極限學(xué)習(xí)機(jī)在紡織品圖像處理中的應(yīng)用.pdf

1、在現(xiàn)代紡織織造行業(yè)，紡織品成品的質(zhì)量直接關(guān)系到其銷(xiāo)量，只有提高紡織品的質(zhì)量才能提高行業(yè)競(jìng)爭(zhēng)力。通常來(lái)說(shuō)，影響紡織品質(zhì)量的兩個(gè)關(guān)鍵因素是色差和疵點(diǎn)。在傳統(tǒng)的紡織品織造行業(yè)，色差和疵點(diǎn)的檢測(cè)大多都是通過(guò)經(jīng)驗(yàn)豐富的技術(shù)人員的肉眼來(lái)完成。但是由于現(xiàn)場(chǎng)環(huán)境的惡劣和技術(shù)人員的視覺(jué)疲勞，檢測(cè)效率往往非常低下，強(qiáng)烈依賴(lài)于技術(shù)人員的主觀意識(shí)。因此基于機(jī)器視覺(jué)的紡織品圖像檢測(cè)應(yīng)運(yùn)而生，不但解決了傳統(tǒng)的檢測(cè)方法依賴(lài)人工完成，而且大大提高了檢測(cè)的正確率。本文的

2、研究工作主要圍繞基于機(jī)器學(xué)習(xí)的紡織品色差檢測(cè)和疵點(diǎn)檢測(cè)兩個(gè)方面，致力于構(gòu)建具有良好穩(wěn)定性的色差分類(lèi)模型和疵點(diǎn)檢測(cè)模型，并用于解決紡織品在印染和織造過(guò)程中的色差和疵點(diǎn)問(wèn)題。論文的主要工作和研究成果概括如下:
　　(1)對(duì)紡織品的色差，疵點(diǎn)的基本概念和研究現(xiàn)狀進(jìn)行了簡(jiǎn)要的介紹，分析和比較了各種色差分類(lèi)和疵點(diǎn)檢測(cè)算法的特點(diǎn)及優(yōu)缺點(diǎn)。針對(duì)紡織品的色差分類(lèi)，著重研究了具有良好分類(lèi)性能的極限學(xué)習(xí)機(jī)算法，并且對(duì)極限學(xué)習(xí)機(jī)的理論基礎(chǔ)和存在的問(wèn)題進(jìn)

3、行了分析和探討。針對(duì)紡織品的疵點(diǎn)檢測(cè)，重點(diǎn)研究了基于字典學(xué)習(xí)的疵點(diǎn)檢測(cè)算法，并且結(jié)合稀疏編碼理論對(duì)字典學(xué)習(xí)方法的工作原理和隱含的問(wèn)題進(jìn)行了深入的分析和討論，為本文后續(xù)的工作提供堅(jiān)實(shí)的理論基礎(chǔ)。
　　(2)為了建立紡織品色差分類(lèi)模型，本文提出了一種基于動(dòng)態(tài)參數(shù)選擇的差分進(jìn)化算法優(yōu)化正則化極限學(xué)習(xí)機(jī)方法。首先，針對(duì)傳統(tǒng)的極限學(xué)習(xí)機(jī)隨機(jī)生成輸入權(quán)重和隱層偏置的問(wèn)題，利用差分進(jìn)化算法良好的全局搜索能力迭代優(yōu)化求取極限學(xué)習(xí)機(jī)的輸入權(quán)重和隱層

4、偏置;同時(shí)，由于傳統(tǒng)極限學(xué)習(xí)機(jī)在計(jì)算輸出權(quán)重時(shí)只考慮到經(jīng)驗(yàn)風(fēng)險(xiǎn)，故引入了代表結(jié)構(gòu)風(fēng)險(xiǎn)的正則化參數(shù)，防止生成病態(tài)解矩陣;最后，采用動(dòng)態(tài)參數(shù)選擇方法選取差分進(jìn)化算法最優(yōu)的參數(shù)組合模型，構(gòu)建最優(yōu)化的色差分類(lèi)模型。實(shí)驗(yàn)結(jié)果表明，相比于差分進(jìn)化算法優(yōu)化原始極限學(xué)習(xí)機(jī)的色差分類(lèi)方法，本文提出方法取得較高的分類(lèi)精度，并且具有較好的穩(wěn)定性和泛化能力。
　　(3)紡織品是由經(jīng)緯紗線按一定的規(guī)則編織而成，故其表面呈現(xiàn)高相關(guān)性，疵點(diǎn)區(qū)域可視為局部異常紋

5、理?？紤]到織物表面的紋理結(jié)構(gòu)和疵點(diǎn)的尺寸，本文提出一種基于多尺度字典學(xué)習(xí)的疵點(diǎn)檢測(cè)方法，所提出的多尺度字典學(xué)習(xí)方法能夠更加清晰的描述紡織品圖像細(xì)節(jié)。由于原始字典學(xué)習(xí)算法計(jì)算量大，故在學(xué)習(xí)字典階段，引入改進(jìn)的字典學(xué)習(xí)算法KSVD，加快字典更新速度。并提出了自適應(yīng)差分進(jìn)化算法優(yōu)化正則化極限學(xué)習(xí)機(jī)的紡織品疵點(diǎn)檢測(cè)模型。在模型訓(xùn)練階段，引入自適應(yīng)變異算子以解決差分進(jìn)化算法尋優(yōu)過(guò)程中的參數(shù)設(shè)置問(wèn)題。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的應(yīng)用Gabor濾波器方法，