کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7120214 1461459 2018 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Single vision based identification of yarn hairiness using adaptive threshold and image enhancement method
ترجمه فارسی عنوان
شناسایی تک چشم انداز مبتنی بر شناسایی مینای دندان با استفاده از آستانه تطبیقی ​​و روش بهبود تصویر
کلمات کلیدی
موی ابریشمی، تقویت قهوه تطبیقی، تقسیم آستانه منطقه ای، تجزیه و تحلیل تصویر، بر اساس یکپارچه
ترجمه چکیده
برای اندازه گیری اطلاعات پارامتر نخ به دقت با روش تجزیه و تحلیل تصویر، یک افزایش الگوریتم سازگاری سیاه و سفید و الگوریتم تقسیم آستانه خطی به طور سیستماتیک پیشنهاد می شود. کنتراست سیاه و سفید از نخ و پس زمینه برای جلوگیری از اثر ضعیف روش تقسیم تصویر مبتنی بر آستانه تک، به منظور بهبود تشخیص و دقت اندازه گیری از مینای دندان افزایش یافته است افزایش یافته است. با استفاده از سیستم استخراج تصویر خود توسعه یافته برای به دست آوردن توالی تصویر نمونه های نخ، دقت و کارآیی الگوریتم تجزیه و تحلیل تصویر بر این اساس مورد تایید قرار گرفت. نتایج تجربی نشان می دهد که دو الگوریتم پیشنهادی می توانند به طور قابل توجهی از دست دادن اطلاعات تصویر نخ و کاهش قابلیت اطمینان خوب برخوردار شوند. طول و تعداد مرواریس نخ که توسط روش های تصویر شناسایی شده است بسیار با روش های بازرسی بصری همبستگی دارد و رزولیشن هماهنگی بین نخ ها با روش سنتی سازگار است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
In order to measure the yarn parameter information more accurately with the image analysis method, an adaptive grayscale enhancement and linear region threshold segmentation algorithm are proposed systematically. The grayscale contrast of the yarn and background is enhanced to avoid the poor effect of single threshold based image segmentation method, thereby improving the recognition and measurement accuracy of the yarn hairiness. Using the self-developed image acquisition system to acquire the image sequence of yarn samples, the accuracy and effectiveness of the image analysis algorithm were validated accordingly. Experimental results show that the proposed two algorithms can significantly reduce the information loss of yarn image and good robustness could be achieved. The length and number of yarn hairiness detected by the image methods are highly correlated with those of the visual inspection method, and the CV of yarn evenness is also consistent with the traditional method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Measurement - Volume 128, November 2018, Pages 220-230
نویسندگان
, , , , ,