论文部分内容阅读
摘要：棉花是各类纺织品的重要组成，许多商品都是以棉花作为原料，棉花的质量决定着商品的质量。异性纤维是一种有害物质，其会对棉花和棉纺织品的质量造成严重的影响，也会对纺织品制造企业的发展有着非常大的影响，不利于企业的长远发展。但是在棉花市场中，有许多异性纤维的存在，想要杜绝这种现象，有关部門需要做好棉花的检测工作，使用科学的检测方法，提高异性纤维的检测效率，并在应用的过程中对检测方法进行完善和更新，这样才能避免纺织品中异性纤维的存在。
关键词：棉花；以异性纤维；检测方法
一、异性纤维的不利影响
如果将其与棉花混合在一起进行纺织品的制作，那么就会对该行业的发展造成危害。棉花中如果存在异性纤维，那么在生产中制造的过程中花费的时间是比较多的，这就影响了整体的生产效率。因为这类物质不容易被清除，在不同的加工流程中可能会导致这些纤维集中在一起，形成瑕疵点。在对制品进行上色的过程中，很容易出现上色不均匀的情况。另外，如果使用混入异性纤维的棉花进行纺织品的生产，也会在一定程度上增加投资成本。棉花在应用时需要进行采摘和加工，这一环节需要大量的工作人员，如果棉花中存在这类物质，就需要安排专门的人员进行挑拣工作，不但消耗了大量的人力和时间，也增加了投资成本。还有非常重要的一点就是对制品的质量造成影响，虽然生产企业安排了专门的人员进行异性纤维的挑拣工作，但是也会残留一些细小的异性纤维，这种程度的异性纤维也会对质量产生影响。
二、异性纤维检测中存在的问题
为了避免纺织品中存在异性纤维，使用了许多方法对其进行检测，一般会用人工操作的方法将棉花中的异性纤维挑拣出来，或者通过对各种指标的对比来确定异性纤维的含量。这几种方法在操作上是比较简单，但是从检测结果来看，也不能保证将异性纤维完全清除。第一，人工操作的过程中很容易出现失误的现象，而且对于一些肉眼无法分辨的物质就无法进行完全清除。对于棉花中比较大的杂质，采用人工的方法可以将其剔除，但是对于细小的线头、毛发，就不能全面的清理；第二，这几种检测方法操作起来过于简单，不能保证检测过程中的规范性，那么就会导致误差现象的产生。
棉花加工单位在加工的过程中会根据有关部门的规定进行相关操作，而且需要对每个批次的棉花都要进行检验，确定有害杂质的具体含量。但是在实际检测中，相关单位只是对棉花进行各种物质含量的检测，没有针对不用地区的实际情况对棉花中异性纤维的含量进行全面检测，这就无法的保证检测结果的准确性，也会对后续的应用造成影响。
三、棉花异性纤维检测方法
1、异性纤维图像特征提取与分割算法
计算机图像识别包括目标检测、特征提取以及目标识别等，均依赖于对图像的分割。图像分割是将具有特殊含义的区域分割开，分开的区域互不相交，每个区域满足特定的一致性。阈值法在图像处理及图像分割中被广泛采用，主要通过一个或多个阈值将图像灰度级分为不同部分，属于相同部分的像素属于同一物体。颜色特征、纹理特征、形状特征和空间关系特征的提取是图像处理的关键，不同的特征对应不同的识别方法，如提取颜色特征的颜色直方图法，分析纹理特征的灰度共生矩阵、自回归纹理模型、小波变换等，通过构造图像灰度梯度方向矩阵表示目标物的形状特征等。各研究者在异性纤维图像特征提取以及分割方法方面，做了大量的理论研究和数据分析，具有一定的参考价值。
小波变换作为图像处理过程中比较常用的方法，通过对棉层图像进行多尺度小波变换，检测出异性纤维的边缘，再将边缘尺寸映射到隶属度空间并求和，最后对比阈值实现线条识别。由于传统的单一尺度边缘检测算法存在无法检测线状异性纤维的问题，把棉花检测图像分割为多个连通区域，然后利用多尺度小波变换处理各个区域，再通过检测各区域阈值，实现异性纤维检测
2、不同的光谱照射条件下的检测法
