圖像自動(dòng)識(shí)別與采集技術(shù)在麻/棉織物檢測(cè)中的應(yīng)用

潘 全，萬小蕙，夏正球

（湖北省纖維檢驗(yàn)局，湖北武漢430061）

0 引言

麻棉混紡產(chǎn)品因兼具了麻、棉纖維各自的優(yōu)點(diǎn)，不但低碳環(huán)保、透氣性好、舒適性強(qiáng)，而且具有獨(dú)特的涼爽感，與當(dāng)下紡織服裝流行趨勢(shì)相吻合，受到越來越多消費(fèi)者的青睞。纖維成分作為紡織品測(cè)試的重要質(zhì)量指標(biāo)之一，在紡織工業(yè)、商品交易和國(guó)際貿(mào)易中有極其重要的地位。對(duì)于麻/棉混紡類產(chǎn)品，由于同屬化學(xué)性質(zhì)相似的纖維素纖維，無法采用常規(guī)的化學(xué)溶解法測(cè)定其混紡比例，但可采用顯微鏡的方法進(jìn)行鑒別[1]。在2020年之前，國(guó)內(nèi)常用于麻/棉混紡產(chǎn)品檢測(cè)的相關(guān)標(biāo)準(zhǔn)為FZ/T 30003—2009《麻棉混紡產(chǎn)品定量分析方法：顯微投影法》和SN/T 0756—1999《進(jìn)出口麻/棉混紡產(chǎn)品定量分析方法：顯微鏡投影儀法》（已于2019年12月31日作廢）。這兩個(gè)標(biāo)準(zhǔn)方法主要借助于人工目光進(jìn)行識(shí)別，存在人工成本高、檢測(cè)周期長(zhǎng)、易產(chǎn)生誤差等問題，已很難滿足大批量出口和日常貿(mào)易的快速檢測(cè)需求[2]。

本文主要針對(duì)不同種類麻/棉樣本，采用基于圖像處理的自動(dòng)識(shí)別與采集分析系統(tǒng)和人工檢測(cè)的結(jié)果進(jìn)行比對(duì)分析，對(duì)該智能系統(tǒng)的準(zhǔn)確度、重復(fù)性及穩(wěn)定性進(jìn)行驗(yàn)證。

1 試驗(yàn)

1.1 處理系統(tǒng)的工作原理

1.1.1 技術(shù)原理流程圖

基于圖像處理的麻棉自動(dòng)識(shí)別與采集分析系統(tǒng)包括控制模塊、算法模塊和試驗(yàn)結(jié)果管理模塊，分析裝置通過控制單元控制XYZ高精度電動(dòng)平臺(tái)Z軸聚焦，同時(shí)沿X軸、Y軸方向聯(lián)動(dòng)平移，實(shí)現(xiàn)自動(dòng)三軸全覆蓋場(chǎng)景掃描，采集針對(duì)麻、棉纖維縱向截面形態(tài)的顯微清晰圖像，由算法模塊進(jìn)行特征目標(biāo)自動(dòng)提取、測(cè)量、識(shí)別和計(jì)數(shù)，通過試驗(yàn)結(jié)果管理模塊記錄數(shù)據(jù)并輸出纖維成分結(jié)果報(bào)告。技術(shù)原理流程圖詳見圖1。

1.1.2 纖維圖像的提取和識(shí)別

通過控制模塊采集到的高清圖像預(yù)處理后，輸入到后臺(tái)算法模塊，算法模塊調(diào)用全局清晰度判別算法單元，通過圖像梯度信息計(jì)算出對(duì)應(yīng)被測(cè)圖像清晰度值，判斷當(dāng)前場(chǎng)景對(duì)應(yīng)掃描采樣中最清晰的圖像，然后輸出圖像清晰度判別結(jié)果。

1.1.2.1 清晰度判別算法

其中：和分別是語言變量Rij和對(duì)應(yīng)的三角模糊數(shù)，當(dāng)Rij?時(shí)，F(xiàn)ij表示Rij相對(duì)于獲得的收益，Rij越優(yōu)，獲得的收益越大；當(dāng)Rij時(shí)，F(xiàn)ij表示Rij相對(duì)于產(chǎn)生的損失，Rij越劣，產(chǎn)生的損失越大；當(dāng)時(shí)，F(xiàn)ij表示Rij相對(duì)于既無獲得收益也無產(chǎn)生損失。

首先，計(jì)算圖像水平方向梯度gx和垂直方向梯度gy,然后通過水平方向梯度和垂直方向梯度按式（1）計(jì)算梯度圖，并按式（2）計(jì)算梯度方向。最后，將得到的sobel梯度圖彩色圖像轉(zhuǎn)為黑白圖像。由于圖像梯度去除了很多不必要的信息（如不變的背景色），加重了輪廓，通過比較梯度圖可得到輪廓最明顯的圖像，也是最清晰的圖像xi。

