高光譜成像技術(shù)在紡織檢測領(lǐng)域的研究進(jìn)展

梁慧芳，張惠芳，從明芳，陳澤潭，孫 沖

(浙江省輕工業(yè)品質(zhì)量檢驗(yàn)研究院，杭州 310018)

紡織制品成分分析和色牢度檢測是現(xiàn)代紡織領(lǐng)域質(zhì)量控制的關(guān)鍵，也是紡織品常規(guī)的檢測項(xiàng)目。紡織品成分分析有定性和定量兩種方式，定性分析通常以查看纖維燃燒狀態(tài)、顯微鏡下觀察纖維形態(tài)為主；定量分析采用化學(xué)溶解法、手工拆分法。這些方法過程復(fù)雜耗時(shí)長，測試時(shí)要對樣品進(jìn)行破壞，化學(xué)試劑對檢測人員的身體健康和環(huán)境存在損害。基于近紅外光譜的定量分析方法在2018年發(fā)布了行業(yè)標(biāo)準(zhǔn)，由于校正模型建立的復(fù)雜性和不同設(shè)備之間的不通用性，該技術(shù)在檢測機(jī)構(gòu)中的應(yīng)用還不是很多。紡織品色牢度是與產(chǎn)品安全性能有關(guān)的重要指標(biāo)之一，目前最常用的評級方法是目光評級法[1]，通過觀察試驗(yàn)前后試樣的顏色變化，通過對照標(biāo)準(zhǔn)灰卡來評級，檢驗(yàn)人員上崗之前需要經(jīng)過長時(shí)間的培訓(xùn)、目光校正，檢測結(jié)果受檢測人員的主觀因素影響也比較大。

高光譜成像技術(shù)最早起源于高光譜遙感技術(shù)，其分辨率可達(dá)到2～3 nm數(shù)量級，融合了二維成像和光譜技術(shù)，具有波段多、通道連續(xù)等特點(diǎn)，可以同時(shí)獲取待測物的空間及光譜信息[2-3]。經(jīng)過近些年的快速發(fā)展，該技術(shù)已經(jīng)在遙感監(jiān)測[4]、食品品質(zhì)及安全[5]、農(nóng)作物病蟲害監(jiān)測[6]、醫(yī)療診斷[7]、航天領(lǐng)域[8]等有了大量的研究和應(yīng)用，但是在紡織檢測中的研究尚在起步階段，一些研究在高校和科研機(jī)構(gòu)進(jìn)行，在紡織品成分分析和紡織品顏色測量研究方面也取得了一定的成果。本文對高光譜成像技術(shù)的成像原理、設(shè)備裝置和數(shù)據(jù)處理方法進(jìn)行了簡單的介紹，對該技術(shù)在棉花雜質(zhì)檢測、紡織品成分分析及顏色測量等方面的研究進(jìn)展進(jìn)行了總結(jié)分析，并對該技術(shù)在紡織檢測領(lǐng)域的研究應(yīng)用提出了思路和方向。

1 高光譜成像技術(shù)介紹

1.1 高光譜成像原理

高光譜成像技術(shù)主要融合了光學(xué)、電子學(xué)、數(shù)字圖像信息處理及計(jì)算機(jī)科學(xué)等技術(shù)，是一門新興的無接觸式檢測技術(shù)[9]。其產(chǎn)生的圖像具有空間和光譜兩重信息，每個(gè)像素都保存相應(yīng)位置的光譜信息，光譜也反映該特定像素的信息。高光譜成像一般有兩種系統(tǒng)，一種是基于濾波片的成像系統(tǒng)，其裝置主要由電荷耦合器件(CCD)攝像頭和濾波片組成[10]；另一種是基于圖像光譜儀的高光譜圖像系統(tǒng)，如 圖1 所示，主要由CCD或相機(jī)、光譜儀、照明單元、采集控制及處理軟件組成[5,11]。圖像采集方式有逐點(diǎn)掃描式、線推掃式以及面幀式，目前應(yīng)用最多的是線推掃式。圖像光譜儀的核心部件是棱鏡-光柵-棱鏡(PGP)單元，并配備狹縫，在推掃過程中待測物一條窄帶的反射光束通過PGP單元，被色散后投射到CCD探測器上，物體表面的多個(gè)條帶光譜圖像進(jìn)行拼接，得到整個(gè)物體的高光譜圖像[12]。光譜采集方式包含反射、透射、散射和熒光4種模式[13]，其光譜覆蓋面包含紫外、可見光、近紅外和中紅外區(qū)域，所獲波段信息量大、分辨率高、連續(xù)性強(qiáng)，可為待測物體屬性分析與判斷提供依據(jù)[14]。

