計算機視覺技術在棉花異性纖維檢測中的應用綜述

依馬木買買提·賽依皮丁

【摘 ?要】過去的棉花異性纖維的處理方法與儀器有相當多的缺點，如耗時長、可靠性不高、效率低等，而計算機視覺是一種無損、快速且成本較低的棉花異性纖維檢測工具，本文介紹了計算機視覺技術的概念和圖像采集模式等，根據分析了計算機視覺在棉花異性纖維的前景，旨在為今后的研究提供數據依據。

【關鍵詞】計算機視覺技術;棉花異性纖維檢測;圖像處理

我國每年都有大量的棉花生產與消費，同時也是棉產品出口大國，但是原棉加工期間不可避免的摻雜了多種異性纖維，不易清除，嚴重影響了我國棉花的質量，降低了我國棉花的競爭力[1]。過去常利用人工進行檢測，耗時長、可靠性不高且效率低。因此，如何有效清除棉花異性纖維成了棉紡界的主要問題，為了解決該問題，我國科學家對棉花異性纖維進行檢測，迄今為止，主要檢測技術包括光學檢測、超聲波與計算機視覺等。光學檢測成本高;超聲波識別慢、耗時長、小的異性纖維無法識別;計算機視覺是一種低成本、迅速、高準確率等的檢測方案。因此，本文將簡單介紹棉花異性纖維的危害，什么是計算機視覺，計算機視覺的圖像處理和分類、與計算機視覺在棉花異性纖維的前景[2]。

1.棉花異性纖維的危害

在紡紗時因紡織機械擊打、清梳等各種工序，部分會出現小纖維狀疵點等問題，導致織布時增加布面疵點，最后經過染色后形成色疵，對布面質量帶來巨大的影響，抑制生產效率的提高。棉花異性纖維問題對企業信譽造成了嚴重的負面影響，不利于紡織品的銷售與出口，對紡織企業帶來了不可逆轉的傷害。目前我國的標準對棉花異性纖維含量的指標為重量指標，但無法反應其的危害[3]。

2.計算機視覺

計算機視覺也被叫做機器視覺，是利用計算機去感知和理解，可以自動接收和分析圖像而獲取數據，該技術涉及到圖像處理、神經生物學、圖像理解等領域，與人的視覺相比較，計算機視覺范圍更廣，除了人能感受到的范圍，還可以感受到紅外線與紫外線等，因此計算機視覺技術可廣范應用于物體識別、人工智能、軍事技術、控制理論、衛星圖像分析等。計算機視覺系統組成包括，計算機、圖像采集卡、攝像機、光源、光照箱[4]。攝像機就是光電傳感器，將所要識別的對象以電信號的形式表達出來。圖像采集卡能把電信號化為數字信號，方便計算機處理，光源可照明，使計算機能快速分析圖像。

2.1圖像采集

圖像采集是檢測系統中的重要一環，也是圖像處理與分析的基礎。與圖像采集相關的系統有照明、成像、圖像系統等，其中照明系統的光源選擇十分關鍵，常用光源有自然光源、激光燈、白熾燈等。圖像采集分為反射與投射模式兩種，而棉花異性纖維檢測主要用反射模式。

3.圖像處理和分類

3.1圖像分割

圖像分割是計算機視覺的核心，包括閾值分割法、特定理論分割法等。這里面，閾值分割法具有計算簡單、速度快等優勢。

3.1.1迭代閾值

迭代閾值經過迭代過程取得最佳閾值，是一種簡單的自動閾值選取方法。隨著科技的發展，對迭代閾值進行改進后，可檢測彩色圖像的邊緣，處理速度快。

3.1.2 灰度共生矩陣

傳統的灰度共生矩陣精確度不高，經過不斷地改進與分析，終于使灰度共生矩陣方法分割白色異性纖維圖像，具有檢測時間短、精準度高的特點。

3.1.3基于顯著性的方法

在顯著圖上進行創新，得到了異性纖維彩色圖像分割法，其效果比光譜殘差法更優越，在異性纖維分割上面有許多方法，但卻不存在一種可對所有異性纖維均適用的方法。在所有棉花異性纖維中，透明與白色異性纖維是最不容易被識別出來的，只有不斷完善，不斷更新棉花圖像分割方法，才有機會處理這個問題。

