基于空間模型及連通域分析的異纖維在線檢測

陳亞軍，張二虎，牟永強

西安理工大學信息科學系，西安 710048

基于空間模型及連通域分析的異纖維在線檢測

陳亞軍，張二虎，牟永強

西安理工大學信息科學系，西安 710048

1 引言

棉花中的異性纖維（俗稱三絲）主要是指在采摘、收購、加工棉花等環節中混入棉纖維中的臟棉纖和其他纖維，如丙綸絲、頭發絲、麻纖維、布頭等，棉花中混雜的異性纖維比重雖小，但危害卻很大。目前很多棉紡企業仍主要采用人工分揀法剔除異性纖維，主觀性強，勞動成本高，且異性纖維的檢出率比較低[1-5]，因此研究開發棉花異性纖維自動檢測方法具有非常重要的意義。

目前使用的棉花異性纖維檢測系統的檢測原理大致可以分為三類[1]：光電式識別、超聲波檢測和光學式。從實際情況來看，基于光學式的方式應用最為普遍。在基于光學式的檢測系統方面，大多采用熒光和紫外光源配合的方式，也有采用紅外光源[6]和激光[7]的方式，但由于紅外相機昂貴短期內還難以應用。在棉花異性纖維圖像識別算法方面，主要有基于顏色（灰度）特征[8-11]、基于形狀特征[12]、基于紋理特征的方法[13]及其這些特征混合的方法，包括采用遺傳算法[14]及蟻群算法[15]等智能方法對這些特征進行優化選擇等。這些方法都在一定程度上取得了不錯的實驗效果。但卻存在著以下問題：一是部分算法的實驗是在實驗室仿真環境下進行的，算法參數一般固定不變，但應用到實際系統中時，受光源、相機及不同批次棉花質量的影響，檢測效果欠佳；二是部分算法過于復雜，計算時間較長，無法應用到實際的在線檢測環境當中。因此，快速高效的棉花異性纖維檢測與定位方法，是棉花異性纖維在線檢測系統中的關鍵問題。

本文從工程實際出發，開發了棉花異性纖維清除系統，基于多個線陣CCD相機采集圖像，屬于光學式異性纖維剔除系統。在棉花異性纖維檢測與定位方法方面，建立了一種基于RGB顏色空間的檢測模型及參數學習方法，具有快速、靈活的特點；而后基于連通域分析的方法，對異性纖維區域的位置進行準確定位，并考慮到剔除系統中電磁閥的滯后響應特性，提出了進行時間補償的思想，可以達到對檢測出的異性纖維進行準確定位與精準剔除的目的，以減少對原棉的浪費。

2 檢測系統結構及設計思想

開發的棉花異性纖維清除系統原理，如圖1所示。棉花采用下進上出結構，原棉吸入口接在“清梳聯”生產線的棉花開松機后，利用風機形成的負壓將開松好的棉花吸入輸棉通道中，棉流從設計的過棉通道中分別經過線陣CCD相機B和A的視場區（相機視場區通道采用透明玻璃），實現雙面檢測，相機C配合的是紫外光源，用來檢測含有增白劑的尼龍絲等白色異纖維。3個相機將圖像傳送給圖像處理單元，進行異性纖維的檢測定位，發現異性纖維后發信號給剔除系統，使相應的噴嘴噴出高壓氣體將含有異性纖維的小團棉花噴出。

圖1 棉花異纖維清除系統結構示意圖

在實際生產中，棉流速度在8～16 m/s之間，系統采用4K線陣CCD相機，行頻設置為7 000 line/s，每采集100行構成一幅待處理的彩色圖像，因此一幅大小為4 080×100的彩色圖像采集耗時14 ms。系統同時處理3個相機采集的圖像，處理數據量為252 MB/s，且需要在14 ms之內完成，這對算法的實時性提出了非常高的要求，也是系統成敗的核心問題。在最初所開發的系統中，算法需要近20 ms才能處理完一幅圖片，不能滿足要求。為此，提出研究快速高效的檢測與定位方法，同時采用多核并行優化的多線程程序思想處理不同相機的圖像，使算法耗時在3 ms之內，完全滿足實時性要求。算法的基本設計思想如圖2所示。

圖2 棉花異纖維檢測與定位方法

3 基于RGB顏色空間模型的異性纖維分割

雖然現有的有些基于顏色的異性纖維方法是在其他的顏色空間中進行的，但考慮到顏色空間轉換帶來的時間費用問題，依然采用基于RGB顏色空間的方法，提出了一種模型建立及模型參數學習的方法，具有快速高效及靈活性的特點。