1.1.2.2 有效場(chǎng)景判別算法

通過深度學(xué)習(xí)網(wǎng)絡(luò)模型，分析判別場(chǎng)景是否有效。具體包括：圖像預(yù)處理，即將清晰度判別中最清晰的圖像通過填充的方法得到訓(xùn)練樣本；圖像識(shí)別，即通過訓(xùn)練樣本構(gòu)建Resent-18的模型進(jìn)行圖像識(shí)別；模型訓(xùn)練，即先將測(cè)試數(shù)據(jù)輸入到經(jīng)過訓(xùn)練后的模型中，獲得預(yù)測(cè)目標(biāo)類別（簡(jiǎn)單樣本、復(fù)雜樣本和背景樣本），然后將復(fù)雜樣本和背景樣本留存，將得到的簡(jiǎn)單樣本直接輸入算法模塊的目標(biāo)定位算法單元中。

1.1.2.3 目標(biāo)定位算法

目標(biāo)定位算法單元通過Mask RCNN深度學(xué)習(xí)網(wǎng)絡(luò)模型，分析定位纖維目標(biāo)位置信息，并輸出有效場(chǎng)景上對(duì)應(yīng)目標(biāo)的定位結(jié)果和輪廓信息，其定位的效果圖詳見圖2。

1.1.2.4 纖維提取算法

當(dāng)?shù)玫嚼w維目標(biāo)區(qū)域后，由于纖維大小位置及存在的交叉問題，需通過纖維提取模塊得到每根纖維。先由Mask RCNN得到每張圖像上纖維的掩碼輪廓，再建立與原圖相同大小的mask圖像。由于每張圖像中存在大小各異的不同纖維，甚至出現(xiàn)交叉，因而需將圖像轉(zhuǎn)化為二值圖，并將其中一根纖維區(qū)域的像素值設(shè)置為1（白色），其他區(qū)域的纖維像素值設(shè)置為0（黑色）；將原圖與掩碼圖進(jìn)行運(yùn)算得到結(jié)果圖，即將交叉部分分離，得到單根纖維的掩碼圖；同理，其他位置的纖維依次進(jìn)行分離，得到每一根纖維的掩碼圖；用每根纖維的輪廓計(jì)算纖維的面積，通過先驗(yàn)值篩掉大小不合適的纖維。以3×3圖像為例，結(jié)果圖像如圖3所示。

1.1.3 輸出判別結(jié)果

當(dāng)后臺(tái)算法模塊得到纖維目標(biāo)定位算法單元輸出的結(jié)果后，調(diào)用局部清晰度判別算法單元，通過局部目標(biāo)圖像梯度信息計(jì)算出局部被測(cè)圖像清晰度值，判斷當(dāng)前場(chǎng)景對(duì)應(yīng)掃描采樣中最清晰的纖維目標(biāo)，并輸出局部清晰判別結(jié)果。

1.1.4 統(tǒng)計(jì)查詢和報(bào)告導(dǎo)出

算法模塊分析完成后將分析結(jié)果輸入到結(jié)果管理模塊，結(jié)果管理模塊將對(duì)應(yīng)試驗(yàn)結(jié)果寫入到對(duì)應(yīng)的試驗(yàn)編號(hào)數(shù)據(jù)庫存儲(chǔ)。當(dāng)試驗(yàn)完成后，可在數(shù)據(jù)查詢頁面下查詢到相應(yīng)的試驗(yàn)結(jié)果，并可輸出試驗(yàn)報(bào)告。

1.2 樣本的制備

1.2.1 樣本取樣

為確保所選樣本的代表性和均勻性，參照FZ/T 30003—2009《麻棉混紡產(chǎn)品定量分析方法：顯微投影法》的取樣方法準(zhǔn)確取樣。

1.2.2 樣本制備

使用哈氏切片器作為制片工具，液體石蠟作為混勻介質(zhì)，制備纖維縱向載玻片樣本。

2 結(jié)果與討論

2.1 麻/棉混紡樣品檢測(cè)

由于目前日常檢測(cè)中常見的麻纖維主要為亞麻、苧麻及大（漢）麻，因此本文初步選用24個(gè)樣本對(duì)象，3種類別產(chǎn)品各取8個(gè)樣本分別經(jīng)過人工檢測(cè)和系統(tǒng)智能測(cè)試，測(cè)試結(jié)果見表1～3，并且通過式（3）計(jì)算兩者的偏差率。

