棉花异性纤维分类识别与计重系统的设计

　　棉花中的异性纤维（简称异纤）是指混入棉花中对棉花及其制品质量有严重影响的非棉纤维和非本色纤维，如化学纤维、毛发、丝、麻、塑料膜和染色线等。异纤在皮棉中的含量虽少，但对纺织品的质量影响严重，一旦混入参与纺织不但影响纺纱能力，而且染色后会使布面出现各种色点，严重影响布面外观质量，对棉纺织工业造成重大经济损失。通过建立棉花异性纤维分类识别和计重系统，可以有效的降低异性纤维的危害，同时通过异性纤维计重可以体现出棉花的品质。

　　对于异性纤维的处理，国内外统一采用两种方法，一是光学检测，主要是利用工业高速CCD相机，借助光敏元件对棉层加工过程中的棉层成像，之后对图像进行处理得到结果；二是采用传感器来检测，利用电容式传感器和微电子技术进行信息检测，对加工过程中的棉层进行检测得到结果。这两种方法已经生产出高速有效的异性纤维检出设备，提高了企业的生产效率。如德国特吕茨勒公司的SCFO异性纤维检测及分离装置，上海中纺宝达科技有限公司的ZYG一048棉花异型纤维自动检测装置等。但无论是国外还是国内现有的异纤在线清理设备普遍存在价格昂贵、清理效果差，且不具备异纤分类识别和计重的功能，无法满足棉花质量评定检验中异纤含量精确测量的需要，这一领域的研究还是一个空白。

　　本文提出了一种适应性较强的SIW系统，该系统结合机器视觉技术和图像处理技术，运用决策树的分类思想，对异性纤维进行分类，结合计重模型，对每一类异性纤维进行重量统计。

　　1 SIW系统的结构和工作原理

　　该系统由图像采集系统、图像处理系统、异性纤维分类识别系统、剔除系统和计重系统组成。 系统的工作流程如图1所示。系统在初始化之后，由图像采集系统提取出原始皮棉图像，图像采集的控制由主控计算机控制，采集到的原始图像信息送入图像处理系统，该系统选用DSP系统完成，对图像进行增强、滤波、分割和特征提取。在提取出异性纤维特征之后，将处理结果传送到主控计算机，主控计算机将特征信息送入异纤识别系统进行识别，识别系统将识别结果传送到主控计算机上。主控计算机按照识别出来的类型调用相对应的异性纤维重量模型，计算出异性纤维的重量，并保存到主控计算机。同时，主控计算机启动外围机械机构进行清除异性纤维。

　　2.1 图像采集设备

　　本系统选择了选用加拿大DALSA P2-4X-04k40工业线阵黑白CCD相机一个，配备紫外光源，主要用于采集带有荧光特性的白色丙纶丝和白色塑料片。图像采集卡采用摄相机配置的采集卡，该卡基于Camera Link总线。选用彩色相机一个，选用加拿大DALAS PC-30工业CCD，配备LED线阵白光源，主要用于采集带色的异性纤维，传感器为3个线阵CCD，分别采集红、绿、蓝三种颜色。图像采集卡采用摄相机配置的采集卡，该卡基于Camera Link总线。

　　2.2 图像处理设备

　　选用TIDM642图像处理专用DSP系统。结合系统自带的函数库，开发出适用于棉花异性纤维处理的函数，包括增强处理、滤波处理、灰度化处理、分割处理、轮廓提取处理、面积和周长处理等。对于特征提取部分，简单的颜色特征提取也可以放在DSP上完成，对于较复杂的特征需要放在主控计算机上完成，如形态特征。

　　2.3 异纤剔除设备

　　剔除设备采用可控气动电磁阀完成，按照棉流层的宽度和流速设置一排高压喷嘴，根据主控计算机发送过来的异性纤维的位置点，控制某个高压喷嘴的动作，用以清除该区域的异性纤维。

　　3 SIW软件设计

　　3.1 图像采集模块

　　图像采集过程中经历的流程大致为：开始(初始化)、参数设置、采集彩色图像到屏幕或内存、采集黑白紫外光源图像到屏幕或内存、结束(释放资源)。创建程序之前首先运行图像采集卡自带的光盘安装程序，获得所需的库文件.DLL，在程序中调用相关的包含文件(*.h)，并将静态链接库(*.lib)文件加入到工程文件中，供编译程序在链接时使用。将图像采集卡所提供的函数库文件加入VC 程序中后，图像采集系统正常工作前，首先必须打开指定的图像采集卡，从初始化文件中读出上次关闭前设置的参数进行初始化，并获得所需系统设置，创建该卡的引用句柄，以供各功能函数引用。CCD相机的标定方法采用线性标定方法，通过图像像素坐标到图像平面坐标的变换、图像平面坐标到相机坐标的变换，使图像中的中心像素坐标对应现实空间棉流层的中心坐标。图像采集模块将得到的图像信息通过总线直接送入DSP模块。

　　3.2 DSP图像处理模块

　　DSP图像处理模块完成彩色和黑白图像的增强处理、滤波处理、灰度化处理、目标的分割提取处理、轮廓提取处理和彩色信息提取处理。图像增强技术采用高斯卷积平滑技术进行。图像滤波处理采用中值滤波技术进行。这两种处理技术属于常规处理。