3.1 棉花圖像的RGB顏色空間特征分析

一般常見的棉花都是白色的，而且基本顏色均勻，因此由相機拍攝的棉花理論上基本也是白色的，其R、G、B三個通道顏色的值是相近的[16]。但實際上，由于拍攝棉流過程中不同的角度、不同的棉流厚度對光線的反射、透射有不同的強度，使棉花圖像在亮度上有一定的變化。在RGB顏色空間中，棉花圖像的顏色值不僅分布在R=G=B的空間主軸上，在主軸周圍也有分布，理想的情況如圖3（a）所示。這樣常用的基于直方圖的高低閾值就不能完全判別，因此就需要在立體的顏色空間中建立表征棉花顏色特性的數學模型。

實驗中，選取了大量的合格棉花進行圖像采集，并將棉花點的顏色值繪制在RGB顏色空間。如圖3（b）所示，中心密集標成藍色的區域為棉花區域，可以看出棉花圖像在RGB顏色空間形成了一個紡錘狀的形體，一些脫離主軸的離散點即是異纖維的RGB像素值分布。

圖3 棉花的RGB空間分布圖

歸納起來，常見的棉花異纖維主要有三類，在RGB顏色空間的分布具有如下的特征[17]：

（1）顏色較深的顆粒狀雜質，如棉籽、木屑等，灰度值很小，分布于主軸上數值小的一端附近；

（2）淺色異性纖維，如白色丙綸絲、紙屑等，亮度較高，分布于主軸上數值大的一端附近；

（3）顏色不純的次棉或諸如雞毛、麻繩、色紙等其他顏色異性纖維，亮度值居中，但偏離了RGB顏色空間主軸。

3.2 基于空間統計模型的異性纖維分割

在RGB顏色空間內，合格的棉花范圍是如圖3（a）中，在RGB空間R=G=B的主軸線附近的類紡錘形內。實際上，如果進一步分析，發現所有棉花都完全分布在RGB三通道之和為0～765的垂直于RGB空間主軸的766個平面上（包含RGB（0，0，0）和RGB（255，255，255）兩個主軸端點），每個平面代表RGB灰度值相同的點的集合。這些平面從RGB（0，0，0）開始到RGB（255，255，255）結束，與RGB空間立方體的截面從三角形過渡到六邊形，再到三角形。具體如圖4所示，每個平面與R=G=B所形成的主軸垂直。因此，對合格的棉花范圍圖像建立如式（1）所示的平面模型。

圖4 RGB空間異性纖維分割模型圖

平面Pi：

在每個平面內與合格棉花的類紡錘形區域的截面為近似圓形，該圓形的半徑即為合格棉花的最大色差范圍。對于模型參數的學習，就是通過采集一定量的棉花樣本數據，計算該半徑的參數。由于在每個平面上的圓心的坐標具有R=G=B的特點，因此可以采用（R-G）、（R-B）、（G-B）的值近似表征平面上的其他顏色點離圓心坐標的距離遠近。這樣對于各平面上半徑參數ri的學習步驟為：在每批棉花異性纖維檢測前，先采集若干幅不含異性纖維的棉花圖，統計每個灰度級上RGB三通道色差的最大值的平均值，作為合格棉花色差模型半徑ri。即：

式（2）中要求：Rkj+Gkj+Bkj=Ci，其中T是采集的圖像樣本數，M×N為每幅圖像的大小（線陣CCD相機像元個數為4 080，采集學習樣本圖片時，每500行截取一幅圖片，所以M=4 080，N=500），(Rkj，Gkj，Bkj)表示第j幅圖像的第k個像素點的顏色值。

由于ri的學習是離線進行的，所以不會影響系統的實時性。同時，該學習過程可以根據不同批次棉花的質量進行學習，因此適應性較好，增加了系統的靈活性。在實際檢測時，可以以(R+G+B)值為索引，建立一個以合格棉花色差半徑ri為對應查找值的766×1的統計色差查找表（LUT）。這樣在檢測時，僅僅是利用(R+G+B)值進行索引查表和比較，這種簡單的處理過程，解決了算法實時性的問題。

