大作业模板09机械化.docx

1、大作业模板09机械化新疆农业大学机械交通学院畜牧业机械化课程论文题目： 姓名与学号： 指导教师： 年级与专业： 所在学院： 课程评分： 二零一二年 月 日棉花异性纤维检测技术的研究综述机械交通学院郭俊先（农机942，3051315017）【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 a

2、nalyzed 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 a

3、t 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

4、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

5、。 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，20041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，20053反射成像15种典型异性纤维杨文柱等人，20094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

6、重的异性纤维；毛发的识别99；100；50罗德坡等人，200711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. 199012反射成像植物性杂质：皮杂、杆、叶子和碎叶杂质分类。96；99Lieberman et al. 199717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. 200224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. 200425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. 20042

7、6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. 200527Nicolet FT-IR所有杂质分类。匹配正确率为90.64-96.55Himmelsbach et al. 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。图

8、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

9、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.。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

10、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。处理和分析此波段近红外图像， 获得异性纤维图像。罗德坡等人22提出基于紫外线荧光效应的机器视觉方法，在线分拣棉花中异性纤维。用非线性阈值算法判断图像像素RGB 分量。结果表明:白色丙纶丝、纸张和一些反光物质拣出率达到99 %;色泽较重异性纤维可达100 %;头发丝只有50 %;部分与棉花色泽相近，不反光且不激发荧光的杂质检测困

11、难。1.1.3 X光断层摄影 利用X光对物体进行不同角度的摄影，从而在不破坏物体内部结构的前提下得到物体的内部图像。国外学者通过X光断层摄影技术提取原棉团内部图像，来剔除杂质。 Ajay 等人23 使用微断层X 光摄影装置系统(SkyScan-1074 X射线扫描仪) 扫描棉花样品，基于模糊逻辑方法分析微断层X 光原棉图像，自适应阈值算法分割杂质，标记杂质，分离背景图像。试验针对160 个已知杂质样本。结果表明: 识别率高达96 % 。Pavani 等人24应用三维断层X 摄像技术，通过图像处理和模式识别，产生样品三维图像， 检测和分类棉花中的杂质。该方法的优点是可以进行无损检测。扫描时间为1

12、5-20min。Dogan 等人25针对二维X 射线扫描图像背景棉花不一致等问题，通过尺度空间滤波背景标准化处理，保留杂质颗粒图像。通过对280 个试验样品X 光图像处理，与AFIS 棉花杂质分析系统和Shirley分析仪结果建立回归模型，相关系数分别为0.93 和0.85。1.1.4 多波段图像融合技术 随着研究的深入发现，单波段图像仅能有效识别部分杂质，不同的杂质在不同波段的表现不同，而棉花杂质类型多，含量又大不相同。多波段图像融合技术能较好的解决这一问题。 郏东耀等人26采用TK-C1831EG型多光谱CCD 照相机(3801100nm)采集最佳吸收波段异性物质图像。基于区域信息相关度权

13、值小波分析算法融合多波段图像，分层图像分割，二值化图像分离杂质。结果表明:在405 nm和850 nm棉花和杂质的差异较明显。郏东耀等人27研究了光透射成像系统中光源种类、棉层厚度和皮棉运动速度等对棉纤维透射成像目标的影响。当光源为白光超亮二极管阵列，光照能量系数为0.70 、棉层厚度为4mm 时，获取透射图像，并分析图像，可有效检测皮棉中内部杂质。郏东耀等人28定量分析了光源种类、光源能量与透射效果的关系，分析增强皮棉杂质透射对比差异的方法。利用高速CCD 俘获非漫射光子，统计滤波处理增强成像目标。丁天怀等人29提出利用多颜色空间特征融合方法检测棉花中羊毛、白头发和塑料膜等杂质。构建颜色特征

14、评价函数，抽取若干最优特征，利用区域信息相关度权值小波分析算法进行多特征融合， 获取近似目标的图像。融合图像比原始图像具有较高信息量值， 近似目标特征明显增强。1.2 基于分光技术的杂质检测 分光技术即是利用紫外光或红外光照射物体，因为不同物质由于其分子结构不同，对不同波长线的吸收能力也不同，因此，每种物质都具有其特异的吸收光谱。如图2所示。图2 基于分光技术的皮棉杂质检测示意图Fig. 2 Schematic of detecting foreign matters of raw cotton based on spectroscopy technique Bohmer 等人30针对原棉中聚

15、丙烯和聚乙烯杂质，建立线扫描CCD 照相机检测系统。在近红外1520 nm和1720 nm 波段采集图像，人工神经网络和自组织特性映射识别未分类样本中杂质。Foulk 等人31通过中红外光谱学(波数4000650 cm- 1) 对比分析纤维和杂质颗粒，与已知试样的光谱数据库数据对比， 确定棉花杂质来源。Himmelsbach 等人32针对典型的棉花杂质， 通过Nicolet Magna 850 FT-IR 型光谱仪(波数4500650 cm-1) 采集棉花杂质的近红外光谱数据，建立了601个样本的光谱数据库，并进行光谱匹配识别检验。结果表明:不同杂质具有不同匹配光谱波段，匹配正确率最低为90.

