探析計算機視覺技術在纖維檢驗中的應用

汪敬育 新疆伊犁州纖維檢驗所

引言：棉紡織行業發展市場前景良好，棉紡織品市場需求量大，并作為重要出口商品，但在生產棉紡織品時，摻雜在棉花中異性纖維不易去除，嚴重影響了棉織品的質量，為解決這一限制棉紡織業發展的問題，在生產中通過使用計算機視覺技術并結合光譜分析，形成圖像采集處理，能有效的去除棉花中異性纖維。

一、計算機視覺技術功能闡述

計算機視覺技術的使用需要組成計算機視覺系統，其中組成設備包括照明裝置、攝像機、圖像處理軟件以及計算機。其中最主要的裝置為照明系統，光源為后期圖像采集提供照明，服務于后期的圖像分析處理，光源是否合適直接決定了視覺系統的精確度，以及能否得到高品質的圖像。照相機用于圖像采集和信息交換，在采集圖像時，分為反射模式和投射模式，二者不同的接收光速影響到采集光譜數據的質量，目前棉花纖維檢測中多使用反射模式，并通過計算機幀抓取器作為接口，將采集的圖像信息轉移到計算機，通過計算機技術對采集圖像進行增強、分割、特征提取和分類等操作。

二、計算機圖像識別法的分析計算模式

在棉花中進行纖維等級分類，能有效的區別棉花纖維和異性纖維。棉花異性纖維主要包括其他動物纖維毛發、編織袋絲等纖維。計算機視覺技術采用圖像識別法，對采集的圖像分析處理，對纖維等級進行分類。其中圖像分析時常用到以下的分析計算方式：第一，特征提取。這是通過搜索策略、評估函數和性能函數三方面開展算法，從而區分棉花異性纖維的顏色、形狀和紋理等特征進行等級分類。第二，遺傳算法。這種計算分析方式具有可以大規模使用的優勢，通過對異性纖維特征選擇進行隨機化搜索，從而得出更小的最優特征子集用于等級分類。再次，使用蟻群算法。這是一種較為經典的搜索方法，具有應用效率高的優點，根據整體的特征集的區間變化避免局部收斂，從而較好的得到最優特征集的較小子集分類性能。第三，使用粒子群優化算法。這是一種應用較為簡單的算法，通過使用粒子群優化算法能減少分類器訓練步驟的數量和計算的復雜性，使纖維等級分類更具有準確性以及提升搜索效率。另外，使用多目標識別方法。這種算法是基于異性纖維在識別中具有復雜性和多樣性的特點，對檢測搜索特征涉及較少難以滿足檢測需求。因此，應基于纖維的顏色、面積、形狀等特征設計組合特征的識別分析方式，使用這種識別計算方式能有效的提升纖維檢測識別的質量。并且結合復雜的檢測背景，相關研究人員提出了一種新型的皮棉中異性纖維特征快速提取算法。以上這些異性纖維根據特征開展的分析算法，都具有較大的片面性，很難適用于所有顏色、形狀和紋理特征的異性纖維。為做好纖維等級分類工作，應加強相關的研究改進。

三、計算機視覺技術應用于纖維種類鑒別的模式

第一，在進行纖維種類鑒別操作時，應該以特征基團和纖維的內部結構作為參考因素，充分利用計算機視覺技術，并整合光譜分析技術，這樣就能結合纖維不同的光譜特征情況對其進行有效地鑒別[1]。其中，具體可分析光譜變化的峰位、峰強度進行特征峰的指認和歸屬，能有效的將纖維進行區分。經過初步的區分之后，結合纖維樣品中的譜圖出現的特征吸收峰位置和強度對比分析系統圖，運用計算機視覺技術即可實現對纖維種類的識別判定。這種纖維分類的方式較為快速便捷，并且在應用發展中，隨著科技的提升，檢測識別技術也進一步完善，可以結合模式識別原理對纖維分類開展研究。隨著技術的發展有利于擴展纖維辨別的種類，可以區分化學成分相近的纖維，也可以用于分辨未經訓練集訓練的混合纖維。

第二，利用計算機視覺技術對纖維種類的圖像進行分類，從而進行有效地鑒別。根據將圖像中所有像素分類成有限數量的單個類的原理，開展分類過程，目前常用的棉花異性纖維檢測，結合圖像處理分類方法有以下幾種，其中包括：模糊聚類與神經網絡，通過實驗應用研究。首先，這種方式結合平方和、模糊聚類分析和人工神經網絡等方法，能有效的針對葉類約83%到樹皮類約93%開展精確性極高的纖維分類，并且，在進行棉花中異性纖維分類時，使用神經網絡聚類開展異性纖維分類，具有準確性高的優勢，但在進行訓練網絡時需要較多的計算時間。其次，使用粗糙集方式，這是結合數學工具實施粗糙集理論的模糊概念，常用于不確定系統的分析。應用這種粗糙集理論異性纖維分類方法，在種類分辨中具有高達90%的精確度。最后，使用支持向量機。當檢測的纖維樣品用時過度擬合成為主要問題時，可以使用這種分類識別方式，使用支持向量機有利于避免過擬合。在應用中已經研發了幾種SVM算法處理基于多類支持向量機的分類問題。相關實驗人員基于投票的一對一支持向量機和基于有向無環圖的一對一支持向量機都滿足棉花異性纖維分類的精度要求，但基于決策樹的一對多MSVM無法滿足異性纖維在線計量對分類精度的要求。采用多種分類方法將棉花異性纖維分為不同的類別，總體精度超過80%。但這種方式分類方法仍需進一步驗證，并確定它們是否可以用于某些或所有類型的異性纖維[2]。

結語：在棉花纖維中使用計算機視覺技術，通過圖像采集和分析計算等方式，能有效的去除棉花異性纖維，但在發展中仍需要進行精確性的技術改進，如提升計算機圖像處理的速度，從而提升檢測的工作效率，以及對異性纖維類型的算法很難做到通用，并對透明的異性纖維檢測仍存在困難，這些問題需要持續改進完善。