圖1 高光譜成像系統(tǒng)示意Fig.1 Schematic diagram of hyperspectral imaging system

1.2 高光譜圖像數(shù)據(jù)分析

高光譜圖像數(shù)據(jù)處理的分析方法有很多，一般的分析流程是對原始光譜信息進(jìn)行校正和預(yù)處理之后進(jìn)行降維，選擇關(guān)鍵信息建立模型進(jìn)行結(jié)果分析。

數(shù)據(jù)校正與預(yù)處理：原始高光譜圖像信息是能量值，圖像采集過程受外界光照強(qiáng)度、試樣表面陰影等的影響較大，需要通過白板校正獲取反射率或吸收率。圖像預(yù)處理可以通過直方圖均值化或主成分分析(Principle component analysis, PCA)，常用的光譜信息預(yù)處理方法[15-16]有平滑(Smoothing)、求導(dǎo)(Derivatives)、遺傳算法(Genetic algorithm, GA)、歸一化(Normalization, NOR)、標(biāo)準(zhǔn)正態(tài)變量變換(Standard normal variable transformation, SNV)和多元散射校正(Multiplicative scattering correction, MSC)等。經(jīng)過數(shù)據(jù)校正和預(yù)處理，有助于提高高光譜的信噪比以及實(shí)現(xiàn)原始光譜數(shù)據(jù)的挖掘。

數(shù)據(jù)降維：對于圖像信息，可以直接提取具有代表性的單一或幾個(gè)波長范圍內(nèi)的圖像，也可以采用主成分分析法、最小噪聲分離法(Minimum noise fraction, MNF)、獨(dú)立成分分析法(Independent components analysis, ICA)等獲取關(guān)鍵的主成分圖像，還可以采用波段比算法、差分算法等提取數(shù)個(gè)特征波長圖像，計(jì)算獲得新的圖像。對于光譜信息，可以以全部目標(biāo)像素或感興趣區(qū)域的像素光譜平均后獲得平均光譜信息，也可以提取每個(gè)像素的光譜信息用于像素分類分析[11]。

模型建立與分析：使用圖像信息，可以采用各種圖像處理技術(shù)對圖像進(jìn)行分割獲取有效信息，提取相關(guān)特征參數(shù)建立模型。使用光譜信息，可以采用化學(xué)計(jì)量學(xué)方法如多元線性回歸(Multiple linear regression, MLR)、主成分回歸(Principal component regression, PCR)、偏最小二乘回歸(Partial least squares regression, PLSR)、支持向量機(jī)(Support vector machine, SVM)、人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network, ANN)等，建立定性或定量分析模型[11,15]。在樣本集挑選時(shí)可以根據(jù)分析方法的不同來選擇，如定性分析可以用隨機(jī)挑選法、Kennard-Stone法等，定量分析中可以用含量梯度法和SPXY法等[17]。