16、64 % ，最高为96.55 %。Allen 等人33 讨论了棉花加工前后，棉花杂质在4000650 cm- 1范围内红外光谱的变化。结果表明:当杂质尺寸减小和受热时，FT-IR 光谱都产生了相应的变化。Abidi 等人34采用通用衰减全反射傅里叶变换近红外仪器(UATR-FTIR) 分析被污染的棉花纤维，确定被污染棉花中1-O-D-吡喃葡萄糖基-D-呋喃果糖(Trehalulose) 含量与累计强度在I3280 、I1622和I1018处表现出高度相关。2.异性纤维检测技术发展的特点与不足2.1国内外研究的差异和特点 国外学者对棉花异性纤维检测的技术较早，主要研究内容是原棉类杂质，即棉花本身

17、的碎叶，茎秆，茎皮等，这是由于国外采集棉花的过程受到的污染较国内少。而国内学者对棉花异性纤维检测的技术起步较晚，主要研究内容是非棉类杂质，如人的毛发，动物的毛发，编织袋的碎屑等异性纤维。早期研究主要使用机器视觉，现在逐渐偏向分光技术的使用。2.2目前所应用的技术的不足之处2.2.1 检测技术的局限性 使用最多的机器视觉技术，通过CCD摄像机能够快速无损的得到棉网表面的杂质，其前提是对棉层和均匀性的高要求，在对深层杂质的检测中效果较差；X光断层摄像技术可以检测深层的杂质，但是存在自身的噪声和检测效率低等问题，不适合在线检测；红外分光检测能够检测到棉网的内部杂质，适合离线检测，但是需要耗时建立模型

18、，且与大于10m/s的高速纺纱不相配套；在融合技术方面，已有的技术仅在图像融合层面，没有进一步的研究开展。2.2.2检测技术的针对性不足 许多研究没有考虑到实际应用情况，仅仅停留在实验室检测的基础上。在实际处理过程中，运动棉网的杂质位置和棉层厚度会直接影响到检测精度。同时，杂质类型和棉网背景都会极大影响检测和识别率，只有部分研究考虑到背景的影响。2.2.3检测与原棉颜色相近且细小的杂质正确率很低 到目前为止的研究都没有很好的方法能够检测白色或同色的异性纤维，对形状较小的异纤，检出率更是微乎其微。3.展望 综上所述，虽然对棉花异性纤维杂质检测的研究已经相当大的进展，检测技术上可以通过机器视觉、断

19、层X光摄影、红外波段光谱和紫外荧光光谱；在对杂质定性和定量分析的方法上，可以通过固定线性判别式、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。这些研究已经获得了不错的效果。 但是，仍有一些问题没有解决，如检测白色或同色的异性纤维，不同深度和类型的杂质检测，与检测器相对位置不同的杂质检测，不同棉花背景的杂质检测等等。这些技术问题是影响检出率的主要因素，有效地解决这些问题是今后的主要研究方向。参考文献:1.Lieberman M A , Patil R B. Clustering and neural networks to categorize cotton trash

20、J . Optical Engineering ,1994 ,33(5) :1 6421 653.2.Lieberman M A , Patil R B. Evaluation of learning vector quantization to classify cotton trash J . Optical Engineering ,1997 ,36 (3) : 914921.3.Lieberman M A , Michael A L , Charles KB , et al. Determining gravimetric bark content in cotton with mac

21、hine visionJ .Textile Research Journal ,1998 , 68(2) : 94104.4.Xu B G, Fang C , Huang R , et al. Chromatic image analysis for cotton trash and color measurementsJ . Textile Research Journal ,1997 ,67(12) : 881890.5. Xu B , Fang C , Watson M D. Clustering analysis for cotton trash classificationJ . T

22、extile Research Journal , 1999 ,69(9) :656662.6. B. Xu, J. Su, D.S. Dale. Cotton color grading using a neural networkJ. Textile Research Journal, 70(5), 430-436, 2000.7. Tae J K, Kim S C. Objective evaluation of the trash and color of raw cotton by image processing and neural networkJ .Textile Resea