在不同的光谱照射条件下，目标物会呈现出不同的成像效果。利用光谱分析，选择不同波段的光谱进行照射，提取具有某些特征的成像进行处理，可 以 提 高 异 性 纤 维 检 测 的 速 度 与 精 度。HOGAN H 利用光谱分析异性纤维的荧光特征，检测具有荧光性的杂质。杨文柱等为构建高效的异性纤维检测图像采集系统，对棉纤维和异性纤维进行光谱分析，确定针对不同异性纤维的最佳检测波段，认为具有荧光性异性纤维的最佳波段是紫外波段；带颜色异性纤维的最佳波段是可见光波段；塑料薄膜、头发、羽毛等异性纤维的最佳波段是近红外波段。华才健等通过线激光照射含有白色异性纤维的棉层，利用棉花与异性纤维对于激光不同的反射特性，获得呈双峰特性的灰度直方图，再通过图像二值化分割图像；但由于其检测原理的特殊性，此方法对于白色毛发和表面光洁度差的异性纤维检测效果不佳。LIU F 等基于棉花与异性纤维的表面特征，利用激光截面成像获取样本图像，分析其微观结构在激光照射下呈现的图像差异，识别异性纤。
3、其他类型的检测方法
本部分主要介绍遗传算法和蚁群算法。两种算法目的均为了提高图像特征空间中最有利特征的提取效率，进而提升异性纤维在线检测效率。遗传算法是一种模拟自然进化的搜索算法，适用于较大特征空间下的最优解寻找。杨文柱等利用分段式染色体管理方案，对棉花异性纤维目标多特征空间进行管理；采用分段交叉和分段变异算子优化结果，提高搜索效率，进而从原始特征空间中挑出分类能力的特征集，最终提高纤维在线分类速度。CHEN L等将最大熵模型和遗传算法相结合，进一步提高在线检测的效率。蚁群算法是一种仿生随机搜索算法，基于正反馈原理，个体相互协作，可以加快确定最优解。赵学华等基于改进的蚁群算法通过初始概率预处理方案对原始特征集处理，加快算法搜索，从原始特征空间快速挑选出分类能力最强的特征子集，提高异性纤维识别效率。
结语：
棉花异性纤维检测作为原料处理过程中的关键技术，对后续成纱、成衣品质有着重要的影响，需要不断提升异性纤维检测系统的检测效率和检测精度，提高异性纤维检测系统的易用性。基于机器视觉系统，研究者分别从不同的角度提升检测系统性能，如改变光照、改进图像处理算法、综合评价多特征等，目的都是为了提高棉花图像特征与目标异性纤维的特征对比度或者提取出异性纤维最具代表性的特征，在提高异性纤维精准定位的前提下，提升在线检测的效率。
参考文献：
[1]刘杰.棉花异性纤维含量快速检测系统的研究[D].山东农业大学，2015.
[2]孟凯.棉花异性纤维检测方法研究[D].西安理工大学，2013.
关键词：棉花；以异性纤维；检测方法
一、异性纤维的不利影响
如果将其与棉花混合在一起进行纺织品的制作，那么就会对该行业的发展造成危害。棉花中如果存在异性纤维，那么在生产中制造的过程中花费的时间是比较多的，这就影响了整体的生产效率。因为这类物质不容易被清除，在不同的加工流程中可能会导致这些纤维集中在一起，形成瑕疵点。在对制品进行上色的过程中，很容易出现上色不均匀的情况。另外，如果使用混入异性纤维的棉花进行纺织品的生产，也会在一定程度上增加投资成本。棉花在应用时需要进行采摘和加工，这一环节需要大量的工作人员，如果棉花中存在这类物质，就需要安排专门的人员进行挑拣工作，不但消耗了大量的人力和时间，也增加了投资成本。还有非常重要的一点就是对制品的质量造成影响，虽然生产企业安排了专门的人员进行异性纤维的挑拣工作，但是也会残留一些细小的异性纤维，这种程度的异性纤维也会对质量产生影响。
二、异性纤维检测中存在的问题
为了避免纺织品中存在异性纤维，使用了许多方法对其进行检测，一般会用人工操作的方法将棉花中的异性纤维挑拣出来，或者通过对各种指标的对比来确定异性纤维的含量。这几种方法在操作上是比较简单，但是从检测结果来看，也不能保证将异性纤维完全清除。第一，人工操作的过程中很容易出现失误的现象，而且对于一些肉眼无法分辨的物质就无法进行完全清除。对于棉花中比较大的杂质，采用人工的方法可以将其剔除，但是对于细小的线头、毛发，就不能全面的清理；第二，这几种检测方法操作起来过于简单，不能保证检测过程中的规范性，那么就会导致误差现象的产生。
