探析计算机视觉技术在纤维检验中的应用

汪敬育 新疆伊犁州纤维检验所

引言：棉纺织行业发展市场前景良好，棉纺织品市场需求量大，并作为重要出口商品，但在生产棉纺织品时，掺杂在棉花中异性纤维不易去除，严重影响了棉织品的质量，为解决这一限制棉纺织业发展的问题，在生产中通过使用计算机视觉技术并结合光谱分析，形成图像采集处理，能有效的去除棉花中异性纤维。

一、计算机视觉技术功能阐述

计算机视觉技术的使用需要组成计算机视觉系统，其中组成设备包括照明装置、摄像机、图像处理软件以及计算机。其中最主要的装置为照明系统，光源为后期图像采集提供照明，服务于后期的图像分析处理，光源是否合适直接决定了视觉系统的精确度，以及能否得到高品质的图像。照相机用于图像采集和信息交换，在采集图像时，分为反射模式和投射模式，二者不同的接收光速影响到采集光谱数据的质量，目前棉花纤维检测中多使用反射模式，并通过计算机帧抓取器作为接口，将采集的图像信息转移到计算机，通过计算机技术对采集图像进行增强、分割、特征提取和分类等操作。

二、计算机图像识别法的分析计算模式

在棉花中进行纤维等级分类，能有效的区别棉花纤维和异性纤维。棉花异性纤维主要包括其他动物纤维毛发、编织袋丝等纤维。计算机视觉技术采用图像识别法，对采集的图像分析处理，对纤维等级进行分类。其中图像分析时常用到以下的分析计算方式：第一，特征提取。这是通过搜索策略、评估函数和性能函数三方面开展算法，从而区分棉花异性纤维的颜色、形状和纹理等特征进行等级分类。第二，遗传算法。这种计算分析方式具有可以大规模使用的优势，通过对异性纤维特征选择进行随机化搜索，从而得出更小的最优特征子集用于等级分类。再次，使用蚁群算法。这是一种较为经典的搜索方法，具有应用效率高的优点，根据整体的特征集的区间变化避免局部收敛，从而较好的得到最优特征集的较小子集分类性能。第三，使用粒子群优化算法。这是一种应用较为简单的算法，通过使用粒子群优化算法能减少分类器训练步骤的数量和计算的复杂性，使纤维等级分类更具有准确性以及提升搜索效率。另外，使用多目标识别方法。这种算法是基于异性纤维在识别中具有复杂性和多样性的特点，对检测搜索特征涉及较少难以满足检测需求。因此，应基于纤维的颜色、面积、形状等特征设计组合特征的识别分析方式，使用这种识别计算方式能有效的提升纤维检测识别的质量。并且结合复杂的检测背景，相关研究人员提出了一种新型的皮棉中异性纤维特征快速提取算法。以上这些异性纤维根据特征开展的分析算法，都具有较大的片面性，很难适用于所有颜色、形状和纹理特征的异性纤维。为做好纤维等级分类工作，应加强相关的研究改进。

三、计算机视觉技术应用于纤维种类鉴别的模式

第一，在进行纤维种类鉴别操作时，应该以特征基团和纤维的内部结构作为参考因素，充分利用计算机视觉技术，并整合光谱分析技术，这样就能结合纤维不同的光谱特征情况对其进行有效地鉴别[1]。其中，具体可分析光谱变化的峰位、峰强度进行特征峰的指认和归属，能有效的将纤维进行区分。经过初步的区分之后，结合纤维样品中的谱图出现的特征吸收峰位置和强度对比分析系统图，运用计算机视觉技术即可实现对纤维种类的识别判定。这种纤维分类的方式较为快速便捷，并且在应用发展中，随着科技的提升，检测识别技术也进一步完善，可以结合模式识别原理对纤维分类开展研究。随着技术的发展有利于扩展纤维辨别的种类，可以区分化学成分相近的纤维，也可以用于分辨未经训练集训练的混合纤维。

第二，利用计算机视觉技术对纤维种类的图像进行分类，从而进行有效地鉴别。根据将图像中所有像素分类成有限数量的单个类的原理，开展分类过程，目前常用的棉花异性纤维检测，结合图像处理分类方法有以下几种，其中包括：模糊聚类与神经网络，通过实验应用研究。首先，这种方式结合平方和、模糊聚类分析和人工神经网络等方法，能有效的针对叶类约83%到树皮类约93%开展精确性极高的纤维分类，并且，在进行棉花中异性纤维分类时，使用神经网络聚类开展异性纤维分类，具有准确性高的优势，但在进行训练网络时需要较多的计算时间。其次，使用粗糙集方式，这是结合数学工具实施粗糙集理论的模糊概念，常用于不确定系统的分析。应用这种粗糙集理论异性纤维分类方法，在种类分辨中具有高达90%的精确度。最后，使用支持向量机。当检测的纤维样品用时过度拟合成为主要问题时，可以使用这种分类识别方式，使用支持向量机有利于避免过拟合。在应用中已经研发了几种SVM算法处理基于多类支持向量机的分类问题。相关实验人员基于投票的一对一支持向量机和基于有向无环图的一对一支持向量机都满足棉花异性纤维分类的精度要求，但基于决策树的一对多MSVM无法满足异性纤维在线计量对分类精度的要求。采用多种分类方法将棉花异性纤维分为不同的类别，总体精度超过80%。但这种方式分类方法仍需进一步验证，并确定它们是否可以用于某些或所有类型的异性纤维[2]。

结语：在棉花纤维中使用计算机视觉技术，通过图像采集和分析计算等方式，能有效的去除棉花异性纤维，但在发展中仍需要进行精确性的技术改进，如提升计算机图像处理的速度，从而提升检测的工作效率，以及对异性纤维类型的算法很难做到通用，并对透明的异性纤维检测仍存在困难，这些问题需要持续改进完善。