1、織物組織識別技術(shù)發(fā)展到今天,還沒有廣泛的投入到實(shí)際應(yīng)用中。這個(gè)技術(shù)的難點(diǎn)主要體現(xiàn)在組織結(jié)構(gòu)的多樣性以及噪聲的復(fù)雜性。組織結(jié)構(gòu)的多樣性這點(diǎn)難以改變,完全剔除所有噪聲也存在較大的困難。并且到目前,國際上只能對三類基本組織進(jìn)行有效識別,對復(fù)雜組織的識別率還比較低。在這種背景下提出了應(yīng)用具有高抗噪聲能力的嗅覺神經(jīng)網(wǎng)絡(luò)對織物組織進(jìn)行識別研究。
　　 本文首先對嗅覺神經(jīng)網(wǎng)絡(luò)進(jìn)行了系統(tǒng)的研究,通過實(shí)驗(yàn)數(shù)據(jù)分析,提出了改進(jìn)的嗅覺神經(jīng)網(wǎng)絡(luò)。然后對

2、織物組織的預(yù)處理方法進(jìn)行了實(shí)驗(yàn)對比,并提出了改進(jìn)的方案,最后利用改進(jìn)后的8通道KⅢ模型嗅覺神經(jīng)網(wǎng)絡(luò)對織物組織進(jìn)行識別。
　　 (1)分別對K0、KⅠ、KⅡ的數(shù)學(xué)模型進(jìn)行了深入的實(shí)驗(yàn)分析,并得出K0模型(PG層)在不同激勵(lì)情況下達(dá)到穩(wěn)定所需時(shí)長是收斂于一個(gè)常數(shù)的;分析了兩種KⅠ模型的詳細(xì)的輸入輸出特性;對在不同輸入電壓、不同輸入激勵(lì)時(shí)長下KⅡ模型(OB層)的輸入輸出特性也進(jìn)行了詳細(xì)分析。
　　 (2)對KⅢ的數(shù)學(xué)模型進(jìn)行了

3、深入實(shí)驗(yàn)分析,通過實(shí)驗(yàn)數(shù)據(jù)證實(shí)了過去學(xué)者的實(shí)驗(yàn)方法的一些不妥之處,并對訓(xùn)練方法和輸入值的處理上進(jìn)行了改進(jìn),提高了整個(gè)KⅢ模型嗅覺神經(jīng)網(wǎng)絡(luò)的識別率。
　　 (3)實(shí)驗(yàn)對比織物組織圖像經(jīng)過預(yù)處理后的識別效果,并根據(jù)實(shí)驗(yàn)效果提出了新的提取組織點(diǎn)的方法。使對斜紋組織的識別率得到較大的提高。
　　 (4)對復(fù)雜變化組織的識別進(jìn)行了研究,提出了最小循環(huán)周期內(nèi)進(jìn)行間隔抽樣的方法,識別率較以往的方法有較大提高。
　　 以上實(shí)驗(yàn)都