新疆农业大学机械交通学院机械故障诊断课程论文题目：姓名与学号：指导教师：年级与专业：所在学院：课程评分：二零一一年月日棉花异性纤维检测技术的研究综述浙江大学－岑斌（生工052，3051315017）【摘要】本文介绍和分析了目前为止绝大多数对皮棉中异性纤维检测的研究。
这些研究从棉花杂质的几何、物理和成分官能团光谱特性入手，应用可见光机器视觉、红外波段光谱图像和断层X 光摄影等检测技术，采用数字图像处理和化学计量学分析方法，分类识别各种皮棉杂质。
关键词皮棉，异性纤维，检测【Absatract】This paper has described and analyzed the vast majority of lint so far in the detection of the raw cotton foreign matters.Many researchers have applied different techniques to identify various contaminations of raw cotton based on their characteristics of geometry , physics and spect roscopy..These techniques are machine vision at visible light wave , infrared spect roscopy , X-ray micro-tomographic image , and so on.Keywords：Raw cotton, Foreign matters, Detection.前言我国采摘棉花大部分是人工摘拾。
这样对异性纤维的控制很不利。
由于棉农对异性纤维的危害认识不足，采摘交售棉花时习惯用编织袋装棉花、用有色的或非棉线绳绑扎棉袋口等。
在采摘、装棉、晒棉、运棉和售棉等过程中,难免混入叶子、铃壳、种皮和异性纤维等杂质。
严重影响了棉纺厂的产品质量。
异性纤维是困扰纺织企业的一大难题．每年纺织企业都要投入大量的人力、物力、财力进行人工挑拣。
显然，在纺织清理和加工的每个环节，研究快速检测原棉中杂质，减少并消除它，这对于提高加工质量和效率是非常必要的。
1.原棉杂质检测的主要手段在检测棉花中叶子，茎皮，秆和异性纤维等杂质时，可以从其基本物理特性入手，例如颜色、形状、大小、密度、表面密度和重量等；也可以从其化学成分方面入手来识别这些杂质，比如荧光效应和官能团光谱特性等。
在具体方法上，对杂质的检测有机器视觉（可见光波段）、X光断层摄影、红外波段光谱或图像和紫外荧光光谱或图像等；在对杂质定性和定量分析的方法上，主要有固定线性判别式、聚类算法、贝叶斯学习算法和贝叶斯加权K均值聚类算法等数字图像处理方法。
根据以上皮棉杂质检测技术的特点，从原理上可分为基于图像技术的杂质检测研究和基于分光技术的杂质检测研究。
一些典型的研究见表1。
表1 棉花杂质检测研究的文献整理类型范围检测设备杂质类型检测率识别率（％）文献静态国内显微近红外成像无色塑料、黄麻、编织袋、白头发丝、白羊毛、猪鬃—郏东耀等人，2004类型范围检测设备杂质类型检测率识别率（％）文献[1]多光谱成像无色塑料、黄麻、编织袋、白头发丝、白羊毛、猪鬃—郏东耀等人，2005[3]反射成像15种典型异性纤维—杨文柱等人，2009[4]透射成像白色或无色杂质：纸片、尼龙、编制带、黄麻、白头发—郏东耀等人，2005[9]透射成像异性纤维，没有特指95%识别率李碧丹等人，2006[10]紫外荧光成像白色丙纶丝，纸张；色泽较重的异性纤维；毛发的识别99；100；50％罗德坡等人，2007[11]静态国外反射成像非棉纤维杂质（植物性杂质）与重力分析之间的相关系数0.82Taylor. 1990[12]反射成像植物性杂质：皮杂、杆、叶子和碎叶杂质分类。
96％；99％Lieberman et al.1997[17]反射成像植物性杂质：贝叶斯加权K-平均方法，不同颜色棉花识别99.7%Zhang et al.2002[24]微断层X光摄影茎皮、种皮碎片和聚丙烯杂质识别率96%Pai et al. 2004[25]微断层X光摄影皮杂、叶子，种皮，聚丙烯。
分类准确率；与AFIS结果的决定系数89％；0.7091Pavani.et al.2004[26]微断层X光摄影植物性杂质：评价与AFIS和Shirley Analyzer结果相关系数分别为0.93；0.85Dogan et al.2005[27]Nicolet FT-IR所有杂质分类。
匹配正确率为90.64-96.55％Himmelsbach etal. 20061.1 基于图像技术的杂质检测在不同的光谱波段范围，采用不同图像扫描设备，采集或生成棉花图像，通过图像采集卡发送回计算机处理中心，经图像数据处理，判断有无杂质，提取杂质位置、大小和类型等特征，驱动提出装置来剔除。
图像采集或生成的技术包括可见光波段机器视觉、红外波段图像、紫外荧光图像、X光断层摄影和多波段图像融合技术。
如图1。