圖5是對采集到的4 000幅棉花樣本離線學習后的統計結果，可以認為主軸附近的類紡錘體內為學習后的為正常棉花范圍，其他的部分為偏色的異纖維部分。

圖5 棉花的正常色差范圍可視化圖

以上建立的模型適合于異性纖維的亮度居中但偏離了RGB顏色空間主軸的異性纖維的判斷。對于顏色較深及顏色較亮的異性纖維的判斷，仍然基于RGB顏色空間，采用概率模型方法進行判斷。具體方法是：采集一定量的棉花樣本，統計出棉花圖像中RGB三色通道的各自的均值μR、μG、μB，方差：σR、σG、σB，然后根據概率中的3σ原則，確定出RGB三通道的高低合格棉花范圍閾值。即對某像素的顏色值(R，G，B)，若不滿足式（3）的條件，可直接判斷為異性纖維點。

由以上分析，可以得出本文所提出的異性纖維檢測方法的具體步驟為：

（1）采集若干幅不含異性纖維的棉花圖像，離線學習模型中的參數μR、μG、μB、σR、σG、σB及ri，建立統計色差查找表。

（2）對于采集到的圖像，首先判斷其顏色值(R，G，B)是否滿足式（3）條件，如不滿足，即判斷為是亮度較低或者高亮的異性纖維。

（4）經過前兩步的分割，最后圖像成為一個黑白二值圖，異性纖維被分割出來，進一步利用數學形態學中的腐蝕和膨脹運算，去除較小噪聲點。

4 棉花異性纖維定位與剔除

4.1 連通區域分析

連通區域分析就是在圖像中尋找一個或多個相似灰度的“斑點”，有時也稱為Blob分析。一般按照四鄰域或者八鄰域方式進行連通性分析，通過對Blob單元進行圖形特征分析，可以將單純的圖案灰度信息迅速轉化為圖案的形狀信息，包括圖形質心、圖形面積、圖形周長、圖形外接最小矩形，以及其他圖形信息[18-19]。該方法廣泛用于圖像特征提取和工業機器視覺檢測領域。

本文采用文獻[19]中的方法，可以一次快速地完成對異性纖維的標記。對標記出的異性纖維區域，采用公式（4）計算其中心坐標：

其中，(xi，yi)為一個異性纖維區域內第i個像素的坐標，而(X，Y)為計算出的異性纖維的中心（質心）坐標。圖6（a）為一幅含有異性纖維的棉流圖像，經過分割及連通域分析之后，圖6（b）給出了對異性纖維分割及中心定位后的結果。從圖中可以看出，異性纖維都被準確的檢測出來，說明了該方法的有效性。

圖6 連通區域分析后標記出的異纖位置及輪廓

4.2 異性纖維動態定位及準確剔除

在圖6所示的連通域分析基礎之上，對標記好的圖像進行分析，可以定位出棉花中存在的異性纖纖維的中心坐標(X，Y)。在剔除系統中，可以將棉流通道在橫向上劃分為多個區域，如圖6（b）中的虛線所示，每個區域對應一個噴閥，用于剔除該區域含有異性纖維的棉花。因此，含有異性纖維區域的X坐標對應各噴閥位置，縱向坐標Y決定噴閥的開啟時間。

連通域分析只能確定瞬間獲取的圖像中異性纖維中心坐標，而氣流輸送通道內異性纖維實際位置是不斷變化的。因此，根據異性纖維中心坐標和棉流運動速度，才可確定異性纖維的動態位置坐標。對于棉流速度的確定，本文借鑒管道粉末運動中基于圖像的測速原理[20]，基于線陣CCD相機A、B采集到圖像，采用分區域圖像匹配的方法，實現了分區域的速度測量。根據所測速度，對棉流中的異性纖維到達各噴閥的時間可以進行準確地估計與定位。

影響剔除系統準確性定位的另外一個因素是噴閥響應時間。一般電磁閥都有一個響應滯后時間，由于系統實時性強，所以對所用的高速電磁閥的響應特性作了測試，如圖7所示。

圖7 電磁閥響應特性曲線圖

從圖7中可以看出電磁閥有一個7.95 ms的啟動延遲，還有一個2.76 ms的上升時間，所以電磁閥的開啟延遲大概11 ms。因此需要對計算出的異性纖維到達對應噴閥的時間進行時間補償，即要對計算出的時間減去延遲時間，以使系統提前啟動電磁閥。最終的噴閥開啟時間補償是為了保證在有限的噴閥持續開啟持續時間內，保證實際異性纖維達到噴閥前，該區域電磁閥已經開啟；同時，異性纖維過去后，再稍持續開啟；從而保證對異性纖維進行精準的剔除，并減少對原棉的浪費。

