基于深度学习的籽棉中异性纤维检测方法

针对籽棉图像阴影多、常规图像处理方法难于识别的问题,以去除棉叶、棉壳等有机杂物的籽棉为样本,将不同颜色、形状、尺寸的12种常见异性纤维和籽棉样本随机地分布在运转中的传送带上,采用线扫描相机获得发光二极管(LED)照明的籽棉图像520张,"LED+线激光"双光源照明的籽棉图像1148张.然后采用由13个卷积层、13个采样层和4个池化层构成的Faster RCNN深度学习人工神经网络,对2种成像方法获得的籽棉图像进行基于人工智能的网络训练,再进行异性纤维检测验证.实验数据表明,LED照明和"LED+线激光"双光源照明条件下,籽棉图像中的异性纤维的检出率分别达到了90.3％和86.7％,特别是LED照明条件下对白色异性纤维进行识别,其识别率由5.9％提升到了90.3％.