[发明专利]一种基于OCA聚类的棉花异质纤维鉴别方法

说明书

技术领域

本发明涉及棉花异质纤维鉴别技术领域，尤其涉及一种基于OCA聚类的棉花异质纤维鉴别方法。

背景技术

棉花异质纤维，又称“三丝”，是指棉花中混入非棉性纤维，包括化学纤维、丝、麻、毛发和塑料等杂质。按形状划分，“三丝”可分为块状杂质、条状杂质和丝状杂质三类。

“三丝”来源极为广泛，棉花从采摘到加工的各个流程均会混入“三丝”。棉花中混入的“三丝”比重虽然很小，但是危害很大。在棉花加工过程中，棉花中混入的“三丝”很容易被打碎分成无数更小更细的纤维小疵点，数量成倍增加，并且随机分布在棉花中，因而难以清除。这些纤维小疵点容易使纱线断头，降低生产效率且造成布料染色不均，影响布料外观。针对以上问题，棉纺企业不得不组织大量人力在棉花投料前将棉包逐包打开，逐块撕扯松散，逐根挑拣，在纺纱的各道工序也随时清拣，因此成本大增，效率低下，造成我国棉纺织品质量降低，竞争力减弱。因此，实现自动分拣和剔除棉花异质纤维是目前棉纺技术领域中研究的热点之一。自动分拣和剔除棉花异质纤维的关键技术如何精确识别和定位“三丝”，是实施提高皮棉品质的必要条件。

近年来，随着计算机图像处理技术的快速发展，实现“三丝”的识别和精确定位是完全可行的。目前采用机器视觉分拣“三丝”的方法有很多，主要是通过采集棉花样本图片，然后利用图像模式识别棉花异质纤维，并根据识别结果进进行定位。现有棉花异质纤维的识别及定位技术中多采用颜色识别完成，如公开号为201269857的中国专利申请中公开了一种基于彩色和黑白识别棉花异质纤维识别方法。该识别方法效率低，容易出现误判的情况，识别精度还有待进一步提高。

发明内容

针对现有技术的不足，本发明提供了一种采基于OCA聚类的棉花异质纤维鉴别方法。

一种基于OCA聚类的棉花异质纤维鉴别方法，获取待检测样品的特征向量，并将各个特征向量输入训练好的RBF神经网络，鉴别待检测样品是否为异质纤维，所述的RBF神经网络基于OCA聚类完成训练，包括：

(1)获取用于训练RBF神经网络的训练样本集和测试样本集；

(2)以测试样本集中各个测试样本的维数作为输入层的节点数目，并设定RBF神经网络的输出层的节点数目、隐层的隐节点数目以及各个隐节点的中心值，构建得到初始RBF网络，

其中，基于OCA聚类设定隐层的隐节点数目和各个隐节点的中心值；

(3)按照设定的学习速率和扩展参数，利用训练样本集训练所述的初始RBF网络，得到初始隐层(从输入层到输出层的第一个隐层)到输出层的权值，直到满足设定的误差范围时完成训练，得到训练好的RBF神经网络。

待检测样品的图像多通过CCD获取。本发明的棉花异质纤维鉴别方法中采集待检测样品的特征向量，以训练好的RBF神经网络作为分类器，根据各个特征向量鉴别各个目标窗口对应的像素点是否为异质纤维。

RBF神经网络(径向基函数神经网络，RadialBasisFunctionneuralnetwork)的多维非线性映射能力强，能够任意精度逼近任意的非线性函数，且具有全局逼近能力，以训练好的RBF神经网络的作为分类器，能够大大提高棉花异质纤维识别的精度，与现有的基于颜色识别的棉花异质纤维鉴别方法比较，大大提高了棉花异质纤维识别鉴别精度，降低误判概率。

本发明中的RBF神经网络具有收敛速快的特点，通过训练获取各个径向基函数的中心、方差以及隐含层导输出层的权值。根据径向基函数中心选取方法的不同，具有以下训练方法：随机选取中心法、自组织选取中心法和有监督选取中心法等等。本发明中采用基于OCA聚类(即OCA客观聚类)的方法对RBF神经网络进行训练，即通过OCA聚类法获取径向基函数的中心。OCA聚类法基于自组织数据挖掘思想GMDH(数据分组处理方法)，能够自适应地确定聚类个数和各类样本，过程简单易于实现。

所述输出层的节点数目为1。

所述的特征向量利用灰度共生矩阵法获取，特征向量的维数为4。

本发明中设定特征向量为4维，相应的训练样本集中的训练样本和测试样本也应该为4维。鉴别时，直接将特征向量输入训练好的RBF神经网络中，根据其输出，即输出层的各个节点的值即为鉴别结果。如RBF神经网络的输出大于0.5，则鉴别结果为该待检测样品为棉花异质纤维，否则，说明该待检测样品不是棉花异质纤维。