棉花加工单位在加工的过程中会根据有关部门的规定进行相关操作，而且需要对每个批次的棉花都要进行检验，确定有害杂质的具体含量。但是在实际检测中，相关单位只是对棉花进行各种物质含量的检测，没有针对不用地区的实际情况对棉花中异性纤维的含量进行全面检测，这就无法的保证检测结果的准确性，也会对后续的应用造成影响。
三、棉花异性纤维检测方法
1、异性纤维图像特征提取与分割算法
计算机图像识别包括目标检测、特征提取以及目标识别等，均依赖于对图像的分割。图像分割是将具有特殊含义的区域分割开，分开的区域互不相交，每个区域满足特定的一致性。阈值法在图像处理及图像分割中被广泛采用，主要通过一个或多个阈值将图像灰度级分为不同部分，属于相同部分的像素属于同一物体。颜色特征、纹理特征、形状特征和空间关系特征的提取是图像处理的关键，不同的特征对应不同的识别方法，如提取颜色特征的颜色直方图法，分析纹理特征的灰度共生矩阵、自回归纹理模型、小波变换等，通过构造图像灰度梯度方向矩阵表示目标物的形状特征等。各研究者在异性纤维图像特征提取以及分割方法方面，做了大量的理论研究和数据分析，具有一定的参考价值。
小波变换作为图像处理过程中比较常用的方法，通过对棉层图像进行多尺度小波变换，检测出异性纤维的边缘，再将边缘尺寸映射到隶属度空间并求和，最后对比阈值实现线条识别。由于传统的单一尺度边缘检测算法存在无法检测线状异性纤维的问题，把棉花检测图像分割为多个连通区域，然后利用多尺度小波变换处理各个区域，再通过检测各区域阈值，实现异性纤维检测
2、不同的光谱照射条件下的检测法
在不同的光谱照射条件下，目标物会呈现出不同的成像效果。利用光谱分析，选择不同波段的光谱进行照射，提取具有某些特征的成像进行处理，可 以 提 高 异 性 纤 维 检 测 的 速 度 与 精 度。HOGAN H 利用光谱分析异性纤维的荧光特征，检测具有荧光性的杂质。杨文柱等为构建高效的异性纤维检测图像采集系统，对棉纤维和异性纤维进行光谱分析，确定针对不同异性纤维的最佳检测波段，认为具有荧光性异性纤维的最佳波段是紫外波段；带颜色异性纤维的最佳波段是可见光波段；塑料薄膜、头发、羽毛等异性纤维的最佳波段是近红外波段。华才健等通过线激光照射含有白色异性纤维的棉层，利用棉花与异性纤维对于激光不同的反射特性，获得呈双峰特性的灰度直方图，再通过图像二值化分割图像；但由于其检测原理的特殊性，此方法对于白色毛发和表面光洁度差的异性纤维检测效果不佳。LIU F 等基于棉花与异性纤维的表面特征，利用激光截面成像获取样本图像，分析其微观结构在激光照射下呈现的图像差异，识别异性纤。
3、其他类型的检测方法
本部分主要介绍遗传算法和蚁群算法。两种算法目的均为了提高图像特征空间中最有利特征的提取效率，进而提升异性纤维在线检测效率。遗传算法是一种模拟自然进化的搜索算法，适用于较大特征空间下的最优解寻找。杨文柱等利用分段式染色体管理方案，对棉花异性纤维目标多特征空间进行管理；采用分段交叉和分段变异算子优化结果，提高搜索效率，进而从原始特征空间中挑出分类能力的特征集，最终提高纤维在线分类速度。CHEN L等将最大熵模型和遗传算法相结合，进一步提高在线检测的效率。蚁群算法是一种仿生随机搜索算法，基于正反馈原理，个体相互协作，可以加快确定最优解。赵学华等基于改进的蚁群算法通过初始概率预处理方案对原始特征集处理，加快算法搜索，从原始特征空间快速挑选出分类能力最强的特征子集，提高异性纤维识别效率。
结语：
棉花异性纤维检测作为原料处理过程中的关键技术，对后续成纱、成衣品质有着重要的影响，需要不断提升异性纤维检测系统的检测效率和检测精度，提高异性纤维检测系统的易用性。基于机器视觉系统，研究者分别从不同的角度提升检测系统性能，如改变光照、改进图像处理算法、综合评价多特征等，目的都是为了提高棉花图像特征与目标异性纤维的特征对比度或者提取出异性纤维最具代表性的特征，在提高异性纤维精准定位的前提下，提升在线检测的效率。
参考文献：
[1]刘杰.棉花异性纤维含量快速检测系统的研究[D].山东农业大学，2015.
[2]孟凯.棉花异性纤维检测方法研究[D].西安理工大学，2013.