5 實驗結果及分析

實驗是在設計的棉花異性纖維在線清除系統上進行實際測試的，系統實際運行結果表明，所提出的方法能夠檢測出彩色布頭、麻繩、雞毛、丙絲等異性纖維。同時，系統算法經過多核并行優化，在原始20 ms的基礎上，提高到3 ms之內，完全能夠滿足系統實時性要求。

由于實際中異性纖維大小、形態、顏色都各不一樣，為了測試數據的標準化，除選用實際的異纖維進行測試之外，一般都采用彩色測試紙條的方法進行系統性能的評價。實驗中主要用40 mm×2 mm的彩色紙條對算法進行了測試，圖8所示的是部分測試色條的顏色樣本。

圖8 部分測試色條的顏色樣本

測試在棉流速度約為12 m/s情況下，設置電磁閥噴吹持續時間為30 ms，多次向輸棉通道內投放各顏色彩條，每種顏色測試條每次投進棉流通道20個，進行檢測效果測試。表1所示的是多次測試的平均結果。

表1 彩色無熒光紙測試結果

進一步為了檢測算法在不同棉流速度情況下的性能，在不同的風機轉速下用40 mm×2 mm的紅、綠、藍3種顏色測試條進行檢測，每種顏色每次投放20個，每一速度下測試10次。具體平均測試結果，如表2所示。

表2 不同棉流速度下的檢測效果

從表2可以看出，棉流速度在8 m/s的情況下，由于輸棉速度慢、棉流厚，檢出的效果不太理想，噴出率在70%～75%左右；棉流速度在12 m/s和15 m/s情況下，噴出率基本一樣，在85%以上。但速度在15 m/s時，由于棉流速度快，準確噴出異纖維需要的噴閥持續噴吹時間長，落棉量稍大，最終梳棉風機選用了40 Hz頻率，梳棉速度大概在12 m/s下，進行棉花異纖維的檢測及剔除。

從實際測試的結果來看，棉流速度在10 m/s以上時候，總體上異性纖維檢出率在85%以上，噴出率在80%以上，與國內外同類系統相當。至于投進通道的彩條有些沒檢出，一部分是投進的紙條裹在棉流中了，另外就是對于淺色的異纖維，空間模型訓練的時間還不夠，隨著時間的增加，檢測效果會更精確。

6 結論

本文針對工程實際中要求檢測算法準確、高效及靈活的特點，有針對性地提出了一種基于RGB空間統計模型的異性纖維分割方法。在此基礎上，利用快速的連通區域分析方法及對棉流區域的劃分和對電磁閥時間的補償思想，可以精準地完成對異性纖維的剔除。通過對安裝在實際的生產線上的系統進行測試，結果表明所設計的算法能夠達到較高的檢出率及較精準的剔除效果，是一種行之有效的方法。

[1]郭俊先，應義斌.皮棉中雜質檢測技術與檢出裝備的研究進展[J].農業機械學報，2008，39（7）：107-113.

[2]鄭文秀，王金星，劉雙喜，等.棉花異性纖維的動態識別技術研究[J].儀器儀表學報，2009，30（10）：2203-2207.

[3]陳志國，須文波.一種機器視覺異纖高速清除系統[J].計算機工程與應用，2010，46（10）：199-201.

[4]瞿鑫，丁天懷.皮棉中異性纖維骨架快速提取算法[J].農業機械學報，2010，41（6）：177-181.

[5]郟東耀，丁天懷.棉花中異性纖維的多光譜檢測[J].清華大學學報：自然科學版，2005，45（2）：193-196.

[6]郟東耀，丁天懷.利用纖維紅外吸收特性的皮棉雜質檢測新方法[J].紅外與毫米波學報，2005，24（2）：147-150.

[7]華才健，蘇真偉，喬麗，等.基于線激光的棉花中白色異性纖維檢測[J].農業機械學報，2012，43（2）：181-185.

[8]Yang Wenzhu，Li Daoliang，Zhu Liang，et al.A new approach for image processing in foreign fiber detection[J].Computers and Electronics in Agriculture，2009，68（1）：68-77.

[9]張馨，李道亮，楊文柱，等.高分辨率棉花異性纖維彩色圖像的快速分割方法[J].農業機械學報，2011，42（1）：159-164.