2 在紡織檢測領(lǐng)域的研究進(jìn)展

2.1 棉花雜質(zhì)檢測

高光譜成像技術(shù)最早與紡織領(lǐng)域有關(guān)的研究是從棉花雜質(zhì)檢測開始的，研究對象為籽棉、皮棉、梳棉表面以及內(nèi)部的多種雜質(zhì)，雜質(zhì)包括普通雜質(zhì)、毛發(fā)、丙綸絲、有色線、地膜等無色、淺色和深色異性物質(zhì)。通過分析棉花雜質(zhì)檢測相關(guān)的文獻(xiàn)，對其中的研究方法進(jìn)行了整理，見表1，這些研究方法也可以作為參考應(yīng)用到紡織其他檢測領(lǐng)域。

表1 高光譜圖像數(shù)據(jù)分析方法Tab.1 Data analysis methods of hyperspectral image in literatures

在籽棉雜質(zhì)檢測中，常金強(qiáng)等[18]對120個(gè)機(jī)采籽棉樣本的圖像使用主成分分析(PCA)的方法對數(shù)據(jù)進(jìn)行降維，通過3種有監(jiān)督的分類判別算法建立判別模型，結(jié)果顯示線性判別分析(LDA)模型結(jié)果最優(yōu)，可以有效識別植物性雜質(zhì)，但是對地膜的識別還存在誤判；Wei等[19]以含有5種白色異性纖維的籽棉為研究對象，光譜采集范圍為400～1 000 nm，對選取的子區(qū)域通過最小噪聲分離(MNF)方法降維、去噪，通過機(jī)器視覺評價(jià)確定最佳分割圖像，試驗(yàn)表明該方法能夠?qū)Π咨愋岳w維進(jìn)行有效識別，識別率達(dá)91%。針對籽棉中地膜難以有效識別的問題，倪超等[20]提出了一種新的算法，首先采集籽棉高光譜圖像，光譜范圍在 1 000～2 500 nm，然后運(yùn)用深度學(xué)習(xí)中的自編碼器模型對數(shù)據(jù)進(jìn)行特征提取和降維，然后對樣本實(shí)現(xiàn)初步分類，最后將結(jié)果分類為地膜和非地膜，該算法大大提高了對地膜的識別率，基本滿足了實(shí)際生產(chǎn)需求。

在皮棉表面雜質(zhì)檢測中，劉巍等[21]對高光譜反射、透射和反透射3種不同的成像模式進(jìn)行研究，對比雜質(zhì)在皮棉中的識別率，結(jié)果表明采用透射成像模式雜質(zhì)的識別率最高；郭俊先等[22]先獲取不同異性纖維的最佳波段圖像，然后采用像素級簡單的圖像融合進(jìn)行識別，結(jié)果表明對多類難檢異性纖維共存的檢測是可以實(shí)現(xiàn)的，針對白色豬毛和透明丙綸絲無法識別的問題，提出可以采用結(jié)合全波段進(jìn)行像素判別分類的解決方法；Mustafic等[23]利用高光譜熒光成像作為異性物質(zhì)分化的補(bǔ)充工具，首先利用基于興趣區(qū)域的方法提取皮棉和7種異物的平均光譜，然后采用主成分分析(PCA)方法，從425～700 nm 范圍內(nèi)的113個(gè)波長中篩選出最優(yōu)特征，對所選波長進(jìn)行線性判別分析(LDA)，所有樣品的平均分類率為90%；張航等[24]對混入皮棉中的地膜識別進(jìn)行了研究，首先提取地膜的平均光譜數(shù)據(jù)，使用偏最小二乘回歸分析(PLSR)方法優(yōu)選出560.3、673.9、716.9 nm和798.8 nm 4個(gè)最優(yōu)波段，然后提取4個(gè)波段對應(yīng)的圖像，分別進(jìn)行兩次圖像融合，并移除小目標(biāo)得到最終圖像，該方法能較好地完成對地膜圖像的分割。

在梳棉表面雜質(zhì)檢測中，Zhang等[25]用液晶可調(diào)諧濾波器高光譜成像技術(shù)檢查棉絨表面異物，光譜采集范圍為900～1 700 nm，用線性判別分析方法對不同類型的異物和棉絨進(jìn)行光譜特征分類，采用留一驗(yàn)證和四倍交叉驗(yàn)證的分類準(zhǔn)確率分別為96.5%和95.1%。

