计算机视觉技术在棉花异性纤维检测中的应用综述

依马木买买提·赛依皮丁

【摘  要】过去的棉花异性纤维的处理方法与仪器有相当多的缺点，如耗时长、可靠性不高、效率低等，而计算机视觉是一种无损、快速且成本较低的棉花异性纤维检测工具，本文介绍了计算机视觉技术的概念和图像采集模式等，根据分析了计算机视觉在棉花异性纤维的前景，旨在为今后的研究提供数据依据。

【关键词】计算机视觉技术;棉花异性纤维检测;图像处理

我国每年都有大量的棉花生产与消费，同时也是棉产品出口大国，但是原棉加工期间不可避免的掺杂了多种异性纤维，不易清除，严重影响了我国棉花的质量，降低了我国棉花的竞争力[1]。过去常利用人工进行检测，耗时长、可靠性不高且效率低。因此，如何有效清除棉花异性纤维成了棉纺界的主要问题，为了解决该问题，我国科学家对棉花异性纤维进行检测，迄今为止，主要检测技术包括光学检测、超声波与计算机视觉等。光学检测成本高;超声波识别慢、耗时长、小的异性纤维无法识别;计算机视觉是一种低成本、迅速、高准确率等的检测方案。因此，本文将简单介绍棉花异性纤维的危害，什么是计算机视觉，计算机视觉的图像处理和分类、与计算机视觉在棉花异性纤维的前景[2]。

1.棉花异性纤维的危害

在纺纱时因纺织机械击打、清梳等各种工序，部分会出现小纤维状疵点等问题，导致织布时增加布面疵点，最后经过染色后形成色疵，对布面质量带来巨大的影响，抑制生产效率的提高。棉花异性纤维问题对企业信誉造成了严重的负面影响，不利于纺织品的销售与出口，对纺织企业带来了不可逆转的伤害。目前我国的标准对棉花异性纤维含量的指标为重量指标，但无法反应其的危害[3]。

2.计算机视觉

计算机视觉也被叫做机器视觉，是利用计算机去感知和理解，可以自动接收和分析图像而获取数据，该技术涉及到图像处理、神经生物学、图像理解等领域，与人的视觉相比较，计算机视觉范围更广，除了人能感受到的范围，还可以感受到红外线与紫外线等，因此计算机视觉技术可广范应用于物体识别、人工智能、军事技术、控制理论、卫星图像分析等。计算机视觉系统组成包括，计算机、图像采集卡、摄像机、光源、光照箱[4]。摄像机就是光电传感器，将所要识别的对象以电信号的形式表达出来。图像采集卡能把电信号化为数字信号，方便计算机处理，光源可照明，使计算机能快速分析图像。

2.1图像采集

图像采集是检测系统中的重要一环，也是图像处理与分析的基础。与图像采集相关的系统有照明、成像、图像系统等，其中照明系统的光源选择十分关键，常用光源有自然光源、激光灯、白炽灯等。图像采集分为反射与投射模式两种，而棉花异性纤维检测主要用反射模式。

3.图像处理和分类

3.1图像分割

图像分割是计算机视觉的核心，包括阈值分割法、特定理论分割法等。这里面，阈值分割法具有计算简单、速度快等优势。

3.1.1迭代阈值

迭代阈值经过迭代过程取得最佳阈值，是一种简单的自动阈值选取方法。随着科技的发展，对迭代阈值进行改进后，可检测彩色图像的边缘，处理速度快。

3.1.2 灰度共生矩阵

传统的灰度共生矩阵精确度不高，经过不断地改进与分析，终于使灰度共生矩阵方法分割白色异性纤维图像，具有检测时间短、精准度高的特点。

3.1.3基于显著性的方法

在显著图上进行创新，得到了异性纤维彩色图像分割法，其效果比光谱残差法更优越，在异性纤维分割上面有许多方法，但却不存在一种可对所有异性纤维均适用的方法。在所有棉花异性纤维中，透明与白色异性纤维是最不容易被识别出来的，只有不断完善，不断更新棉花图像分割方法，才有机会处理这个问题。

