伏廣偉,張珍竹,李紅英,張志榮,韓文霞,劉建勇
(1.中國(guó)紡織工程學(xué)會(huì),北京 100025;2.佛山中紡聯(lián)檢驗(yàn)技術(shù)服務(wù)有限公司,廣東 佛山 528211;3.天津工業(yè)大學(xué),天津 300387)
隨著經(jīng)濟(jì)的不斷發(fā)展,人們?cè)絹?lái)越追求服裝的舒適和健康[1]。棉纖維和麻纖維作為天然纖維,綠色健康,經(jīng)過(guò)混紡而成的麻棉織物作為一種兼具棉的柔軟和麻的挺括特點(diǎn)的織物,在市場(chǎng)上越來(lái)越受到消費(fèi)者的歡迎[2]。麻棉織物中的成分含量不同,其理化性能差異較大,且棉纖維與麻纖維的價(jià)格不同,因此企業(yè)需要依托第三方檢測(cè)機(jī)構(gòu)對(duì)麻纖維和棉纖維進(jìn)行檢測(cè)識(shí)別,以確定紗線中的棉與麻的纖維含量,從而進(jìn)行合理定價(jià)。
國(guó)內(nèi)對(duì)于纖維含量的檢測(cè)主要根據(jù)GB 18401-2010《國(guó)家紡織產(chǎn)品基本安全技術(shù)規(guī)范》[3]和GB/T 5296.4-2012《消費(fèi)品使用說(shuō)明第4 部分:紡織品和服裝》[4]進(jìn)行,主要分為物理法和化學(xué)法。由于棉纖維和麻纖維同屬于纖維素纖維,其混紡產(chǎn)品無(wú)法用化學(xué)溶解的方式測(cè)定其成分含量,因此檢測(cè)人員通常用纖維顯微鏡橫截面測(cè)定法來(lái)觀察棉纖維和麻纖維的物理結(jié)構(gòu)特征。棉纖維天然轉(zhuǎn)曲,具有腰圓中腔的結(jié)構(gòu),麻纖維兩端尖細(xì)中部較粗,沿纖維方向上的形態(tài)大致為矩形,具有橫節(jié)豎紋的結(jié)構(gòu)[5],兩種纖維在形態(tài)結(jié)構(gòu)上具有明顯差異,熟練的檢測(cè)人員可做到50 分鐘檢測(cè)完成一個(gè)樣品的檢測(cè)。
針對(duì)人工檢測(cè)的檢測(cè)時(shí)間長(zhǎng),成本高,主觀因素影響較大的問(wèn)題,采用人工智能技術(shù)對(duì)檢測(cè)流程的改造就十分具有必要性了。本文在介紹了人工智能技術(shù)鑒別麻棉纖維主要過(guò)程的基礎(chǔ)上,重點(diǎn)對(duì)圖像處理技術(shù)在麻棉纖維檢測(cè)領(lǐng)域的發(fā)展現(xiàn)狀進(jìn)行了系統(tǒng)的梳理和總結(jié),并對(duì)人工智能技術(shù)在檢測(cè)領(lǐng)域的發(fā)展前景進(jìn)行了展望。
目前國(guó)內(nèi)主要依照AATCC 20A 纖維定量分析中的顯微鏡法來(lái)測(cè)定麻棉纖維的混紡比[6-8]。在結(jié)合人工智能技術(shù)進(jìn)行自動(dòng)化識(shí)別過(guò)程中,主要是對(duì)麻棉纖維的纖維圖像進(jìn)行采集,隨后進(jìn)行圖像的預(yù)處理,特征值提取,最后進(jìn)行麻棉纖維的識(shí)別具體過(guò)程(如圖1 所示)。
基于人工智能技術(shù)的麻棉纖維自動(dòng)圖像采集技術(shù),主要是以自動(dòng)聚焦、多焦面圖像融合和圖像拼接技術(shù)三部分的技術(shù)進(jìn)行組合而成的,其中最主要的部分是自動(dòng)聚焦技術(shù)[9]。棉纖維天然轉(zhuǎn)曲,麻棉纖維在制樣中容易出現(xiàn)交叉現(xiàn)象,因此同一視野下存在多個(gè)焦平面,普通光學(xué)顯微鏡景深較短,無(wú)法對(duì)多個(gè)焦平面進(jìn)行清晰地對(duì)焦。因此基于人工智能技術(shù)的自動(dòng)聚焦技術(shù)能解決傳統(tǒng)光學(xué)顯微鏡的不足,并且調(diào)節(jié)速度和靈敏度也比手動(dòng)調(diào)節(jié)快,大大加快了纖維圖像采集的效率。
