纤维丝的关键影响因素包括纤维颜色、纤维杂质含量和纤维密度；
15、所述纤维杂质的关键影响因素包括纤维长度、纤维直径和纤维杂质含量。
16、进一步地，根据改进模糊聚类算法最终确定样本数据的类别以及各类别中心进一步包括：
17、在迭代过程中计算每类数据的紧密度jcom和类间分离度jsep，并求得j，以取得最大值的j最终得到最佳聚类数量、聚类原型以及样本数据所属类型；
18、给定聚类类别数c，0≤c≤n，n为数据个数，设定迭代停止阈值∈以及模糊指数m，初始化聚类原型模式v(0)，设定迭代计数器b＝0；
19、确定最佳分类树cm，计算j(c)的值，当满足条件，则认为cm为最佳分类数量，并得到所述输出划分矩阵u和所述聚类原型v。
20、进一步地，通过数据分析获得相同类型的历史纤维分离效果参考数据包括：计算样本数据的中位数、上四分位数、下四分位数、最大值、最小值、样本均值和样本方差；
21、采用箱线图剔除异常值，以对所述样本数据进行一次异常值分析，其中，所述异常值为小于下四分位数ql减去1.5倍四分位距离iqr、大于上四分位数qu加上1.5倍四分位距离iqr；
22、根据切比雪夫不等式原理，至少80％的统计数据落在区间φ中；
23、最终得到纤维分离效果的合理区间为，通过计算相同类型的历史纤维分离效果参考数据ckls。
24、进一步地，根据所述纤维分离效果参考目标与所述纤维分离效果历史参考数据，确定纤维分离效果预测目标包括：通过确定所述纤维分离效果预测目标。
25、进一步地，基于所述纤维分离的影响因素对纤维分离效果进行预测，得到纤维分离效果参考目标包括：基于所述纤维分离的影响因素采用基于遗传算法优化的支持向量机模型对所述纤维分离效果进行预测，以得到纤维分离效果参考目标，其中，所述
26、支持向量机模型本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉识别的纤维分离方法，其特征在于，包括：收集纤维图像数据以形成典型纤维数据库，其中，所述纤维图像数据包括纤维照片以及相应的纤维属性数据；
2.根据权利要求1所述的基于计算机视觉识别的纤维分离方法，其特征在于，在确定纤维分离效果预测目标之后进一步包括：结合模块分解，将不同模块的纤维分离设计效果与所述纤维分离效果预测目标进行比较，判断其偏差和影响比例，优先调整分离效果弹性较大的模块，以将所述偏差控制在预先设定的误差范围内；
3.根据权利要求1所述的基于计算机视觉识别的纤维分离方法，其特征在于，根据纤维的物理特性，对所述纤维进行模块划分，同时针对所述纤维的不同模块识别出纤维分离的影响因素包括：根据所述纤维照片确定所述纤维的物理特性；
4.根据权利要求3所述的基于计算机视觉识别的纤维分离方法，其特征在于，基于纤维分离的影响因素对纤维分离效果进行预测，得到纤维分离效果参考目标包括：对所述纤维束、纤维团、纤维丝以及纤维杂质的分离效果进行分别预测，以获得不同模块的纤维分离效果；对所述不同模块的纤维分离效果进行叠加以获得所述纤维的总分离效果
5.根据权利要求3所述的基于计算机视觉识别的纤维分离方法，其特征在于，基于所述关键影响因素识别相同类型的历史纤维信息包括：基于所述关键影响因素对所有样本数据进行搜索，应用粒子群改进算法，找到误差平方和J值最小的聚类数量以及对应的初始聚类中心；
6.根据权利要求5所述的基于计算机视觉识别的纤维分离方法，其特征在于，根据改进模糊聚类算法最终确定样本数据的类别以及各类别中心进一步包括：
7.根据权利要求1所述的基于计算机视觉识别的纤维分离方法，其特征在于，通过数据分析获得相同类型的历史纤维分离效果参考数据包括：计算样本数据的中位数、上四分位数、下四分位数、最大值、最小值、样本均值和样本方差；
8.根据权利要求7所述的基于计算机视觉识别的纤维分离方法，其特征在于，根据所述纤维分离效果参考目标与所述纤维分离效果历史参考数据，确定纤维分离效果预测目标包括：通过确定所述纤维分离效果预测目标。
9.根据权利要求1所述的基于计算机视觉识别的纤维分离方法，其特征在于，基于所述纤维分离的影响因素对纤维分离效果进行预测，得到纤维分离效果参考目标包括：基于所述纤维分离的影响因素采用基于遗传算法优化的支持向量机模型对所述纤维分离效果进行预测，以得到纤维分离效果参考目标，其中，所述
10.一种基于计算机视觉识别的纤维分离装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于计算机视觉识别的纤维分离方法，其特征在于，包括：收集纤维图像数据以形成典型纤维数据库，其中，所述纤维图像数据包括纤维照片以及相应的纤维属性数据；
2.根据权利要求1所述的基于计算机视觉识别的纤维分离方法，其特征在于，在确定纤维分离效果预测目标之后进一步包括：结合模块分解，将不同模块的纤维分离设计效果与所述纤维分离效果预测目标进行比较，判断其偏差和影响比例，优先调整分离效果弹性较大的模块，以将所述偏差控制在预先设定的误差范围内；
3.根据权利要求1所述的基于计算机视觉识别的纤维分离方法，其特征在于，根据纤维的物理特性，对所述纤维进行模块划分，同时针对所述纤维的不同模块识别出纤维分离的影响因素包括：根据所述纤维照片确定所述纤维的物理特性；
4.根据权利要求3所述的基于计算机视觉识别的纤维分离方法，其特征在于，基于纤维分离的影响因素对纤维分离效果进行预测，得到纤维分离效果参考目标包括：对所述纤维束、纤维团、纤维丝以及纤维杂质的分离效果进行分别预测，以获得不同模块的纤维分离效果；对所述不同模块的纤维分离效果进行叠加以获得所述纤维的总分离效果作为所述纤维分离效果参考目标。
5.根据权利要求3所述的基于计算机视觉识别的纤维分离方法，其特征在于，基于所述...
【专利技术属性】
技术研发人员：林丽霞，刘耿楠，钟桂云，梁晃瑜，李红章，刘家彤，
申请(专利权)人：江门职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。