3.2 分类

在计算机视觉技术应用于棉花异性纤维含量检测时，需要准确的目标分类，这样才能建立合理的计量模型，有助于提高检测的精确性。分类是按照一种决策标准将每个元素分配到一个有限集合的过程，最关键的是首先确定分类标准，因此分类必须要先将决策函数构造出来，再用决策函数将待分类目标与制定类的相似度计算出来，最后利用构造分类规则进行分类。

分类方法有两种，其中一种是监督分类，监督分类需要在先验知识参与下开展，其结果为待识别样本的类别。而先验知识使类别的数目、特征等，得到先验知识的方法包括利用训练样本、使用统计方法、机器学习等方法，例如神经网络权重等。监督分类可以比较每个类别的特征和识别样本特征，再根据某种相似性度量标准，把待识别样本划分到某个确定的类别[5]。另一种是非监督分类，非监督分类就是在没有先验知识的基础下，只利用数据本身进行自然分类，分类结果仅仅对不同类别做了粗略的区分，并不能确定其类别的具体属性，也就是说非监督分类可以将样本区分类，却不能将样本描述出来，其属性只能在结束分类后，要么采取目视判读，要么进行实地调查，才能确定，所以，非监督分类也可聚类分析。无论是什么分类都需要有在大样本作为基础进行的，如果样本数目不多，那么分类结果不能令人满意。支持向量机是一种新型的识别方法，对小样本等问题都能很好的解决，目前，支持向量机已经田间杂草识别、医学超声图像分类等多方面进行了成功的试验，能够广泛应用。

4.计算机视觉技术在棉花异性纤维检测中的应用展望

近年来，计算机视觉技术在棉花异性纤维检测中的应用效果上取得较为良好的成果，但因国内对该技术的研究起步晚，使得计算机视觉技术还在解决微量样品的阶段。同时，我国棉花异性纤维具有较复杂的情况，并且棉花异性纤维检测会涉及到异性纤维分类、图像处理等多个领域，所以异性纤维检查还有许多问题需要解决与突破。（1）硬件设备需要改进，掌握棉花异性纤维的特性对漫反射光谱的影响，找到更科学的光源，改善棉花异性纤维成像质量。（2）研究棉花异性纤维快速处理方法，有助于减少图像压缩。（3）研究棉花异性纤维分类，提高正确率，将重量指标逐步改为数量指标。

5.结束语

棉花异性纤维指的是掺杂在棉花里面的毛发等纤维，我国每年都有大量的棉花生产与消费，同时也是棉产品出口大国，棉花异性纤维是影响棉纺织品质量的重要因素，我国棉纺界亟需解决的重要问题，棉花掺杂异性纤维会影响棉纺企业的效益与竞争力。当前，我国处理异性纤维主要是人力，效果不高。本文简单综述了计算机视觉技术在棉花异性纤维检测中的应用，并提到了一些新算法用于图像处理，但仍有困难存在，如图像处理不够快、精度不够高，没有适用于所有类型的异性纤维的算法，小的、白色的、透明的异性纤维难以检测到。

参考文献：

[1]师红宇，管声启.基于视觉数据驱动的棉花异性纤维检测[J].丝绸，2017，54（5）：36-42.

[2]张慧卿，刘永川.棉花产业异性纤维问题解决方向探讨[J].中国纤检，2018，513（5）：42-44.

[3]孙勇.论如何做好棉花异性纤维含量检验[J].南方农机，2017，48（8）：165-165.

[4]赵学华，王名镜，刘双印，等.基于联盟博弈和极限学习机的棉花异性纤维识别方法[J].仲恺农业工程学院学报，2018，31（1）：46-52.

[5]張晨，孙世磊，石文轩，等.基于嵌入式系统的异纤清除机设计与试验[J].农业机械学报，2017，48（8）：43-52.

（作者单位：克孜勒苏柯尔克孜自治州纤维检验所）