在梳棉內(nèi)部雜質(zhì)檢測中，郭俊先等[26]針對棉網(wǎng)1～4 mm深度內(nèi)的雜質(zhì)進(jìn)行研究，采用3種不同的方法來提取雜質(zhì)的關(guān)鍵波長，通過對比分析，采用與像素分類器結(jié)合的包裝方法選擇的最優(yōu)波長集合，能夠識別大部分普通雜質(zhì)，但是對白色豬毛和透明丙綸絲的識別率還有待提高；對于梳棉內(nèi)部更深處的雜質(zhì)，郭俊先等[27]在波長460～900 nm范圍內(nèi)，采用像素分類分割圖像處理，利用二次判別分析分類像素，對雜質(zhì)和棉網(wǎng)進(jìn)行準(zhǔn)確分類，但是對比度小的像素分類較差如白色丙綸絲，且隨著棉網(wǎng)深度的增加檢測效率下降較快；Zhang等[28]采用透射模式對棉絨內(nèi)常見異物進(jìn)行檢測和分類，對獲取的圖像，利用最小噪聲分?jǐn)?shù)旋轉(zhuǎn)獲得組分圖像，從141個(gè)波長波段中識別出最佳光譜波段，利用LDA和SVM分別在光譜水平和像素水平對異物進(jìn)行分類，使用選定的最佳波長，光譜和圖像的分類精度達(dá)到95%以上；Jiang等[29]使用最小冗余最大關(guān)聯(lián)算法作為特征選擇方法，篩選出最適合異物分類的波長，通過比較使用LDA、 SVM和ANN的分類性能來評估所選波長的通用性，共選擇12個(gè)波長作為異物分類的最佳特征集，LDA、SVM和ANN的平均分類率分別為91.25%、86.67%和86.67%，該研究探索了一種高光譜成像最佳波長選擇的新方法，提高了分類精度和速度。

2.2 紡織品成分分析

紡織品材料成分分析目前依據(jù)的標(biāo)準(zhǔn)主要有國內(nèi)的FZ/T 01057—2007《紡織纖維鑒別試驗(yàn)方法》系列標(biāo)準(zhǔn)和GB/T 2910—2009《紡織品 定量化學(xué)分析》系列標(biāo)準(zhǔn)、美國的AATCC 20—2018(E2019): Test Method for Fiber Analysis: Qualitative和AATCC 20A—2020: Test Method for Fiber Analysis: Quanti-tative、歐洲的ISO 1833—2006: Textiles Quantitative chemical analysis系列標(biāo)準(zhǔn)等，其中的定量方法以化學(xué)溶解法和手工拆分法為主，顯微鏡法可以測定棉麻混紡、特種動(dòng)物纖維和綿羊毛混紡等的混合比例，以上檢測手段均為破壞性試驗(yàn)，檢測過程復(fù)雜耗時(shí)長，化學(xué)試劑損害檢測人員的身體健康，對環(huán)境污染大。市場的快速發(fā)展對檢測企業(yè)的效率提出了更高的要求，為了檢測過程的綠色環(huán)保，迫切需要把新技術(shù)新方法引入到檢測領(lǐng)域。近紅外光譜技術(shù)操作簡單，檢測過程快速、無損，該技術(shù)的發(fā)展也給紡織品的定性定量分析帶來了新的測試方法，2018年近紅外光譜法行業(yè)標(biāo)準(zhǔn)的發(fā)布更是讓該技術(shù)得到了巨大的關(guān)注，也有機(jī)構(gòu)研發(fā)了便攜式的近紅外纖維定性定量分析儀，但是在實(shí)際測試中對于印花、涂層以及分布不均勻的面料還不適用[30]，其檢測結(jié)果的精確度也有待改進(jìn)和提高，模型建立也比較復(fù)雜，所以該技術(shù)在檢測機(jī)構(gòu)中還沒有得到推廣應(yīng)用。

