基于彩色图像信息的机采棉加工智能化控制策略研究

In accordance with the phenomenons of mixed grade, mixed rolling and serious waste about cotton processing, through mechanism analysis, mathematical modeling, numerical simulation and experimental verification, key technologise of cotton impurity color image classification detection are broken through. Color image segmentation algorithm for cotton impurity based on fuzzy C-means clustering is studied, removing mechanism of impurity from machine-picked cotton such as cotton sticks, bracteole, stiff flap, leaves crumbs, weeds, mote and dust is revealed, and refined machine- picked cotton processing scheme for processing parameters optimization according to types of impurities is proposed. Based on performance characteristics for each machine, considering lint trait parameters, cotton comprehensive quality grade, price structure, production efficiency and gin turnout single objective optimization model based on maximizing revenue, as objective evaluation function of measuring cotton processing overall performance, modeling problem for nonlinearity, multivariable coupling, time varying and distributed parameter system is solved. Genetic algorithm based on fitness sorting is discussed, and global optimal solution for the model is conducted. Project Implementation provide scientific basis and technology foundation for achieving self-adaptive adjustment of process parameter for machine-picked cotton.

本项目针对棉花加工混级、混轧、浪费严重的现象，通过机理分析、数学建模、数值仿真与实验验证相结合的途径，突破棉花杂质彩色图像分类检测的关键技术，研究基于模糊C均值聚类的棉花杂质彩色图像分割算法，揭示机采棉加工过程中杂质的除杂机理，如棉枝、铃壳、僵瓣、叶屑、杂草、不孕籽及尘杂等，提出根据含杂类型不同实时优化加工参数的精细化机采棉加工方案。针对每台棉机清理设备的性能特点，深入分析皮棉性状参数、棉花综合质量等级、价格结构、生产效率、衣分等因素，建立基于收益最大化的单目标优化模型，作为衡量棉花加工过程整体性能的目标评价函数，解决非线性、多变量耦合、时变和分布参数系统的建模问题。研究基于适应度排序的遗传算法，并对该模型进行全局最优求解，项目的实施为现代棉花加工行业实现机采棉加工工艺参数自适应调整提供科学依据和技术基础。

棉花加工过程中影响棉花加工质量的因素众多，涵盖面较广，控制过程复杂，针对加工过程中自动化、智能化方面的不足，本课题文围绕颜色特征信息提取、图像快速分割技术、杂质自动识别分类、加工设备对棉花性状参数的影响规律、皮棉质量评价方法及工艺智能优化等关键技术进行了研究。为了解决机采棉杂质的分类识别问题，课题搭建了基于彩色CCD相机的机采棉彩色图像杂质自动识别试验平台，研究了机采籽棉含杂彩色图像自动分割和自动识别技术。采用像素点邻域的色调、饱和度、亮度颜色特征与平均亮度、平均对比度、平滑度、三阶矩、一致性、熵等纹理特征构建特征向量，全面综合的利用了图像信息。在图像自动分割方面，提出了采用基于彩色梯度图像的分水岭变换与改进模糊C均值聚类方法相结合的方法、利用遗传算法优化SVM参数方法的HSI空间图像分割方法、以及应用空间邻接性、颜色信息和区域面积信息的彩色图像区域分割方法。课题研究了机采籽棉彩色图像杂质自动识别技术，包括结合杂质各颜色特征比例与面积阈值的分类识别方法以及结合区域颜色、纹理、形状特征的GA-SVM分类识别方法。为综合提高皮棉产品的外观形态和纤维内在质量，提出了对机采棉加工工艺进行过程优化控制的研究方法和试验方案。确定杂质面积、杂质颗粒数、反射率、黄度、上半部长度、长度整齐度、短纤维指数、马克隆值、断裂比强度9项参数作为优化目标，建立以加工皮棉产品的成交价格最大化的总体优化控制目标。选取对棉花清理有显著影响效果的倾斜式籽清机等7个关键设备的转速作为优化控制变量，建立控制变量与控制目标之间的数据模型。以建立的总体优化控制目标为适应度评价函数，利用遗传算法完成对多变量数据模型的求解。课题提出了棉花加工过程参数检测技术和工艺参数自适应优化策略，该方法为棉花加工行业实现真正意义上的“因花配车”和精细化作业提供了解决方案。

内容获取失败，请点击重试