棉花是重要的经济作物,是纺织工业的重要原料。棉花杂质不仅影响棉花定级和定价,同时影响棉花轧花和纺纱效果,以及最终棉纺织品的质量。国内外学者采用机器视觉技术、断层X光摄影和紫外荧光成像等技术,能够有效检测棉花中着色较深、面积较大和含有荧光物质的部分杂质。但是,针对棉花表面纤细、浅色、白色和透明杂质,以及棉花内部的常见杂质,检测效果不佳。本研究基于高光谱成像分析系统,以梳棉表面一些难检的异性纤维,梳棉内部不同深度的常见杂质为研究对象,分别采用高光谱图像中不同信息,建立杂质检测的方法和算法,并以分割后二值图像进行杂质重量预测和分类分析。研究主要内容包括三部分：(1)针对梳棉表面难检杂质,采用主成分分析(PCA, Principle component analysis)、独立成分分析(ICA, Independent component analysis)、双波段比分析和波长合并方法,提取高光谱图像的最佳分割图像,以较优的预处理和分割方法获得二值图像；获取高光谱图像中杂质和梳棉像素光谱,选择较优的判别函数,采用判别分析(DA, Discriminant analysis)方法分类像素获得二值图像；对比基于线性判别分析(LDA, Linear discriminant analysis)、面积过滤器、形态学处理、面积过滤器和形态学的组合方法剔除二值图像中伪目标的效果,建立梳棉表面单类杂质检测算法；使用最佳分割波长图像,采用灰度平均和小波融合两种方法,建立梳棉表面多类杂质检测算法；采集相同空间分辨率的RGB图像作为对照,比较高光谱图像检测杂质的效果。(2)针对梳棉内部不同深度的常见杂质,使用像素分类方法和二值图像后处理方法,建立梳棉内层杂质的检测算法；对比过滤(filter)和包装(wrapper)特征选择等方法,确定杂质像素分割的最佳波长集合。(3)针对高光谱图像杂质分割二值图像区域的相关特征,采用偏最小二乘(PLS,Partial least square)回归和多元线性回归(MLR, Multiple linear regression)方法预测分析杂质重量,采用DA分析方法分类多种异性纤维；采集梳棉高分辨率近红外漫反射光谱信息,分析PLS预测普通杂质含量的效果。本研究的目的是评价高光谱成像技术检测梳棉表面一些难检杂质和梳棉内层常见杂质的可行性,为高光谱成像技术应用于棉花杂质检测设备开发提供依据。采用波长选择方法,分析获得像素分类的最佳波长集合,为多光谱成像技术在线分拣棉花杂质的滤波片选择奠定研究基础。研究结果和结论如下：1)针对梳棉表面一些难检杂质的检测,结果表明：①在波长460-900 nm范围内,高光谱图像中波长图像适合于灰色、白色的条状或块状异性纤维的检测,主成分图像适合黑色和白色的纤细异性纤维检测,独立成分图像适合灰色、白色和透明的异性纤维检测。采用Sobel算子边界提取和形态学处理分割上述图像,结合LDA的二值图像后处理方法,验证集异性纤维识别率为79.51%。②采用wrapper波长选择方法确定像素分类最佳波长集,基于二次判别分析(QDA,Quadratic discriminant analysis)分类高光谱图像中空间像素点,构造杂质分割二值图像,使用LDA判定二值图像中区域属性,剔除伪目标区域,异性纤维总识别率为79.17%。其中黑色人发和灰色丙纶丝识别率达到100%,黑色猪毛识别率达为95.65%,白色丙纶丝的识别率达到90.36%,透明地膜碎片识别率为67.21%。③单类杂质分割的最佳波长图像做灰度平均可以检测多类难检杂质,训练集和验证集中杂质识别率分别为84.09%和75.86%。针对黑色毛发、灰色和白色丙纶丝等多类异性纤维,验证集中识别率为100%,白色猪毛不能识别。④使用相同的图像分割和后处理方法,黑色毛发的高光谱图像和RGB图像识别率分别是97.10%和81.48%。高光谱图像可以检测出44.44%的白色猪毛,RGB图像不能检测白色猪毛。综上可知,高光谱图像可以有效检测梳棉表面的黑色毛发、灰色丙纶丝和白色丙纶丝,能够检测部分透明丙纶丝和地膜碎片；基于像素分类杂质分割方法,杂质总体检测效果好于基于图像信息的结果；采用相同的图像分割和处理方法,高光谱图像检测黑色和白色毛发的结果好于同分辨率RGB图像。2)针对棉网内层一定深度放置的多种杂质检测,结果表明：①采用QDA分类高光谱图像中空间像素点,构造杂质分割二值图像,结合面积过滤器和形态学组合方法处理二值图像,采用全波长信息,在深度为1-2 mm、3-4 mm和5-6 mm的棉网内,杂质识别率分别为87.8%、79.5%和82.6%,其中,普通杂质识别率分别为95.5%、80.7%和82.6%。采用包装法选择的最优波长集合,三种深度的杂质识别率分别为66.6%、57.5%和72.8%。②采用全波长信息,在深度为1-2 mm和3-4 mm棉网内,异性纤维的识别率分别为81.9%和60.6%。使用最优波长集合,异性纤维的识别率分别为77.1%和49.3%。彩色丙纶丝、有色线和有色布块的检测效果最佳,黑色毛发检测效果居中,灰色、白色丙纶丝检测效果不佳。综上可知,高光谱图像可以检测棉网内1-6mm深度的普通杂质、彩色丙纶丝、有色线和有色布块,能够检测部分黑色毛发和灰色丙纶丝。普通杂质的检测效果最佳。3)分类杂质和预测杂质重量的结果表明：①基于高光谱图像分割后二值图像的杂质区域特征,采用PLS预测多类丙纶丝重量的相关系数r值为0.729；基于马氏距离的DA分类丙纶丝、毛发和地膜碎片三种异性纤维,总正确率为86.10%。高光谱图像可以有效区分大类杂质。②采用棉花高分辨率近红外光谱信息,使用一阶微分光谱预处理,3个主成分的PLS预测普通杂质含量效果最好,相关系数r为0.9059,校正均方根误差为0.440,预测均方根误差为0.823。结合近红外漫反射技术和化学计量学分析方法,可以用于棉花杂质含量预测。