高光譜成像技術(shù)以其獨(dú)特優(yōu)勢得到了紡織品檢測領(lǐng)域的關(guān)注，目前該研究還集中在高校中，祝成炎等[31]提出了一種鑒別方法，步驟為建立紡織品原料的高光譜數(shù)據(jù)庫、采集待檢樣品數(shù)據(jù)、數(shù)據(jù)預(yù)處理、待檢樣品數(shù)據(jù)與數(shù)據(jù)庫比對匹配和紡織品成分顯示，可用于快速、無損地進(jìn)行紡織品原料成分的定性定量。辛斌杰等[32]提出了一種紡織品材料識別的方法及系統(tǒng)，該方法以特征波長的標(biāo)準(zhǔn)波譜庫建立分類器，提取圖像的特征波長，通過分類器進(jìn)行識別，得到待檢紡織品的材料組成。

在單組分纖維的識別中，Jin等[33]利用高光譜成像系統(tǒng)提取了6類合成纖維的光譜特征，建立了主成分分析-線性判別分析模型，對不同顏色和結(jié)構(gòu)的纖維化學(xué)成分進(jìn)行了判別，其判別準(zhǔn)確率為100%，表明了高光譜成像系統(tǒng)在合成纖維識別中的可行性；在此基礎(chǔ)上，金肖克等[17]又以常用的10類紡織品為鑒別目標(biāo)，以一階導(dǎo)數(shù)對原始數(shù)據(jù)進(jìn)行預(yù)處理，用偏最小二乘判別分析模型對其成分種類進(jìn)行鑒別，總體鑒別準(zhǔn)確率達(dá)到了96.78%；李佳平等[34]通過采集8種不同種類的紡織品高光譜圖像，利用連續(xù)投影算法對波段進(jìn)行篩選，然后基于最小二乘法支持向量機(jī)(LS-SVM)建立二類分類器，試驗(yàn)所用的驗(yàn)證集和測試集都可以正確識別；在此基礎(chǔ)上，Li等[35]對單組分織物的高光譜數(shù)據(jù)進(jìn)行基于局部線性嵌入(LLE)、主成分分析(PCA)和局部保持投影(LPP)算法的降維，并將288個(gè)波長的原始數(shù)據(jù)進(jìn)行壓縮以保持典型的波長區(qū)域，然后將這些數(shù)據(jù)導(dǎo)入兩個(gè)分類器(決策樹分類器和KNN分類器)進(jìn)行訓(xùn)練，并基于這些訓(xùn)練數(shù)據(jù)建立樣本分類的識別模型，實(shí)驗(yàn)結(jié)果表明，所建立的識別模型能夠正確識別所有的樣本并且基于LPP模型和KNN分類算法的識別率和穩(wěn)定性是最高的。以上研究證明高光譜成像技術(shù)用于紡織品材料的定性識別是可行的，為該技術(shù)在紡織品材料鑒別上的應(yīng)用提供了理論和實(shí)踐基礎(chǔ)。

在單組分纖維材料定性識別的基礎(chǔ)上，孫藝博[36]對滌棉織物的定量分析進(jìn)行了研究，他基于高光譜成像采集系統(tǒng)優(yōu)化了適用于紡織材料的高光譜圖像采集條件，構(gòu)建了滌棉偏最小二乘回歸定量鑒別模型，并研究了一種自動(dòng)化高光譜圖像有效區(qū)域提取的算法，實(shí)現(xiàn)了高光譜圖像定量分類的可視化。

