紙漿纖維測(cè)量?jī)x纖維圖像分類算法研究.pdf

1、隨著我國(guó)工業(yè)現(xiàn)代化的快速推進(jìn)和市場(chǎng)競(jìng)爭(zhēng)的急劇增長(zhǎng)，人們對(duì)傳統(tǒng)制造業(yè)的要求越來越高，在高效率的基礎(chǔ)上更要保證產(chǎn)品的質(zhì)量。造紙術(shù)作為我們引以為傲的四大發(fā)明之一，為世界歷史上的文化傳播立下了不可磨滅的功勛，縱然在電子書籍風(fēng)靡世界的今天，傳統(tǒng)的紙張和紙制品依舊有著無可替代的魅力。然而在紙張的生產(chǎn)過程中，由于生產(chǎn)原料、生產(chǎn)設(shè)備和生產(chǎn)流程等問題，在紙張生產(chǎn)過程中會(huì)存在一些紙病，正是由于這些紙病的存在，給造紙企業(yè)帶來了很大的經(jīng)濟(jì)損失。目前造紙企業(yè)把大

2、部分精力都放在成紙檢測(cè)上，造成對(duì)成紙表面紙病檢測(cè)和分類的技術(shù)已經(jīng)十分成熟，但是對(duì)生產(chǎn)原料——紙漿——的檢測(cè)和分類卻還是一片空白。生產(chǎn)原料的好壞直接決定了產(chǎn)品品質(zhì)的優(yōu)劣，而對(duì)紙漿纖維的檢測(cè)和分類就是對(duì)成紙質(zhì)量最直接的保障。因此，對(duì)紙漿纖維的檢測(cè)和分類研究的重要性不言而喻。
　　本文首先對(duì)紙漿圖像和纖維圖像進(jìn)行減背景處理，除去附著在鏡頭上灰塵等附著物的成像影響；然后通過對(duì)不同的濾波算法進(jìn)行比較，最終選擇選取了模板為3*3的高斯濾波對(duì)紙

3、漿圖像和纖維圖像進(jìn)行濾波處理；其次將采用濾波后的圖像進(jìn)行分割；在特征提取時(shí)選擇了形態(tài)和灰度兩大類特征中的九小類特征；在支持向量機(jī)分類算法中，在訓(xùn)練支持向量機(jī)模型時(shí)，選用了高斯核函數(shù)，并采用了一對(duì)一的分類策略，雖然支持向量機(jī)對(duì)纖維的分類效果較好，但是對(duì)紙漿的分類效果較差，達(dá)不到我們想要的效果。在卷積神經(jīng)網(wǎng)絡(luò)中，在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，選擇了三層的網(wǎng)絡(luò)結(jié)構(gòu)，其中輸入層中神經(jīng)元數(shù)目設(shè)定為9，輸出層數(shù)目設(shè)定為6。隱含層神經(jīng)元數(shù)目通過多次的對(duì)比分