买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江理工大学

摘要：本发明公开了一种基于改进的AVO算法优化RRVFL的织物折皱客观评级方法。先获取不同种类织物折皱的数据集并进行预处理；使用基于改进的AVO算法优化RRVFL网络的随机权重、偏置和正则化系数，并计算出输出权重，得到训练完成的HHO‑AVO‑RRVFL模型；获取待评级的织物折皱图像，并输入到训练完的HHO‑AVO‑RRVFL模型，得到织物折皱评级信息。本发明可对纺织工业生产过程中纺织物出现的不同类型的折皱进行评级检测，提高了检测效率，进而提高了生产的效率、提升了产品的质量。

主权项：1.一种基于改进的AVO算法优化RRVFL的织物折皱评级方法，其特征在于：该方法包括下列步骤：步骤1：获取带有折皱评级标签的织物图像，并进行预处理，形成数据集；步骤2：设定HHO算法中初始种群的种群规模为a和种群维数为m×n+1+1；设定AVO算法中初始种群的种群规模为a和种群维数为m×n+1+1；设定最大迭代次数、RRVFL的输入层节点数n和隐藏层节点数m；步骤2.1随机生成一组行向量，使用HHO算法对所述行向量进行量化和赋值，将量化和赋值后的行向量作为AVO算法的搜索种群，以此提高AVO算法的寻优和收敛效果；所述行向量的数量等于HHO算法的种群规模，所述行向量的维度等于HHO算法的种群维数；步骤2.2构建目标函数，基于目标函数计算搜索种群的适应度值，并将所有搜索种群中适应度值最佳的搜索种群作为最佳秃鹫，选择适应度值第二佳的搜索种群作为次优秃鹫；其它搜索种群使用轮盘赌公式向最佳秃鹫和次优秃鹫移动；步骤2.3重复步骤2.2，每次重复步骤2.2完成一次所有搜索种群的更新，重复次数为所述最大迭代次数；步骤2.4基于目标函数计算步骤2.3得到的所有搜索种群的适应度值，选取得到适应度值最佳的搜索种群；步骤3：步骤2.4得到的所述适应度值最佳的搜索种群也为行向量形式，将所述搜索种群的前m×n个元素重新排列为m×n的矩阵，作为RRVFL的输入权重，将所述搜索种群中m×n个元素之后的m个元素重新排列为m×1的列向量，作为RRVFL的隐含层偏置，将所述搜索种群中最后一个元素作为RRVFL的正则化系数C；步骤4：基于RRVFL的输入权重，RRVFL的隐含层偏置和RRVFL的正则化系数C计算得到RRVFL的输出权重β，进而得到RRVFL模型；使用步骤1得到的数据集训练RRVFL模型，得到训练好的RRVFL模型；步骤5：获取待评级的织物折皱图片，输入训练好的RRVFL模型，得到织物折皱评级结果。

全文数据：

权利要求：

百度查询： 浙江理工大学 一种基于改进的AVO算法优化RRVFL的织物折皱评级方法