BP神经网络在织物疵点识别中的应用.pdf
《BP神经网络在织物疵点识别中的应用.pdf》由会员分享,可在线阅读,更多相关《BP神经网络在织物疵点识别中的应用.pdf(5页珍藏版)》请在三一文库上搜索。
1、第2 9 卷第9 期 2 0 0 6 年9 月 纺织学报 J o u r n a lo fT e x t i l eR e s e a r c h V 0 1 2 9N o 9 S e p 2 0 0 8 文章编号:0 2 5 3 9 7 2 1f 2 0 憾1 0 9 - 0 0 4 3 - 0 5 B P 神经网络在织物疵点识别中的应用 刘建立,左保齐 ( 苏州大学材料工程学院,江苏苏州2 1 5 0 2 1 ) 摘要采用3 层B P 神经网络对织物疵点进行识别,提出织物疵点识别网络不适宜规则。将其应用于隐含层神经 元个数选择和训练方法筛选,以优化网络结构,提高训练速度和网络识别精度,设计
2、出较优的织物疵点识别网络。 将丝织物中常见的断经、断纬、重纬、档疵、破洞和油污6 类疵点作为识别样本,对按照网络不适宜规则设计的网络 进行测试。从识别结果来看,B P 神经网络可以满足织物疵点识别需要,且具有正确识别率高,识别速度快的优点。 关键词B P 神经网络;不适宜规则;织物疵点;疵点识别 中圈分类号:1 P3 9 1 4 1文献标识码:A A p p l i c a t i o no fB Pn e u r a ln e t w o r ko nt h ei d e n t i f i c a t i o no ff a b r i cd e f e c t s L I UJ i a
3、n l i ,Z U OB a o q i ( S c h o o lo fM a t e r i a lE n g i n e e r i n g ,& o c h o wU n i v e r s i t y ,S u z h o u ,切垮2 1 5 0 2 1 ,C h n a ) A b s t r a c tA3 - l a y e rB Pn e u r a ln e t w o r ki su s e dt oi d e n t i f yf a b r i cd e f e c t s A nu n s u i t a b i l i t yr u l ei sp r o p
4、 o s e d i n n o v a t i v e l yt oo p t i m i z et h en e u r a ln e t w o r ks t r u c t u r e ,i m p r o v et h et r a i n i n gs p e e da n di d e n t i f i c a t i o nc o r r e c t n e s s , w h i c hi se x e c u t e dd u r i n gt h es e l e c t i o no fn e u r o nn u m b e ri nh i d d e nl a y
5、 e ra n dt h ec h o i c eo ft r a i n i n gm e t h o d s T h ed e s i g n e dn e u r a ln e t w o r ki st r a i n e dw i t ht e s ts a m p l e s ,i n c l u d i n gw a r p l a c k i n g ,w e f t l a c k i n g ,d o u b l ew e f t , l o o mb a r ,o i ls t a i na n dh o l e ,a c c o r d i n gt ot h eu n
6、 s u i t a b i l i t yr u l e E x p e r i m e n t a lr e s u l t ss h o wt h a tt h e n e u r a l n e t w o r kd e s i g n e dw i t ht h ew a yp r o p o s e di n t h i sp a p e rc a ns a t i s l yt h ei d e n t i f i c a t i o nr e q u i r e m e n ta n dw h i c h p o s s e s s e sa d v a n t a g e s
7、o fh i s t , i d e n t i f i c a t i o nv e r a c i t ya n ds p e e d K e yw o r d s B Pn e u r a ln e t w o r k ;t h eu n s u i t a b i l i t yr u l e ;f a b r i cd e f e c t ;d e f e c ti d e n t i f i c a t i o n 自2 0 世纪9 0 年代以来,以机器视觉代替传统 的人工视觉成为织物疵点检测领域研究的热点。在 基于机器视觉的疵点检测系统中,以神经网络模块 实现人脑的判别能力,应用
8、最多的是3 层B P 神经网 络。从研究成果来看,用于织物疵点识别的B P 神 经网络大都是根据经验公式设计的,在结构设计和 训练方法的选择上有待于进一步优化q 1 。本文就 织物疵点识别B P 网络的结构设计和训练方法的选 择进行探讨,并提出织物疵点识别网络不适宜规则, 以优化隐含层神经元个数和训练方法的选择,设计 出较优的织物疵点识别网络。 1 织物疵点识别网络的设计 基于B P 神经网络的织物疵点识别,可以看作 是典型的模式识别问题,采用3 层B P 网络可以满足 要求。为了达到较高的识别率,在采用神经网络对 织物疵点进行识别时,必须考虑网络的结构和规模、 训练样本集和测试集的大小、网络