圖1 人工智能技術(shù)鑒別麻棉纖維技術(shù)路線圖
纖維圖像采集成功后,在預(yù)處理過(guò)程中常常會(huì)遇到光照不勻、噪聲、虛影等問(wèn)題,因此需要對(duì)這些問(wèn)題進(jìn)行處理,避免影響后續(xù)的特征值提取過(guò)程。纖維圖像的預(yù)處理主要包括圖像的灰度化處理[10]、雜質(zhì)噪聲濾除、圖像增強(qiáng)處理、圖像偏斜矯正以及圖像邊緣提取與修補(bǔ)[11-13]。
麻棉纖維的差異主要集中在物理結(jié)構(gòu)上,需要剔除顏色對(duì)人工智能技術(shù)對(duì)麻棉纖維識(shí)別的干擾,因此需要對(duì)纖維圖像進(jìn)行灰度化處理。處理后的圖片依舊存在許多干擾因素,如氣泡雜質(zhì)等噪聲干擾,此時(shí)需要對(duì)圖像的雜質(zhì)噪聲進(jìn)行濾除,從而利于后續(xù)的邊緣特征值提取。后續(xù)則需要對(duì)圖像的細(xì)節(jié)部分進(jìn)行特征強(qiáng)化,同時(shí)進(jìn)行圖像的矯正與修補(bǔ),使灰度區(qū)間與灰度級(jí)增大,細(xì)節(jié)特征更清晰,增強(qiáng)識(shí)別效率。
棉纖維和麻纖維的形態(tài)結(jié)構(gòu)不同,因此可以通過(guò)提取細(xì)節(jié)部分不同的特征情況來(lái)對(duì)兩種纖維進(jìn)行區(qū)分。Baker[14]最早將圖像處理技術(shù)運(yùn)用到紡織領(lǐng)域,通過(guò)IIMC 系統(tǒng)準(zhǔn)確計(jì)算了棉纖維縱向投影上的平均寬度,測(cè)定了棉纖維的截面形態(tài)結(jié)構(gòu),開(kāi)始將棉纖維的特征參數(shù)納入圖像處理技術(shù)的考核范圍。隨后D.P.Thibodeaux[15]改進(jìn)這項(xiàng)技術(shù),測(cè)出了棉纖維縱向的投影尺寸分布,通過(guò)一系列特征指標(biāo)來(lái)推斷棉纖維的成熟度。Matic-LeighR.[16]等人澤分析纖維的橫截面圖像,分析出了胞壁厚度、纖維寬度、成熟度系數(shù)、成熟度比率及胞壁厚度系數(shù)等指標(biāo)。
國(guó)內(nèi)的余序芬和吳兆平同樣對(duì)纖維的縱向結(jié)構(gòu)進(jìn)行分析,通過(guò)對(duì)棉纖維和麻纖維的大量識(shí)別,選取了纖維直徑、CV 值和充滿度三個(gè)特征值來(lái)對(duì)麻棉纖維進(jìn)行自動(dòng)識(shí)別[17-18]。徐回祥澤[19]選取CV 值、苧麻橫節(jié)數(shù)和纖維扭曲度三個(gè)特征值來(lái)識(shí)別麻棉混紡紗的混紡比。趙宇濤則[20]選取了纖維圖像的直徑比、直徑標(biāo)準(zhǔn)差、平均扭曲度、最大扭曲度、整體充滿度和充滿度標(biāo)準(zhǔn)差這六個(gè)特征值進(jìn)行特征強(qiáng)化,識(shí)別效率較高。
隨著人工智能技術(shù)的不斷發(fā)展,特征值參數(shù)與BP 神經(jīng)網(wǎng)絡(luò)的組合識(shí)別模式使得識(shí)別準(zhǔn)確率與效率越來(lái)越高,未來(lái)人工智能技術(shù)在檢測(cè)領(lǐng)域的應(yīng)用發(fā)展前景廣闊。
正確識(shí)別了麻棉纖維的特征值后,相關(guān)機(jī)構(gòu)會(huì)基于sigmoid 型變換函數(shù)來(lái)對(duì)特征值參數(shù)進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練,通過(guò)多個(gè)輸入多個(gè)特征值參數(shù)對(duì)結(jié)果進(jìn)行判斷,可逐步訓(xùn)練學(xué)習(xí)過(guò)程,通過(guò)錯(cuò)誤反饋來(lái)逼近期望輸出值,提高識(shí)別正確率。
人工智能技術(shù)不止是可以應(yīng)用到麻棉纖維鑒別,也可以識(shí)別各類具有不同縱向形態(tài)與截面特征的纖維,但是識(shí)別各種纖維的過(guò)程中均會(huì)遇到特征值識(shí)別不清晰的問(wèn)題。麻棉纖維鑒別過(guò)程中主要存在兩類干擾因素。一類是纖維本身固有特征存在缺陷,如棉纖維自身品質(zhì)問(wèn)題,導(dǎo)致天然轉(zhuǎn)曲、腰圓中腔的特征不明晰,就會(huì)出現(xiàn)無(wú)法識(shí)別或誤判。一類是統(tǒng)計(jì)特征參數(shù)誤差,纖維的狀態(tài)各不相同,設(shè)定的閾值往往不能完全完全對(duì)纖維的特征值進(jìn)行完全覆蓋,且各類纖維特征參數(shù)分布有交叉的地方,因此識(shí)別誤差是無(wú)法消除的,并且誤差難以估計(jì)[21]。
盡管關(guān)于人工智能技術(shù)運(yùn)用到麻棉纖維檢測(cè)領(lǐng)域的研究已經(jīng)有了一定的進(jìn)展,但很多的關(guān)于麻棉纖維自動(dòng)化檢測(cè)的結(jié)果都是在樣品條件較好的條件下得出的,與實(shí)際遇到的檢測(cè)情況有所出入。當(dāng)前主要的人工智能技術(shù)在棉麻纖維識(shí)別過(guò)程中出現(xiàn)的問(wèn)題如下。
在麻棉纖維采集的過(guò)程中,常常會(huì)出現(xiàn)麻棉纖維相互交錯(cuò)的情況,此時(shí)纖維圖像的提取存在困難,無(wú)法得到完整圖像,因此需要進(jìn)行進(jìn)一步的研究改進(jìn)。
目前關(guān)于麻棉纖維的特征值選取已經(jīng)從開(kāi)始的三種,逐步發(fā)展到了現(xiàn)在的六種之多。但是對(duì)于過(guò)于成熟及未成熟的棉纖維,其天然轉(zhuǎn)曲不明顯,直徑變化不大,輪廓形態(tài)與亞麻纖維接近,現(xiàn)有的特征值提取選擇容易導(dǎo)致人工智能識(shí)別不清,出現(xiàn)誤差。因此更適合鑒別麻棉纖維的特征值還需要進(jìn)行進(jìn)一步的歸納與提取。
目前人工智能技術(shù)運(yùn)用在麻棉纖維的實(shí)際檢測(cè)情況還不多,實(shí)驗(yàn)室內(nèi)主要對(duì)一個(gè)地區(qū)生產(chǎn)的棉纖維和麻纖維進(jìn)行了神經(jīng)網(wǎng)絡(luò)訓(xùn)練,當(dāng)不同地區(qū)不同品種的棉纖維和麻纖維進(jìn)行識(shí)別檢測(cè)的數(shù)據(jù)不足,其識(shí)別精確度不好,因此在后續(xù)研究中,需要繼續(xù)訓(xùn)練,完善神經(jīng)網(wǎng)絡(luò)。
人工智能技術(shù)賦能檢測(cè)行業(yè),能夠通過(guò)自動(dòng)化的檢測(cè)技術(shù)大大減輕檢測(cè)人員的工作強(qiáng)度,不斷提高識(shí)別效率和準(zhǔn)確率?;谌斯ぶ悄芗夹g(shù)的自動(dòng)化檢測(cè)是的檢測(cè)行業(yè)的發(fā)展趨勢(shì),也是行業(yè)環(huán)境不斷演變的大方向。
人工智能技術(shù)進(jìn)行特征值識(shí)別的研究逐步引起了廣泛關(guān)注,本文首先總結(jié)了當(dāng)前人工智能技術(shù)鑒別麻棉纖維的基本方法,包括纖維圖像采集、纖維圖像預(yù)處理、特征值提取和纖維識(shí)別技術(shù),其次從影響麻棉纖維準(zhǔn)確識(shí)別的干擾因素進(jìn)行分析,總結(jié)了人工智能技術(shù)應(yīng)用在麻棉纖維鑒別過(guò)程中常見(jiàn)的問(wèn)題。通過(guò)從原理出發(fā),分析實(shí)際鑒別過(guò)程中出現(xiàn)的問(wèn)題,建立起人工智能技術(shù)鑒別麻棉纖維的整體思路框架,從而進(jìn)一步推動(dòng)對(duì)人工智能技術(shù)在檢測(cè)行業(yè)的進(jìn)一步發(fā)展。