23、rch Journal , 2002 ,72(9) :776782.8. Siddaiah M , Prasad N R , Lieberman M A , et al. Identification of trash types and computation of trash content in ginned cotton using soft computing techniquesC . Midwest Symposium on Circuits and Systems , Las Cruces , NM 1999.9. 金守峰,袁建畅,张 慧.基于Matlab 的棉花异性纤维检测及

24、定位算法J . 中国棉花加工,2004 (4) :2930.10. 金守峰,张 慧,王 宁.三基色最佳阈值算法识别原棉异性纤维J.山东纺织科技，2008（3）：13.11.符宝鼎,袁建畅,郭彩霞. 基于RGB 颜色模型棉花杂质的识别算法J . 北京纺织,2005 ,26 (5) :4851.12.李碧丹,丁天怀,郏东耀. 皮棉异性纤维剔除系统设计J . 农业机械学报, 2006 ,37 (1) :107110.13.赵燕,袁建畅. 原棉异物在线检测系统剔除机构的分析研究J . 上海纺织科技,2006 ,34 (1) :2122 ,27.14.常蕾.基于DSP的棉花异性纤维检测系统总体方案研究J

25、。科技前沿，2007（8）：5659.15郭彩霞,袁建畅,金守峰. 基于BP 网络的棉花中异性纤维识别算法J . 西安工程科技学院学报,2006 ,20 (5) :542544.16.高伟,王志衡,赵训坡.基于HIS颜色空间的棉花杂质高速实时检测方法J.自动化学报,2008,34(7)：730735.17.郑文秀,刘双喜,魏新华,王金星.棉花异性纤维图像分割方法研究与实现J.中国棉花加工,2008 (4)：2426.18.冯显英,任长志,解守华.基于阀岛技术的异性纤维清除系统结构与设计J.机床与液压,2006(11)：139140.19.冯显英,任长志,黄燕云. 基于机器视觉的异性纤维检测系统

26、J. 山东大学学报(工学版),2006,36(4):4820.郏东耀,丁天怀. 纤维红外吸收特性及其在皮棉杂质检测中的应用J . 农业工程学报,2004 ,20 (3) :104108.21.郏东耀,丁天怀. 利用纤维红外吸收特性的皮棉杂质检测新方法J . 红外与毫米波学报,2005 ,24 (2) :147150.22.罗德坡,朱邦太. 紫外线荧光效应及其在棉花异性纤维分拣系统中的应用J . 河南科技大学学报:自然科学版,2007 ,28 (2) :6367.23. Ajay P , Sari-Sarraf H , Member S , et al. Recognition of cotto

27、n contamination via X2ray micro-tomographic image analysisJ . IEEE Transactions on Industry Applications , 2004 ,40(1) :7785.24.Pavani S K, Dogan M S , Sari-Sarraf H , et al. Segmentation and classification of four common cotton contaminants in X-ray micro-tomographic images C . Proceedings of SPIE

28、, Machine Vision Applications in Industrial Inspection XII , San Jose , CA , USA , 2004.25. Dogan M S , Sari-Sarraf H , Hequet E F. Cotton trash assessment in radiographic x-ray images with scalespace filtering and stereoC . Proceedings of SPIE , Machine Vision Applications in Industrial Inspection

29、XIII , San Jose , CA , USA , 2005.26.郏东耀,丁天怀. 棉花中异性纤维的多光谱检测J . 清华大学学报:自然科学版,2005 ,45 (2) :193196.27.郏东耀,丁天怀. 检测皮棉内部杂质的透射成像影响因素分析J . 农业机械学报,2005 ,36 (2) :6569.Jia Dongyao , Ding Tianhuai. Analysis of some influence factors of transmission imaging system for detection of foreign material buried in cot

30、tonJ . Transactions of the Chinese Society for Agricultural Machinery , 2005 ,36 (2) :6569. (in Chinese)28.郏东耀,丁天怀. 皮棉杂质透射检测及成像目标增强方法J . 物理学报,2005 ,54 (9) :4 0584 064.29.丁天怀,郏东耀. 利用多颜色空间特征融合方法检测近似目标J . 清华大学学报:自然科学版,2006 ,46 (2) :176179.30. Bohmer S , Budzier H , Krause V , et al. Two channels NIR ca

31、mera system to detect foreign matter in raw cotton C .Proceedings of QUIRT , Padova , Italy , 2006.31. Foulk J , McAlister D , Himmelsbach D , et al. Mid2infrared spectroscopy of trash in cotton rotor dust J . The Journal ofCotton Science , 2004 ,8(4) :243253.32. Himmelsbach D S , Hellgeth J W , Mcalister D D. Development and use of an attenuated total reflectance/ fourier transforminfrared (ATR/ FT2IR) s