9、识别性能的评估。 1 1 识别网络的结构 织物疵点图像经预处理后,计算其灰度共生矩 阵中的6 个纹理特征参数,能量、对比度、相关、方 差、熵和逆差距作为其纹理特征。对预处理后的图像 采用最佳阈值分割,由二值图像计算出图像中所含疵 点的圆形度作为该疵点的几何特征参数。输入样本 由归一化后的纹理特征参数和几何特征参数共7 个 数据组成,所以输入层神经元个数为7 。根据B P 网 络设计技巧,输出层神经元的个数可以按照如下规则 设计:如果模式类别一共有后个,则输出节点的个数 收稿日期:2 0 0 7 0 7 2 4 修回日期:2 0 0 8 0 3 3 1 作者简介:刘建立( 1 9 8 卜) ,男
10、,博士生。研究方向为图像处理与智能识别。左体齐,通讯作者,E - m a i :b q 知o s u d a e d u 曲。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 4 4 纺织学报第2 9 卷 为k 或l 0 9 2 后;在保证各节点输出目标向量的可区分 性的前提下,可做适当简化。在本文中,在保证各节 点输出目标向量的可区分性的前提下,为了提高训练 效率,简化网络结构,选取输出节点为4 个。 归一化后的输入样本数据范围在 一l ,1 之间, 正好与S
11、型正切函数的值域范围一致,因此选中间 层神经元的激励函数为s 型正切函数。输出目标向 量格式为0 、l ,正好与s 型对数函数取值范围一致, 因此选输出层神经元的传递函数为S 型对数函数。 在实际的编程中,识别网络的输出很少出现0 、1 的理想模式,这是因为S 型对数函数输出的极限值为 0 和l 。为了使目标输出向量与网络输出向量一致, 在实际程序设计中,各疵点对应编码如表l 所示。 表1 疵点输出编码方案 T a b 1 C o d i n gs c h e m ef o rt h ef a b r i cd e f e c t s 输出节点正常织物断经断纬重纬档疵油污破洞 lO 1O 1O
12、 1O 1O 1o 9O 1 2D 1O 1O 1O 1O 90 10 9 3O 1O 1O 90 9O 10 9O 9 4O 10 90 1O 9O IO 10 1 B P 神经网络隐含层的神经元数目不存在一 个理想的解析式来表示,往往需要根据设计者的经 验和多次试验来确定。隐含层神经元数目J 7 r 与问 题的要求、输入和输出节点的数目都有着直接的关 系。隐含层神经元过多会导致学习时间过长,容错 性差,不能识别以前未见过的样本,因此在网络设计 时,需选择最佳的隐含层神经元个数。在本文 中,B P 神经网络中有一个隐含层,在隐含层神经元 的选择上可以参考如下公式“J : 式中n 为1 1 0
13、 的正整数。 根据K o l m o g o r o v 定理,若输入层神经元个数为 ,则隐含层神经元个数为 N = 2 ,+ l( 2 ) 最b - - 乘法拟合公式 : o 4 3 加+ 0 1 2 0 2 + 2 5 4 1 + o 7 7 0 + o 3 5 + o 5 1 ( 3 ) :! 墼( 4 ) N :2 1 0 + 妻D ( ,+ ,) 一1 i 矿一,j = o I 1 ”( 5 ) 式中:为隐含层神经元个数;,为输入层神经元个 数;0 为输出层神经元个数;C 为目标分类数目;k 为选择时引入的辅助参数,一般取0 5 的正整 数,无实际意义。 根据式( 1 ) 一( 5
14、) 计算隐含层节点数J 7 、r ,可知 取值范围为 6 ,2 6 。为了选出较优的隐含层神经元 个数J 7 、r ,以每类织物疵点( 包含无疵点织物) 的1 0 组 归一化后的样本作为输入,隐含层神经元数目在 6 , 2 6 之间取值,采用L e v e n b e r g M a r q u a r d t 算法“ 1 ,取网 络学习速率为0 1 ,设置网络训练中止最小梯度要 求为1 1 0 。1 0 ,网络最大迭代次数为20 0 0 ,对网络进 行训练,以网络输出均方误差小于O 0 l 为网络收敛 条件,分别计算网络收敛时的网络迭代次数E P 。 在对B P 神经网络训练前,采用N g
15、u y e n W i d r o w 方法 为各层产生初始权重和偏置值,使得每层神经元的 活动区域能大致平坦地分布在输入空间。 选用不同的隐含层神经元个数| j v ,网络收敛时 :丽+ 口( 1 ) 的网络迭代次数卯如表2 所示。 表2 选用不同的隐含层神经元个数网络收敛时的迭代次数 T a b 2 E p o c h so ft h et r a i n i n gn e tw i t hd i f f e r e n tn e u r o l l si nt h eh i d d e nl a y e r 隐含层神经元个数收敛时迭代次数E P隐含层神经元个数收敛时迭代次数E P 6 4
16、 2 。1 9 。2 9 ,20 0 0 3 2 I 。 1 7 1 7 ,7 ,1 7 3 ,9 ,1 5 7 2 4 。,5 5 。,5 5 。,6 6 。4 7 1 8 7 l 。5 7 ,2 2 6 8 5 0 。,20 0 0 ,4 5 4 8 1 。8 9 。 1 9 5 6 ,6 ,1 8 ,1 7 。,9 9 2 6 。5 1 8 ,1 1 20 0 0 2 0 2 5 。,1 2 5 ,2 0 。,1 7 l O 3 7 。,5 3 2 ,2 0 ,1 1 9 ,18 3 6 2 l 2 l ,3 1 1 6 ,2 7 ,6 l l 3 2 。3 6 ,1 8 。3 2 0
17、,l2 1 9 2 2 2 2 ,2 9 。,8 ,5 ,1 1 2 4 6 ,3 5 。,2 0 ,2 2 ,6 2 3 酯。,2 4 。2 6 。,l O 。2 l 1 3 1 8 ,6 5 6 ,3 4 。,4 l 。,2 9 2 4 2 8 ,4 6 。,7 ,2 2 4 ,1 3 1 4 5 2 3 3 l 。1 4 l 。2 2 2 53 9 ,“。,1 8 ,1 6 。,4 1 5 5 4 。,1 9 ,3 l ,9 ,2 2 。 2 6 1 9 9 8 9 。1 9 3 4 。,5 3 1 6 2 3 ,1 6 ,9 ,2 7 ,2 l 2 7 l O 。,1 8 ,6 ,3
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- BP 神经网络 织物 疵点 识别 中的 应用
链接地址:https://www.31doc.com/p-3645648.html