式（3）中：

S——系統(tǒng)測(cè)試與人工測(cè)試結(jié)果的絕對(duì)偏差值，以棉纖維含量為分析對(duì)象；

Hi（C）——系統(tǒng)測(cè)試數(shù)據(jù)；

Ha（C）——人工檢測(cè)數(shù)據(jù)。

根據(jù)GB/T 29862—2013《紡織品纖維含量的標(biāo)識(shí)》標(biāo)準(zhǔn)規(guī)定，當(dāng)產(chǎn)品含有兩種及以上的纖維時(shí)，每種纖維含量允差為5%。故本試驗(yàn)以5%作為含量準(zhǔn)確度的限定值。由表1～3可知，本試驗(yàn)中3種麻/棉混紡樣本系統(tǒng)測(cè)試與人工檢測(cè)結(jié)果的差值均在限定允差范圍內(nèi)，表明系統(tǒng)測(cè)試結(jié)果準(zhǔn)確度較好。

2.2 麻/棉自動(dòng)識(shí)別與采集系統(tǒng)重復(fù)性驗(yàn)證

本試驗(yàn)采用極差法對(duì)系統(tǒng)重復(fù)性進(jìn)行驗(yàn)證。對(duì)亞麻/棉、苧麻/棉、大（漢）麻/棉3種類別樣本分別進(jìn)行6次獨(dú)立重復(fù)測(cè)試，通過式（4）計(jì)算試驗(yàn)樣本標(biāo)準(zhǔn)偏差s（x）。其中，極差系數(shù)C可通過JJF 1059.1—2012《測(cè)量不確定度評(píng)定與表示》中的極差系數(shù)表查獲：當(dāng)n=6時(shí)，C=2.53。

式（4）中：

s（x）——系統(tǒng)6次測(cè)試結(jié)果的標(biāo)準(zhǔn)偏差；

R——極差，指測(cè)試數(shù)據(jù)中最大值與最小值之差（以棉纖維含量計(jì)算）。

由表4～6可知，通過極差法計(jì)算得到3種麻/棉混紡樣本的標(biāo)準(zhǔn)偏差分別為1.4%、1.3%和1.9%，均在標(biāo)準(zhǔn)要求的2%范圍內(nèi)，表明該系統(tǒng)測(cè)試樣品結(jié)果的重復(fù)性較好，可用于麻/棉混紡產(chǎn)品的纖維含量測(cè)定。

表1 亞麻/棉混紡紗系統(tǒng)測(cè)試與人工測(cè)試結(jié)果對(duì)比

表2 苧麻/棉混紡紗系統(tǒng)測(cè)試與人工測(cè)試結(jié)果對(duì)比

表3 大（漢）麻/棉混紡紗系統(tǒng)測(cè)試與人工測(cè)試結(jié)果對(duì)比

表4 亞麻/棉混紡紗系統(tǒng)6次重復(fù)性測(cè)試結(jié)果分析

表5 苧麻/棉混紡紗系統(tǒng)重復(fù)性測(cè)試結(jié)果分析

表6 大（漢）麻/棉混紡紗系統(tǒng)重復(fù)性測(cè)試結(jié)果分析

3 結(jié)論

（1）基于圖像處理的麻/棉自動(dòng)采集與識(shí)別分析系統(tǒng)針對(duì)麻/棉混紡產(chǎn)品進(jìn)行纖維成分含量的分析測(cè)定，該系統(tǒng)的高精度X、Y、Z三軸自動(dòng)控制平臺(tái)可取代傳統(tǒng)手動(dòng)控制聚焦和手動(dòng)平移切換視場(chǎng)的人工操作方式，可自動(dòng)化完成載玻片樣品全局掃描采集圖像。

（2）通過系統(tǒng)自動(dòng)提取有效目標(biāo)，實(shí)現(xiàn)自動(dòng)識(shí)別、測(cè)量、統(tǒng)計(jì)計(jì)數(shù)，取代傳統(tǒng)的人工目光篩選和手動(dòng)標(biāo)注測(cè)量等重復(fù)操作，不僅能有效減少人工勞動(dòng)量，提高檢測(cè)效率，還可以規(guī)避測(cè)量過程中由于人的主觀因素導(dǎo)致的測(cè)量誤差，可客觀準(zhǔn)確地反映產(chǎn)品信息。

（3）基于圖像處理的麻/棉自動(dòng)采集與識(shí)別分析系統(tǒng)能夠提供客觀、穩(wěn)定、可追溯的麻/棉混紡產(chǎn)品纖維含量檢測(cè)結(jié)果，該技術(shù)的應(yīng)用可促進(jìn)紡織品檢測(cè)技術(shù)的提升，為檢測(cè)裝備智能化發(fā)展奠定了一定的技術(shù)基礎(chǔ)。