摘要
针对传统图像处理方法对棉层中异性纤维检测效果不佳的问题,基于近红外光谱和残差神经网络提出一种对棉层中异性纤维的分类识别方法.采用Savitzky-Golay法对异性纤维的近红外光谱数据进行平滑处理,结合F检验和LightGBM分类算法实现特征波长优选,并将优选后的光谱数据经格拉姆角场转换成保留波长序列之间时序性的格拉姆角和场图像;构建残差深度卷积神经网络模型,将转换后的格拉姆角和场图像作为训练样本对残差网络模型进行训练.实验结果表明,该方法能够有效地对复杂环境下棉层中的异性纤维进行分类,分类准确率达到99.69％,与其它数据转换方式和分类模型相比提高了棉层中异性纤维的分类识别精度,为复杂环境下异性纤维分类识别研究提供了新思路.
NETL
NSTL
维普
万方数据