2.3 紡織品顏色測量

紡織品顏色測量是紡織工業(yè)中一個(gè)重要的步驟，在紡織品檢測項(xiàng)目中色牢度評級檢測與顏色測量技術(shù)的發(fā)展息息相關(guān)。目前，色牢度檢測常用的評級方法是人工評級法，評級結(jié)果受檢測人員的主觀性影響較大，對檢驗(yàn)人員的經(jīng)驗(yàn)要求較高，客觀的儀器評級法有影像法和測色儀法，但是在實(shí)際使用中限制較多，織物的平整狀態(tài)和組織結(jié)構(gòu)等都會對測量數(shù)據(jù)產(chǎn)生影響，因此沒有得到推廣[37]?；诟吖庾V成像技術(shù)在顏色測量方面的研究，將該技術(shù)應(yīng)用到紡織品色牢度評級檢測中，對實(shí)現(xiàn)評級過程的客觀性，檢測結(jié)果的科學(xué)性具有重要意義。

鑒于高光譜成像技術(shù)對紡織品顏色測量的可能性，Damian等[38]以標(biāo)準(zhǔn)色卡和筆墨色卡為研究對象，證明了高光譜成像系統(tǒng)可以實(shí)現(xiàn)顏色的測量，且可以對非常小尺寸的區(qū)域進(jìn)行測量，具有較高的測量精確度，在測量重復(fù)性方面也具有顯著優(yōu)勢，通過對文件處理前后的顏色進(jìn)行測量，可以精確地測定、監(jiān)測樣品在特定區(qū)域的顏色變化，這一應(yīng)用對歷史文物進(jìn)行預(yù)防性保護(hù)具有重要意義。張盼[39]采用高光譜技術(shù)建立了單色織物的顏色測量系統(tǒng)，通過與分光光度計(jì)的測量結(jié)果進(jìn)行比較，驗(yàn)證了該測量系統(tǒng)的穩(wěn)定性，且試驗(yàn)表明該系統(tǒng)對深色系織物有較好的分辨能力。裘柯檳等[40]對兩種測量方法結(jié)果的差異性進(jìn)行了研究，通過實(shí)驗(yàn)測得高光譜成像系統(tǒng)重復(fù)測量的平均色差為0.154，結(jié)果也證明了高光譜成像系統(tǒng)的測量重復(fù)性較好。Zhang等[41]以210張棉色卡為樣本，通過實(shí)驗(yàn)證明，液晶可調(diào)濾波器(LCTF)的高光譜成像系統(tǒng)能夠準(zhǔn)確測量樣本的顏色，而且測量結(jié)果的重復(fù)性和再現(xiàn)性較好。為了實(shí)現(xiàn)單根紗線和多色紡織品的顏色測量，張建新等[42]提出了一種對紡織品顏色進(jìn)行分割和提取的顏色測量方法，該測量方法能夠獲取紡織品精細(xì)的光譜信息和空間信息，具有更高的測色精度。

對多色及印花紡織品的顏色測量方面，應(yīng)雙雙等[43]通過對采集光譜的校正與預(yù)處理，進(jìn)行數(shù)據(jù)壓縮、提取顏色數(shù)據(jù)、智能除噪，獲得顏色的測量值，這是一種新的顏色測量方法，該方法可以有效避免面料變形帶來的影響，也可以減少人為測量誤差，顏色測量數(shù)據(jù)波動(dòng)小、準(zhǔn)確性高。Zhang等[44]提出了一種基于高光譜成像系統(tǒng)(HIS)的多色織物顏色分割與提取方法，首先利用HIS獲取波長范圍在400～700 nm、波長間隔為5 nm的高光譜反射率圖像，手動(dòng)選擇待分割的感興趣區(qū)域，采用中值濾波算法去除噪聲，采用基于Fréchet距離的空間變換方法將高光譜織物圖像轉(zhuǎn)化為灰度圖像，圖像分割采用改進(jìn)的分水嶺分割算法，最后用改進(jìn)的K-means聚類算法來合并過分割的顏色區(qū)域，結(jié)果表明在致密性(CP)和分離性(SP)評價(jià)指標(biāo)上，使用該方法的顏色分割精度執(zhí)行效率都得到了提高[45]。另外，Zhang等[46]采用結(jié)合自組織映射(SOM)算法和密度峰值聚類(DPC)相結(jié)合的顏色自動(dòng)識別和聚類算法，對印花織物的顏色區(qū)域進(jìn)行精確分割和測量，首先將高光譜圖像的每個(gè)像素從光譜反射率轉(zhuǎn)換為L*a*b*值，利用SOM算法識別主聚類，然后利用DPC算法進(jìn)行聚類合并，最后根據(jù)最優(yōu)聚類個(gè)數(shù)，將印花織物圖像分為不同的顏色區(qū)域，實(shí)驗(yàn)表明該算法不僅能自動(dòng)確定印花織物的最佳顏色數(shù)量，實(shí)現(xiàn)準(zhǔn)確的顏色分割，而且執(zhí)行時(shí)間較短。