6543图1 基于图像技术的皮棉杂质检测原理示意图Fig. 1 Schematic of detecting foreign matters of raw cotton based on imaging1.棉花2.反光板3.可见光摄像机4.多光谱图像仪5.X 射线探测器6.计算机7.喷头8.光源9.检测通道1.1.1 可见光波段机器视觉机器视觉主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。
在皮棉杂质检测方面，早期国外学者侧重于棉花自带的植物性杂质的检测研究；后期国内学者侧重于非棉类的异性纤维的检测研究。
Lieberman 等人[1]用分层次聚类和神经网络算法处理棉花图像，识别棉花杂质，正确率分别是92 %和99.3 %。
分层聚类法结合神经网络算法可以得到96.3%的准确度。
Lieberman等人[2]提出学习矢量量化方法(LVQ) 识别棉花样品中杂质。
第一种分类结果，皮棉杂质为95 ，叶87 ，碎叶100 ，茎秆88 ;第二种分类， 皮棉杂质类为100 ， 非皮棉杂质类为97 。
第三种分类结果，皮棉杂质类为95，叶子碎叶类为99，茎秆为88. Lieberman 等人[3]通过机器视觉测量大块棉花团，采集含有不同皮棉杂质和不同总异性物质的48 个棉花样品图像，通过图像处理分离出杂质区域，分析出异性物质的面积、周长和类型，检测皮棉杂质的预估误差是0.46 %。
Xu 等人[4]采用计算机视觉系统检测棉花样品的杂质，该系统包括彩色CCD 摄像头、氙闪光灯和定制软件。
提出识别杂质和污点的多维阈值算法，针对12 个棉花样品进行杂质和颜色的测量，与HVI 等检测设备对比，结果与HVI 等设备检测效果一致。
Xu 等人[5]通过对棉花杂质的颜色，几何特征来对棉花杂质进行分类，并举出了三种方法平方和、模糊和神经网络聚类方法。
对比分析后表明:3 种方法识别棉花杂质准确性分别为83 %、93 %和95 % ，但是神经网络耗时较多。
Xu 等人[6]通过神经网络法，对比人机交互对棉花进行分级，通过实验数据证实神经网络法能极大的减少人机交互所产生的误差。
Tae 等人[7]通过Hitachi KP-C551 CCD 彩色摄像机采集原棉图像，将得到的原棉彩色图像转化成灰度图像，采用8领域方法，选择适当的阈值分离出植物性杂质，并计算杂质数量、含量和分布，结果表明样品中主要的杂质是碎叶和种皮，多于大叶子、茎秆和茎皮等Siddaiah 等人[8]通过几何特征为基础分类，由此产生的系统正确分类棉花杂质的准确率达到了98%。
金守峰等人[9]构建基于高速高分辨率CCD 摄像机的棉花异性纤维检测系统，采集样品原始图像信号，采用Canny 算子边缘检测处理，重心定位算法得到异性纤维的大致范围。
金守峰等人[10]通过机器视觉，采用三基色RGB 最佳阈值算法来识别原棉图像信号中存在的异性纤维，试验结果表明，该算法可以有效地识别出原棉中存在的异性纤维。
符宝鼎等人[11]基于RGB 颜色模型，以色度为主要特征量，设定阈值判别原棉图像中异性物质。
识别效果: B>G>R ;其中对白麻袋片识别效果很差。
李碧丹等人[12]设计了机器视觉在线皮棉异性纤维剔除系统，系统由图像采集(TK-C1381EG型CCD)、处理模块和剔除机构等组成。
以图像形态学的二进制图像腐蚀改进算法识别图像中异性纤维。
当棉流速度为413m/s，棉层厚度为3cm，识别率达到95%，总剔除率可达90%，落棉率4%。
赵燕等人[13]设计原棉异物剔除系统样机，包括TCD142D 彩色线阵摄像机、图像采集卡和气动喷嘴(媒介为墨汁) 。
常磊[14]采用FPGA与DSP 相结合的方式实现实时图像处理。
充分利用以上二者在图像处理方面的优势，达到了可靠性、准确性、经济性和发展性的标准。
郭彩霞等人[15]在RGB颜色空间下建立BP 神经网络识别模型，识别原棉图像中异性纤维。
高伟等人[16]利用3D-LUT技术，有效解决了颜色空间转换的时间损耗问题，利用HIS颜色空间的色度和饱和度信息，对棉花中的杂质进行高效检测和定位，实验结果表明，该系统在棉流速度为18m/s，杂质大小为2×2mm2的情况下，杂质识别正确率可达到95.4%。
郑文秀等人[17]通过对棉花异性纤维的图像进行分割，利用均值平移（Mean-shift）算法和膨胀、滤波算法相结合的图像分割方法，并将其应用于棉花异性纤维图像的识别中，具有较强的抗噪性，最后结果表明该方法具有分割速度快，精度高的特点。
冯显英等人[18]在异性纤维清除系统中采用阀岛技术，用来清除混入棉纤维中的异性纤维。
清除率在96.8%以上。
冯显英等人[19]通过机器视觉提取原棉图片，利用彩色聚色分割方法对实际采集的图像处理与分析，可有效去除皮棉中肉眼难以识别的绝大多数异性纤维．通过对试验结果分析识别率在90％以上，表明了该原理方法的可行性。
1.1.2 紫外荧光和红外波段图像技术原棉中纤维杂质的种类可以归纳为合成、植物和蛋白质纤维。
利用不同物质在紫外荧光和红外光波照射下激发所发出的光强度不同的原理来分离杂质。
郏东耀等人[20]使用MU2300 型动态近红外CCD 相机(加10 倍放大镜头) ，采集皮棉中异性纤维近红外光谱图像，利用自适应图像增强和二值化图像处理，从皮棉背景中提取异性纤维。
郏东耀等人[21]建立近红外光谱成像系统，确定940 nm 是区分棉纤维与多种异性纤维的最佳波段范围。