Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "yarn diameter" wg kryterium: Wszystkie pola


Wyświetlanie 1-1 z 1
Tytuł:
Research on Yarn Diameter and Unevenness Based on an Adaptive Median Filter Denoising Algorithm
Badanie średnicy i nierówności przędzy w oparciu o algorytm odszumiania z adaptacyjnym filtrem medianowym (AMF)
Autorzy:
Wang, Xiao
Hou, Ru-Meng
Gao, Xiao-Yan
Xin, Bin-Jie
Powiązania:
https://bibliotekanauki.pl/articles/231681.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
adaptive median filtering
algorithm
denoising
yarn diameter
unevenness
image processing
adaptacyjny filtr medianowy
algorytm
odszumianie
średnica przędzy
nierówności
przetwarzanie obrazu
Opis:
In this paper an adaptive median filtering denoising algorithm is proposed to measure yarn diameter and its unevenness. Images of nine different yarn samples were captured using one set of a self-developed yarn image acquisition system. Image separation of the background and yarn sections was conducted using a combination of adaptive median filtering, adaptive threshold segmentation and morphological processing. The noise-free yarn image was used for diameter detection of the subsequent yarn image and the discrimination of the yarn unevenness. Experimental results show that the testing data of yarn unevenness detection based on the adaptive median filter denoising algorithm is very consistent with the data using the traditional method. It is proved that the yarn detection method proposed, based on an adaptive median filter denoising algorithm, is feasible. It can be used to calculate yarn diameter accurately and measure yarn unevenness efficiently, so as to determine the quality of yarn appearance objectively.
W artykule zaproponowano algorytm odszumiania z adaptacyjnym filtrem medianowym (AMF) do pomiaru średnicy przędzy i jej nierówności. Obrazy dziewięciu różnych próbek przędzy zostały przechwycone przy użyciu jednego zestawu samodzielnie opracowanego systemu akwizycji obrazów przędzy. Rozdzielenie obrazu tła i odcinków przędzy przeprowadzono przy użyciu kombinacji AMF, adaptacyjnej segmentacji progowej i przetwarzania morfologicznego. Bezszumowy obraz przędzy wykorzystano do wykrywania średnicy przędzy i rozróżnienia nierówności przędzy. Wyniki eksperymentalne pokazały, że dane testowe dotyczące wykrywania nierówności przędzy w oparciu o zaproponowany algorytm miały wysoką zgodność z danymi uzyskanymi przy użyciu tradycyjnej metody. Algorytmu tego można użyć do dokładnego obliczenia średnicy przędzy i skutecznego pomiaru nierówności przędzy, aby obiektywnie określić jakość wyglądu przędzy.
Źródło:
Fibres & Textiles in Eastern Europe; 2020, 1 (139); 36-41
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies