探析計算機視覺技術在纖維檢驗中的應用

汪敬育 新疆伊犁州纖維檢驗所

引言：棉紡織行業(yè)發(fā)展市場前景良好，棉紡織品市場需求量大，并作為重要出口商品，但在生產棉紡織品時，摻雜在棉花中異性纖維不易去除，嚴重影響了棉織品的質量，為解決這一限制棉紡織業(yè)發(fā)展的問題，在生產中通過使用計算機視覺技術并結合光譜分析，形成圖像采集處理，能有效的去除棉花中異性纖維。

一、計算機視覺技術功能闡述

計算機視覺技術的使用需要組成計算機視覺系統(tǒng)，其中組成設備包括照明裝置、攝像機、圖像處理軟件以及計算機。其中最主要的裝置為照明系統(tǒng)，光源為后期圖像采集提供照明，服務于后期的圖像分析處理，光源是否合適直接決定了視覺系統(tǒng)的精確度，以及能否得到高品質的圖像。照相機用于圖像采集和信息交換，在采集圖像時，分為反射模式和投射模式，二者不同的接收光速影響到采集光譜數據的質量，目前棉花纖維檢測中多使用反射模式，并通過計算機幀抓取器作為接口，將采集的圖像信息轉移到計算機，通過計算機技術對采集圖像進行增強、分割、特征提取和分類等操作。

二、計算機圖像識別法的分析計算模式

在棉花中進行纖維等級分類，能有效的區(qū)別棉花纖維和異性纖維。棉花異性纖維主要包括其他動物纖維毛發(fā)、編織袋絲等纖維。計算機視覺技術采用圖像識別法，對采集的圖像分析處理，對纖維等級進行分類。其中圖像分析時常用到以下的分析計算方式：第一，特征提取。這是通過搜索策略、評估函數和性能函數三方面開展算法，從而區(qū)分棉花異性纖維的顏色、形狀和紋理等特征進行等級分類。第二，遺傳算法。這種計算分析方式具有可以大規(guī)模使用的優(yōu)勢，通過對異性纖維特征選擇進行隨機化搜索，從而得出更小的最優(yōu)特征子集用于等級分類。再次，使用蟻群算法。這是一種較為經典的搜索方法，具有應用效率高的優(yōu)點，根據整體的特征集的區(qū)間變化避免局部收斂，從而較好的得到最優(yōu)特征集的較小子集分類性能。第三，使用粒子群優(yōu)化算法。這是一種應用較為簡單的算法，通過使用粒子群優(yōu)化算法能減少分類器訓練步驟的數量和計算的復雜性，使纖維等級分類更具有準確性以及提升搜索效率。另外，使用多目標識別方法。這種算法是基于異性纖維在識別中具有復雜性和多樣性的特點，對檢測搜索特征涉及較少難以滿足檢測需求。因此，應基于纖維的顏色、面積、形狀等特征設計組合特征的識別分析方式，使用這種識別計算方式能有效的提升纖維檢測識別的質量。并且結合復雜的檢測背景，相關研究人員提出了一種新型的皮棉中異性纖維特征快速提取算法。以上這些異性纖維根據特征開展的分析算法，都具有較大的片面性，很難適用于所有顏色、形狀和紋理特征的異性纖維。為做好纖維等級分類工作，應加強相關的研究改進。

三、計算機視覺技術應用于纖維種類鑒別的模式

第一，在進行纖維種類鑒別操作時，應該以特征基團和纖維的內部結構作為參考因素，充分利用計算機視覺技術，并整合光譜分析技術，這樣就能結合纖維不同的光譜特征情況對其進行有效地鑒別[1]。其中，具體可分析光譜變化的峰位、峰強度進行特征峰的指認和歸屬，能有效的將纖維進行區(qū)分。經過初步的區(qū)分之后，結合纖維樣品中的譜圖出現的特征吸收峰位置和強度對比分析系統(tǒng)圖，運用計算機視覺技術即可實現對纖維種類的識別判定。這種纖維分類的方式較為快速便捷，并且在應用發(fā)展中，隨著科技的提升，檢測識別技術也進一步完善，可以結合模式識別原理對纖維分類開展研究。隨著技術的發(fā)展有利于擴展纖維辨別的種類，可以區(qū)分化學成分相近的纖維，也可以用于分辨未經訓練集訓練的混合纖維。

第二，利用計算機視覺技術對纖維種類的圖像進行分類，從而進行有效地鑒別。根據將圖像中所有像素分類成有限數量的單個類的原理，開展分類過程，目前常用的棉花異性纖維檢測，結合圖像處理分類方法有以下幾種，其中包括：模糊聚類與神經網絡，通過實驗應用研究。首先，這種方式結合平方和、模糊聚類分析和人工神經網絡等方法，能有效的針對葉類約83%到樹皮類約93%開展精確性極高的纖維分類，并且，在進行棉花中異性纖維分類時，使用神經網絡聚類開展異性纖維分類，具有準確性高的優(yōu)勢，但在進行訓練網絡時需要較多的計算時間。其次，使用粗糙集方式，這是結合數學工具實施粗糙集理論的模糊概念，常用于不確定系統(tǒng)的分析。應用這種粗糙集理論異性纖維分類方法，在種類分辨中具有高達90%的精確度。最后，使用支持向量機。當檢測的纖維樣品用時過度擬合成為主要問題時，可以使用這種分類識別方式，使用支持向量機有利于避免過擬合。在應用中已經研發(fā)了幾種SVM算法處理基于多類支持向量機的分類問題。相關實驗人員基于投票的一對一支持向量機和基于有向無環(huán)圖的一對一支持向量機都滿足棉花異性纖維分類的精度要求，但基于決策樹的一對多MSVM無法滿足異性纖維在線計量對分類精度的要求。采用多種分類方法將棉花異性纖維分為不同的類別，總體精度超過80%。但這種方式分類方法仍需進一步驗證，并確定它們是否可以用于某些或所有類型的異性纖維[2]。

結語：在棉花纖維中使用計算機視覺技術，通過圖像采集和分析計算等方式，能有效的去除棉花異性纖維，但在發(fā)展中仍需要進行精確性的技術改進，如提升計算機圖像處理的速度，從而提升檢測的工作效率，以及對異性纖維類型的算法很難做到通用，并對透明的異性纖維檢測仍存在困難，這些問題需要持續(xù)改進完善。