کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8875323 1623645 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Efficient detection method for foreign fibers in cotton
ترجمه فارسی عنوان
روش تشخیص کارآمد برای الیاف خارجی در
کلمات کلیدی
طبقه بندی، انتخاب ویژگی، الیاف خارجی در پنبه، سیستم تشخیص،
ترجمه چکیده
از آنجایی که فیبرهای خارجی در پنبه به طور جدی بر کیفیت محصولات نساجی پنبه نهایی تأثیر می گذارد، سیستم های تشخیصی مبتنی بر ماشین برای فیبر های خارجی در پنبه در تجهیزات صنعتی توجه زیادی می شود. به عنوان یکی از اجزای کلیدی در سیستم های تشخیص، طبقه بندی مناسب و مناسب برای چشم انداز ماشین بر اساس سیستم های تشخیص فیبر های خارجی در پنبه به علت بهبود عملکرد سیستم، بسیار مهم است. در این تحقیق، پنج طبقه بندی در مجموعه داده های فیبرهای خارجی در پنبه تست می کنیم و برای یافتن بهترین مجموعه ویژگی مربوط به طبقه بندی ها، از چهار روش فیلتر انتخاب ویژگی های فیلتر برای پیدا کردن بهترین ویژگی های از الیاف خارجی در پنبه مربوط به طبقه بندی خاص. نتایج تجربی نشان می دهد که دستگاه یادگیری افراطی و ماشین های بردار پشتیبانی از هسته عملکرد بسیار خوبی برای تشخیص فیبر خارجی و دقت طبقه بندی به ترتیب 93.61٪ و 93.17٪ با استفاده از مجموعه ویژگی های انتخاب شده با ویژگی های 42 و 52 است.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم کشاورزی و بیولوژیک (عمومی)
پیش نمایش مقاله
روش تشخیص کارآمد برای الیاف خارجی در
چکیده انگلیسی
Since foreign fibers in cotton seriously affect the quality of the final cotton textile products, machine-vision-based detection systems for foreign fibers in cotton are receiving extensive attention in industrial equipment. As one of the key components in detection systems, the suitable and good classifier is significantly important for machine-vision-based on detection systems for foreign fibers in cotton due to it improving the system's performance. In the study, we test five classifiers in the dataset of foreign fibers in cotton, and for finding the best feature set corresponding to the classifiers, we use the four filter feature selection approaches to find the best feature sets of foreign fibers in cotton corresponding to specific classifiers. The experimental results show that the extreme learning machine and kernel support vector machines have the excellent performance for foreign fiber detection and the classification accuracy are respectively 93.61% and 93.17% using the selected corresponding feature set with 42 and 52 features.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing in Agriculture - Volume 5, Issue 3, September 2018, Pages 320-328
نویسندگان
, , , ,