在基于顏色測量的應(yīng)用方面，Zhang等[47]利用改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法建立了光譜反射率與染色配方之間的模型，用3種染料對勻染織物和不勻染織物樣品進(jìn)行染色，結(jié)果表明，基于高光譜測色的模型對以上3種顏色具有較高的預(yù)測精度。

3 結(jié)論與展望

高光譜成像技術(shù)可以同時(shí)獲得物品的圖像和光譜信息，通過獲取其不同區(qū)域的高光譜數(shù)據(jù)，從而達(dá)到對物品的顏色、材質(zhì)、類別等特征快速無損的檢測，該技術(shù)經(jīng)過快速的發(fā)展已經(jīng)日益成熟，將其應(yīng)用到紡織檢測領(lǐng)域有著巨大的研究潛力。筆者認(rèn)為，今后的研究可以在以下幾個(gè)方面進(jìn)行。

a) 多組分紡織品成分分析方法的研究。目前的研究只能做到單一組分纖維的定性分析和滌棉兩組分的定量分析，然而紡織品所用的材料涉及到天然纖維、合成纖維等多種纖維，在制品中往往又是多纖維交織或混紡使用，多組分紡織品的成分分析方法還需要更深入的研究?；诟吖庾V成像技術(shù)建立紡織品定性定量快速分析模型將是今后的研究重點(diǎn)。

b) 高值服裝制品無損檢測技術(shù)的開發(fā)。高價(jià)值服裝往往采用珍貴稀有的原材料，特殊用途的功能類產(chǎn)品制作工藝復(fù)雜，成品價(jià)格昂貴，而傳統(tǒng)檢測方法具有破壞性，會造成浪費(fèi)?；诟吖庾V成像技術(shù)開展無損檢測的研究，可以在保障消費(fèi)者權(quán)益、規(guī)范市場秩序中發(fā)揮重要作用。

c) 基于顏色測量的數(shù)字檢測方法研究?；诟吖庾V成像技術(shù)在顏色測量方面的研究，開展紡織品色牢度、沾水等級評價(jià)、布面疵點(diǎn)等檢測方法的研究，實(shí)現(xiàn)質(zhì)檢工作的數(shù)字化，可以解決人為因素產(chǎn)生的主觀偏差，避免人為誤差、降低檢測風(fēng)險(xiǎn)。

d) 便攜式高光譜設(shè)備的研發(fā)應(yīng)用。高光譜成像系統(tǒng)要處理的信息量比較大，相應(yīng)的硬件配置要求也高，便攜式設(shè)備的開發(fā)對于高光譜技術(shù)在紡織檢測中的應(yīng)用至關(guān)重要。需要解決的問題有兩個(gè)方面，一方面要在高光譜圖像數(shù)據(jù)中提取特征圖譜并建立相應(yīng)的檢測數(shù)據(jù)庫，一方面是把檢測數(shù)據(jù)庫導(dǎo)入便攜式設(shè)備開發(fā)無損快速檢測系統(tǒng)。便攜式設(shè)備的研發(fā)將拓寬高光譜成像技術(shù)的應(yīng)用場景，更好地服務(wù)市場監(jiān)管，在行政執(zhí)法過程中提供技術(shù)支撐。