【技术实现步骤摘要】
本专利技术涉及异纤检测，尤其涉及一种疵棉异性纤维检测方法、系统、终端及存储介质。
技术介绍
1、棉花经常被用来作为纺织工业的原材料，但在棉花收集过程中会不可避免地混有一些杂质，比如：白纸、羽毛、头发、丙纶丝、丙纶片等。棉纺行业作为承接棉花种植产业和制造业两大生产领域的重要环节，其产出品质量会直接影响下游产业的产品质量。尽管棉纺厂采用异纤机进行原棉初次分选，异纤剔除过程中的落棉率(即从除杂机构中剔除的落棉重量与喂入原棉重量之比)仍高达5％至10％，导致大量疵棉的产生。鉴于棉纺厂对这些疵棉有二次利用的需求，疵棉中的异纤需进行二次分拣。当前，疵棉异纤分拣环节主要依靠人工进行，人工投入高和检测效率低等问题成为制约纺织产业发展的关键因素，因此实现疵棉异纤自动化检测技术具有重要意义。
2、针对人工检测疵棉的弊端，研究人员提出了基于机器视觉的疵棉异纤识别方法，主要分为传统机器学习方法和深度学习方法。传统机器学习方法常见的有决策树、支持向量机和人工神经网络等，这类方法依赖手工提取纹理和颜色等特征，然后根据提取的特征进行分类以达到识别不同异纤的目的。这些传统方法虽然简单高效，但是但特征提取过程易受光照和角度等环境因素的影响，且需要针对不同种类的异纤手工设计特征，因此泛化性能较差。相比传统方法，深度学习方法常见的有faster r-cnn、yolo系列和ssd等，这类方法通过对数据集的多次训练自主学习异纤样本特征完成异纤检测任务。虽然采用深度学习进行异纤目标检测成果使然，但仍存在检测模型结构冗余，小目标异纤易被漏检等问题。因此，寻找一种
技术实现思路
1、本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种疵棉异性纤维检测方法、系统、终端及存储介质，旨在解决现有技术很难实现对疵棉小目标异纤的检测，且实时性差的技术问题。
2、为了解决上述技术问题，本专利技术所采用的技术方案如下：
3、第一方面，本专利技术提供一种疵棉异性纤维检测方法，其中，所述方法包括：
4、在图像采集系统中，采用ccd工业相机对led光源照射的疵棉的检测区域进行图像采集，得到疵棉图像；
5、将采集的所述疵棉图像组成样本数据，对所述样本数据进行数据增强操作，得到增强后的数据集，将数据增强后的数据集分为测试集、验证集和训练集；
6、选择yolov8作为基线模型，并对所述基线模型进行改进，得到yolov8-mmw算法；
7、将所述训练集输入至所述yolov8-mmw算法进行训练，得到训练模型，并基于所述训练模型对所述测试集进行识别分类，得到异纤的种类及位置。
8、在一种实现方式中，所述数据增强操作包括：图像的镜像、亮度变化、高斯模糊、像素平移、大小缩放、旋转变换和/或像素丢弃中的至少两种。
9、在一种实现方式中，所述对所述基线模型进行改进，得到yolov8-mmw算法，包括：
10、采用轻量级模型mobilenetv3对所述基线模型的骨干网络进行替换；
11、去除最后四层，并在基线模型的最后一层添加注意力机制；
12、采用wiou损失函数替换所述基线模型中的ciou损失函数，得到所述yolov8-mmw算法。
13、在一种实现方式中，所述yolov8-mmw算法的输入端通过mosaic数据增强对预分类的图像进行处理，其中，yolov8-mmw算法中检测网络的结构包括特征提取部分、特征融合部分和目标检测部分，所述特征提取部分负责从输入的疵棉图像中捕捉基础特征，为后续处理提供丰富的原始信息；所述特征融合部分负责增强不同层级特征间的信息交流，提升特征图的表达力；所述目标检测部分利用融合后的特征图来预测目标的位置和类别，完成最终的检测任务。
14、在一种实现方式中，所述wiou损失函数为：
15、
16、其中，β为离群点，用来描述锚框质量；δ和α为超参数，两者可根据模型的不同进行调整；和分别为预测锚框的中心位置；和为标注框的中心点坐标；cw和ch分别为预测框和标注框最小外接矩形的宽和高。
17、在一种实现方式中，所述图像采集系统包括传送带，所述传送带上方设有图像采集箱，所述像采集箱内安装有ccd工业相机和led光源，所述led光源的照射区域与ccd工业相机的图像采集区域相一致，且ccd工业相机与数据采集终端相连接。
18、在一种实现方式中，所述led光源分为两组，一组为led白光光源，当采集深色异纤时使用；一组为波长365nm的led紫外光源，当采集荧光异纤时使用；
19、所述led光源在水平方向上呈45°夹角固定在图像采集箱上。
20、第二方面，本专利技术实施例还提供一种疵棉异性纤维检测系统，其中，所述系统包括：
21、疵棉图像采集模块，用于在图像采集系统中，采用ccd工业相机对led光源照射的疵棉的检测区域进行图像采集，得到疵棉图像；
22、数据集处理模块，用于将采集的所述疵棉图像组成样本数据，对所述样本数据进行数据增强操作，得到增强后的数据集，将数据增强后的数据集分为测试集、验证集和训练集；
23、算法改进模块，用于选择yolov8作为基线模型，并对所述基线模型进行改进，得到yolov8-mmw算法；
