异性纤维在纱线纺织过程中容易使纱线产生断头、疵点、色差,从而严重影响纱线质量,导致纺织产品缺陷,所以很多高校及研究所都在研究异纤检测技术。目前对于异性纤维的检测还只是停留在单一的异纤剔除方面,当出现多种类异性纤维时,其检测剔除效果很不好,然而当对纱线质量要求不高的情况下,没有必要把所有异纤剔除,它只需要把那些危害较大的异纤剔除即可,基于此本课题针对多类异性纤维共存的条件下,研究如何实现优化剔除,其主要内容如下：本文提出了一种基于mean shift分割的棉花异性纤维动态识别的方法。运用mean shift方法对异纤纤维原始图像进行分割,获得清晰的二值图像；然后对二值图像进行特征提取,经初步筛选得到12个特征参数,运用层次聚类法和穷举法对12个特征参数进行逐一降维得到的不同特征维度的聚类结果,最终提取出8个有效的异纤特征参数即R均值、B均值、G均值、轮廓力矩、圆形度、一致性、熵、能量。本文提出了异性纤维纱疵模型,并推导出了典型异纤的纱疵回归方程。通过跟踪一批标准样本,收集相关数据,以长度L和面积S为自变量,疵点Y为因变量,采用回归理论建立异纤的疵点回归方程。对方程的回归系数、模型拟合度、Durbin-Watson、标准残差、Cook距离等进行了显著性检验,并建立了纱疵模型。当识别出异性纤维的类别后,将其计算出的异纤尺寸输入到回归方程中,得出疵点数,比较并确定异纤危害等级,实现优化剔除。本文最后为论证模型的正确性,进行了大量纺纱实验,通过比对实验所得结果与建立的纱疵模型得出的理论数据可知,模型预测的准确率达到了95%以上,说明异性纤维纱疵模型是正确的、有效的。研究结果表明,本文所研究的多类异性纤维共同存在的情况下,基于纱疵模型而实现的优化剔除的方法具有可行性,对于其他相关领域出现多类检测物的优化剔除具有较高的理论价值和实践价值。