[10]丁天懷，郟東耀.利用多顏色空間特征融合方法檢測近似目標[J].清華大學學報：自然科學版，2006，46（2）：176-179.

[11]Tantaswadi P，Vilainatre J，Tamaree N.Machine vision for automated visual inspection of cotton quality in textile industry usingcolorISOdiscriminationcontour[J].Computersand Industrial Engineering，1999，37（12）：347-350.

[12]Qu Xin，Ding Tianhuai.A fast feature extraction algorithm for detection of foreign fiber in lint cotton within a complex background[J].Acta Automatica Sinica，2010，36（6）：785-790.

[13]李國輝，蘇真偉，夏心怡.基于不規則成像機器視覺的棉花白色異纖檢測算法[J].農業機械學報，2010，41（5）：164-167.

[14]楊文柱，李道亮，魏新華，等.基于改進遺傳算法的棉花異性纖維目標特征選擇[J].農業機械學報，2010，41（4）：173-178.

[15]趙學華，李道亮，楊文柱，等.基于改進蟻群算法的棉花異性纖維目標特征選擇方法[J].農業機械學報，2011，42（4）：168-173.

[16]付騰，趙建軍，張磊.基于空間模型的棉花異性纖維識別算法[J].鄭州輕工業學院學報，2009，24（1）：87-90.

[17]杜春燕，呂宇濤，劉秀蘭.異纖檢測系統圖像處理數學模型和算法的研究[C]//第九屆全國青年通信學術會議論文集.北京：電子工業出版社，2004：1153-1159.

[18]左文明.連通區域提取算法研究[J].計算機應用與軟件，2006，23（1）：97-98.

[19]張二虎，馮江.Blob分析中基于游程鏈的連通區域標記[J].應用科學學報，2008，26（5）：536-540.

[20]Huang Chengjie，Wu Zhijun，Li Zhilong，et al.Simultaneous measurement of particle velocity and size based on gray difference and autocorrelation[J].Science China：Technology Science，2010，53（10）：2833-2838.

CHEN Yajun,ZHANG Erhu,MOU Yongqiang

Department of Information Science,Xi’an University of Technology,Xi’an 710048,China

Aiming at the problem of foreign fibers in cotton spinning enterprise,a fast and efficient detecting and locating method for foreign fibers in cotton is proposed.In order to achieve fast segmentation of the fibers from cotton,a detecting model of foreign fibers and the model parameters offline learning method are established in RGB color space.Then morphological processing and connected area analysis algorithm are implemented for accurate location of the different foreign fibers in cotton.Furthermore, eliminating time compensation thought is put forward according to the test of electromagnetic valve response characteristics, which can guarantee the precision of elimination of the foreign fibers.The experimental results prove that this method can achieve to detect and eliminate most of the fibers in cotton.

foreign fibers detecting;color space model;connected area analysis;electromagnetic valve;eliminating time compensation

針對一直困擾棉紡企業的異性纖維問題，從工程實際出發，提出一種快速高效的棉花異纖維在線檢測及定位方法。該方法在RGB顏色空間建立了一種判斷異性纖維的檢測模型及模型參數的離線學習方法，以實現棉花與異性纖維的快速分割；基于形態學處理及連通區域分析算法實現異纖維的準確定位。進一步通過對剔除系統中電磁閥的響應特性測試，提出了剔除時間補償的思想，可以保證對異性纖維的精準剔除。實驗結果表明，該方法能夠有效地檢測并剔除棉花中的大部分異性纖維。

異性纖維檢測；顏色空間模型；連通區域分析；電磁閥；剔除時間補償

A

TP391.41；TN911.73

10.3778/j.issn.1002-8331.1302-0009

CHEN Yajun,ZHANG Erhu,MOU Yongqiang.Online detecting method for foreign fibers based on color space model and connected area analysis algorithm.Computer Engineering and Applications,2013,49（19）：162-166.

陜西省科學技術發展研究計劃項目（No.2013K07-18）；陜西省教育廳科學研究計劃項目（No.2010JK731）。

陳亞軍（1980—），男，博士生，講師，CCF會員，主要研究方向：圖像分析與機器視覺，智能信息處理；張二虎（1965—），男，博士，教授，博士生導師，主要研究方向：圖像分析與機器視覺，模式識別，智能信息處理；牟永強（1987—），男，碩士生，研究方向：圖像處理。E-mail：chenyj@xaut.edu.cn

2013-02-04

2013-05-13

1002-8331（2013）19-0162-05