基于高光譜成像技術的棉花雜質檢測方法的研究.pdf

1、棉花是重要的經(jīng)濟作物，是紡織工業(yè)的重要原料。棉花雜質不僅影響棉花定級和定價，同時影響棉花軋花和紡紗效果，以及最終棉紡織品的質量。國內外學者采用機器視覺技術、斷層X光攝影和紫外熒光成像等技術，能夠有效檢測棉花中著色較深、面積較大和含有熒光物質的部分雜質。但是，針對棉花表面纖細、淺色、白色和透明雜質，以及棉花內部的常見雜質，檢測效果不佳。
　　 本研究基于高光譜成像分析系統(tǒng)，以梳棉表面一些難檢的異性纖維，梳棉內部不同深度的常見雜質為

2、研究對象，分別采用高光譜圖像中不同信息，建立雜質檢測的方法和算法，并以分割后二值圖像進行雜質重量預測和分類分析。研究主要內容包括三部分：⑴針對梳棉表面難檢雜質，采用主成分分析(PCA，Principle component analysis)、獨立成分分析(ICA，Independent component analysis)、雙波段比分析和波長合并方法，提取高光譜圖像的最佳分割圖像，以較優(yōu)的預處理和分割方法獲得二值圖像；獲取高光譜圖像

3、中雜質和梳棉像素光譜，選擇較優(yōu)的判別函數(shù)，采用判別分析(DA，Discriminant analysis)方法分類像素獲得二值圖像；對比基于線性判別分析(LDA，Linear discriminant analysis)、面積過濾器、形態(tài)學處理、面積過濾器和形態(tài)學的組合方法剔除二值圖像中偽目標的效果，建立梳棉表面單類雜質檢測算法；使用最佳分割波長圖像，采用灰度平均和小波融合兩種方法，建立梳棉表面多類雜質檢測算法；采集相同空間分辨率的RG

4、B圖像作為對照，比較高光譜圖像檢測雜質的效果。⑵針對梳棉內部不同深度的常見雜質，使用像素分類方法和二值圖像后處理方法，建立梳棉內層雜質的檢測算法；對比過濾(filter)和包裝(wrapper)特征選擇等方法，確定雜質像素分割的最佳波長集合。⑶針對高光譜圖像雜質分割二值圖像區(qū)域的相關特征，采用偏最小二乘(PLS，Partial least square)回歸和多元線性回歸(MLR，Multiple linear regression)方

5、法預測分析雜質重量，采用DA分析方法分類多種異性纖維；采集梳棉高分辨率近紅外漫反射光譜信息，分析PLS預測普通雜質含量的效果。
　　 本研究的目的是評價高光譜成像技術檢測梳棉表面一些難檢雜質和梳棉內層常見雜質的可行性，為高光譜成像技術應用于棉花雜質檢測設備開發(fā)提供依據(jù)。采用波長選擇方法，分析獲得像素分類的最佳波長集合，為多光譜成像技術在線分揀棉花雜質的濾波片選擇奠定研究基礎。研究結果和結論如下：⑴在波長460-900 nm范圍內

6、，高光譜圖像中波長圖像適合于灰色、白色的條狀或塊狀異性纖維的檢測，主成分圖像適合黑色和白色的纖細異性纖維檢測，獨立成分圖像適合灰色、白色和透明的異性纖維檢測。采用Sobel算子邊界提取和形態(tài)學處理分割上述圖像，結合LDA的二值圖像后處理方法，驗證集異性纖維識別率為79.51％。⑴采用wrapper波長選擇方法確定像素分類最佳波長集，基于二次判別分析(QDA，Quadratic discriminant analysis)分類高光譜圖像中

7、空間像素點，構造雜質分割二值圖像，使用LDA判定二值圖像中區(qū)域屬性，剔除偽目標區(qū)域，異性纖維總識別率為79.17％。其中黑色人發(fā)和灰色丙綸絲識別率達到100％，黑色豬毛識別率達為95.65％，白色丙綸絲的識別率達到90.36％，透明地膜碎片識別率為67.21％。⑶單類雜質分割的最佳波長圖像做灰度平均可以檢測多類難檢雜質，訓練集和驗證集中雜質識別率分別為84.09％和75.86％。針對黑色毛發(fā)、灰色和白色丙綸絲等多類異性纖維，驗證集中識別

8、率為100％，白色豬毛不能識別。⑷使用相同的圖像分割和后處理方法，黑色毛發(fā)的高光譜圖像和RGB圖像識別率分別是97.10％和81.48％。高光譜圖像可以檢測出44.44％的白色豬毛，RGB圖像不能檢測白色豬毛。⑸采用QDA分類高光譜圖像中空間像素點，構造雜質分割二值圖像，結合面積過濾器和形態(tài)學組合方法處理二值圖像，采用全波長信息，在深度為1-2 mm、3-4 mm和5-6 mm的棉網(wǎng)內，雜質識別率分別為87.8％、79.5％和82.6％

9、，其中，普通雜質識別率分別為95.5％、80.7％和82.6％。采用包裝法選擇的最優(yōu)波長集合，三種深度的雜質識別率分別為66.6％、57.5％和72.8％。⑹采用全波長信息，在深度為1-2 mm和3-4 mm棉網(wǎng)內，異性纖維的識別率分別為81.9％和60.6％。使用最優(yōu)波長集合，異性纖維的識別率分別為77.1％和49.3％。彩色丙綸絲、有色線和有色布塊的檢測效果最佳，黑色毛發(fā)檢測效果居中，灰色、白色丙綸絲檢測效果不佳。⑺基于高光譜圖像分

10、割后二值圖像的雜質區(qū)域特征，采用PLS預測多類丙綸絲重量的相關系數(shù)r值為0.729；基于馬氏距離的DA分類丙綸絲、毛發(fā)和地膜碎片三種異性纖維，總正確率為86.10％。高光譜圖像可以有效區(qū)分大類雜質。⑻采用棉花高分辨率近紅外光譜信息，使用一階微分光譜預處理，3個主成分的PLS預測普通雜質含量效果最好，相關系數(shù)r為0.9059，校正均方根誤差為0.440，預測均方根誤差為0.823。結合近紅外漫反射技術和化學計量學分析方法，可以用于棉花雜質