3.2 分類

在計算機視覺技術應用于棉花異性纖維含量檢測時，需要準確的目標分類，這樣才能建立合理的計量模型，有助于提高檢測的精確性。分類是按照一種決策標準將每個元素分配到一個有限集合的過程，最關鍵的是首先確定分類標準，因此分類必須要先將決策函數構造出來，再用決策函數將待分類目標與制定類的相似度計算出來，最后利用構造分類規則進行分類。

分類方法有兩種，其中一種是監督分類，監督分類需要在先驗知識參與下開展，其結果為待識別樣本的類別。而先驗知識使類別的數目、特征等，得到先驗知識的方法包括利用訓練樣本、使用統計方法、機器學習等方法，例如神經網絡權重等。監督分類可以比較每個類別的特征和識別樣本特征，再根據某種相似性度量標準，把待識別樣本劃分到某個確定的類別[5]。另一種是非監督分類，非監督分類就是在沒有先驗知識的基礎下，只利用數據本身進行自然分類，分類結果僅僅對不同類別做了粗略的區分，并不能確定其類別的具體屬性，也就是說非監督分類可以將樣本區分類，卻不能將樣本描述出來，其屬性只能在結束分類后，要么采取目視判讀，要么進行實地調查，才能確定，所以，非監督分類也可聚類分析。無論是什么分類都需要有在大樣本作為基礎進行的，如果樣本數目不多，那么分類結果不能令人滿意。支持向量機是一種新型的識別方法，對小樣本等問題都能很好的解決，目前，支持向量機已經田間雜草識別、醫學超聲圖像分類等多方面進行了成功的試驗，能夠廣泛應用。

4.計算機視覺技術在棉花異性纖維檢測中的應用展望

近年來，計算機視覺技術在棉花異性纖維檢測中的應用效果上取得較為良好的成果，但因國內對該技術的研究起步晚，使得計算機視覺技術還在解決微量樣品的階段。同時，我國棉花異性纖維具有較復雜的情況，并且棉花異性纖維檢測會涉及到異性纖維分類、圖像處理等多個領域，所以異性纖維檢查還有許多問題需要解決與突破。（1）硬件設備需要改進，掌握棉花異性纖維的特性對漫反射光譜的影響，找到更科學的光源，改善棉花異性纖維成像質量。（2）研究棉花異性纖維快速處理方法，有助于減少圖像壓縮。（3）研究棉花異性纖維分類，提高正確率，將重量指標逐步改為數量指標。

5.結束語

棉花異性纖維指的是摻雜在棉花里面的毛發等纖維，我國每年都有大量的棉花生產與消費，同時也是棉產品出口大國，棉花異性纖維是影響棉紡織品質量的重要因素，我國棉紡界亟需解決的重要問題，棉花摻雜異性纖維會影響棉紡企業的效益與競爭力。當前，我國處理異性纖維主要是人力，效果不高。本文簡單綜述了計算機視覺技術在棉花異性纖維檢測中的應用，并提到了一些新算法用于圖像處理，但仍有困難存在，如圖像處理不夠快、精度不夠高，沒有適用于所有類型的異性纖維的算法，小的、白色的、透明的異性纖維難以檢測到。

參考文獻：

[1]師紅宇，管聲啟.基于視覺數據驅動的棉花異性纖維檢測[J].絲綢，2017，54（5）：36-42.

[2]張慧卿，劉永川.棉花產業異性纖維問題解決方向探討[J].中國纖檢，2018，513（5）：42-44.

[3]孫勇.論如何做好棉花異性纖維含量檢驗[J].南方農機，2017，48（8）：165-165.

[4]趙學華，王名鏡，劉雙印，等.基于聯盟博弈和極限學習機的棉花異性纖維識別方法[J].仲愷農業工程學院學報，2018，31（1）：46-52.

[5]張晨，孫世磊，石文軒，等.基于嵌入式系統的異纖清除機設計與試驗[J].農業機械學報，2017，48（8）：43-52.

（作者單位：克孜勒蘇柯爾克孜自治州纖維檢驗所）