24、模型训练与异纤识别模块，用于将所述训练集输入至所述yolov8-mmw算法进行训练，得到训练模型，并基于所述训练模型对所述测试集进行识别分类，得到异纤的种类及位置。
25、第三方面，本专利技术实施例还提供一种终端，其中，所述终端包括存储器、处理器及存储在存储器中并可在处理器上运行的疵棉异性纤维检测程序，处理器执行疵棉异性纤维检测程序时，实现上述方案中任一项的疵棉异性纤维检测方法的步骤。
26、第四方面，本专利技术实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质上存储有疵棉异性纤维检测程序，所述疵棉异性纤维检测程序被处理器执行时，实现上述方案中任一项所述的疵棉异性纤维检测方法的步骤。
27、有益效果：与现有技术相比，本专利技术提供了一种疵棉异性纤维检测方法，本专利技术的图像采集系统实现了光机电算一体化，能够针对各种异纤，例如地膜、棉梗、纸片、丙纶丝、丙纶片等实现超高准确率的检测，其检测准确率能够达到95％以上。本专利技术的图像采集系统中的led紫外光源呈45°斜射棉花中含有荧光物质的异性纤维，通过ccd工业相机采集的图像能够表现出明显的特征，利用荧光效应异纤目标检测算法可以实现地膜等白色透明异纤的实时检测要求；ccd工业相机的使用能够最大限度的保留丰富的图像信息，同时在捕捉快速运动的疵棉时也能获取较高清晰度的图像，从而使用较少卷积核即可达到较好的检测效果。针对这一特征，本专利技术对原始yolov8算法进行了改进，使其网络结构的浮点计算数下降了69.1％。通过测试改进的yolov8算法使得训练出的模型权重减少了56.7％，帧率提升本文档来自技高网...
【技术保护点】
1.一种疵棉异性纤维检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的疵棉异性纤维检测方法，其特征在于，所述数据增强操作包括：图像的镜像、亮度变化、高斯模糊、像素平移、大小缩放、旋转变换和/或像素丢弃中的至少两种。
3.根据权利要求1所述的疵棉异性纤维检测方法，其特征在于，所述对所述基线模型进行改进，得到YOLOv8-MMW算法，包括：
4.根据权利要求3所述的疵棉异性纤维检测方法，其特征在于，所述YOLOv8-MMW算法的输入端通过Mosaic数据增强对预分类的图像进行处理，其中，YOLOv8-MMW算法中检测网络的结构包括特征提取部分、特征融合部分和目标检测部分，所述特征提取部分负责从输入的疵棉图像中捕捉基础特征，为后续处理提供丰富的原始信息；所述特征融合部分负责增强不同层级特征间的信息交流，提升特征图的表达力；所述目标检测部分利用融合后的特征图来预测目标的位置和类别，完成最终的检测任务。
5.根据权利要求3所述的疵棉异性纤维检测方法，其特征在于，所述WIoU损失函数为：
6.根据权利要求1所述的疵棉异性
7.根据权利要求6所述的疵棉异性纤维检测方法，其特征在于，所述LED光源分为两组，一组为LED白光光源，当采集深色异纤时使用；一组为波长365nm的LED紫外光源，当采集荧光异纤时使用；
8.一种疵棉异性纤维检测系统，其特征在于，所述系统包括：
9.一种终端，其特征在于，所述终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的疵棉异性纤维检测程序，所述处理器执行疵棉异性纤维检测程序时，实现如权利要求1-7任一项所述的疵棉异性纤维检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有疵棉异性纤维检测程序，所述疵棉异性纤维检测程序被处理器执行时，实现如权利要求1-7任一项所述的疵棉异性纤维检测方法的步骤。
...【技术特征摘要】
1.一种疵棉异性纤维检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的疵棉异性纤维检测方法，其特征在于，所述数据增强操作包括：图像的镜像、亮度变化、高斯模糊、像素平移、大小缩放、旋转变换和/或像素丢弃中的至少两种。
3.根据权利要求1所述的疵棉异性纤维检测方法，其特征在于，所述对所述基线模型进行改进，得到yolov8-mmw算法，包括：
4.根据权利要求3所述的疵棉异性纤维检测方法，其特征在于，所述yolov8-mmw算法的输入端通过mosaic数据增强对预分类的图像进行处理，其中，yolov8-mmw算法中检测网络的结构包括特征提取部分、特征融合部分和目标检测部分，所述特征提取部分负责从输入的疵棉图像中捕捉基础特征，为后续处理提供丰富的原始信息；所述特征融合部分负责增强不同层级特征间的信息交流，提升特征图的表达力；所述目标检测部分利用融合后的特征图来预测目标的位置和类别，完成最终的检测任务。
5.根据权利要求3所述的疵棉异性纤维检测方法，其特征在于，所述wiou损失函数为：
6.根...
【专利技术属性】
技术研发人员：李景彬，郭典，聂晶，张连生，李阳，岑红蕾，丁龙朋，温宝琴，胡立庆，杨朔，冯玉刚，孔林林，高波，梁明霞，
申请(专利权)人：石河子大学，
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。