　　图像的灰度化处理就是将彩色图像转换到256级灰度图像的过程，该过程采用式（１）的算法进行。

　　Y=0.212671×R + 0.715160×G + 0.072169×B + 0×A （1）

　　其中，Y代表对应像素点的灰度值。R、G和B代表彩色图像像素点的三原色大小。A代表。

　　图像目标分割处理采用局部Mean-shift技术进行。首先进行灰度图像研究，发现棉层和异性纤维的灰度值是混合在一起，棉层背景在整个图像的像素分布上占据了绝对优势，而异性纤维图像仅占极小部分，棉花背景的灰度值范围大致在230～255 之间，异性纤维的灰度值大多数为230左右。采用传统的域值分割技术没法完成图像目标分割，考虑到异性纤维灰度分布特征，决定采用局部Mean-shift算法进行图像分割。Mean shift过程是一种核密度估计方法，它基于模式识别中估计概率密度函数的Parzen窗方法。对应于Parzen窗方法中的窗函数，定义核函数K(x)。多数情况下关心的是对称的核函数，因此它可以表示为如下形式：，其中是使K(x)积分为一的归一化常数。此处以高斯核函数为例，得出具有收敛性的递推公式和Mean-shift向量:

　　灰度化和分割效果如图３和图４所示。选取含有羽毛和有色线异性纤维的棉花层图像作为示例。

图３灰度化效果图图４分割效果图

　　轮廓提取处理和彩色信息提取处理是进行异性纤维特征提取的两个主要步骤。异性纤维的特征提取包括两个方面，形状特征和颜色特征。形状特征经过研究发现，可以通过提取对应轮廓的力矩作为识别异性纤维的主特征，外观比、占空比和似圆度作为第二分类特征，而颜色信息可以作为识别的辅助特征。轮廓提取处理采用挖空内点法进行。由于在图像分割处理以后，图像会被转化成二值化图像，采用挖空内点发是有效且迅速的方法。轮廓提取效果如图5所示。借助于完成的轮廓提取，结合原始彩色图像，采用行扫描和列扫描的方法，可以标记出彩色目标区域以及提取出对应的彩色目标。同时可以得到特征力矩及对应异性纤维的位置坐标。标记的效果及彩色目标如图6和图7所示。

图5 轮廓提取效果图 图6 彩色目标标定图 图7 彩色目标提取效果图

　　3.3异纤识别模块

　　3.3.1异纤特征选取

　　粗糙集（Rough Sets）理论是一种刻画不完整性和不确定性的数学工具，能有效分析和处理不精确、不一致、不完整等各种不完备信息，并从中发现隐含知识，揭示潜在的规律。目前已经在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了较为成功的应用。这里将粗糙集理论引入棉花异性纤维的特征提取方法中，提取出了有效的图像特征向量。基本粗糙集理论包括两方面的内容，即粗糙集知识表示方法和粗糙集约简理论。

　　1）异性纤维粗糙集知识表示方法

　　基于粗糙集理论的知识主要是借助于信息表这样一种有效的数据表知识表达系统。数据表知识表达系统的基本成分是研究对象的集合。关于这些对象的知识是通过指定对象的特征和它们的特征值来描述的。对于棉花异纤轮廓图像，取每种异纤的一个样本为例，得出的异性纤维属性特征表如表1所示。

　　表1 异性纤维属性特征表

异纤样本	轮廓力矩	外观比	占空比	似圆度	R均值	G均值	B均值	角点均值
头发	0.020	2.921	0.060	386	204	206	192	16
麻绳	0.115	3.987	0.189	269	195	207	203	27
羽毛	0.075	5.635	0.158	153	121	116	98	24
红色丙纶丝	0.075	3.489	0.456	226	214	207	198	32
蓝色丝绸	0.098	5.980	0.198	257	203	222	225	39
红色丝绸	0.101	3.370	0.175	248	205	226	227	28
黑色塑料布	0.168	4.509	0.780	16	208	224	226	36

　　2）异性纤维粗糙集约简方法

　　异性纤维知识表经过约简处理后，删除角点属性列，角点检测属于低层次的图像处理，由于异纤图像的复杂性，角点均值不能作为有效的特征进行分类，所以删除角点一列，保留轮廓力矩、外观比、占空比、似圆度和RGB均值属性列，其中轮廓力矩与面积和周长有直接关系，作为第一层分类标准，可以将异纤分为丝类、条类和片类；外观比反映的是目标轮廓的矩形程度，占空比反映目标区域的充实度，似圆度反映的是目标的圆形程度，这三个特征作为第二层分类标准；RGB均值代表异性纤维的色彩信息，其在全局不具有分类属性，但在局部具有一定的区分度，只能作为低属性进行分类。

　　3.3.2异纤分类方法

　　根据轮廓力矩的定义[11]知道，轮廓力矩D描述了轮廓中最长的对角线dm与垂直对角线dp的比值，如图8所示。

图8轮廓力矩说明图

　　研究发现，轮廓力矩的大小与面积与周长之比有直接关系，所以在此提出采用面积S与周长L之比作为新的力矩特征进行轮廓分类。定义为：

　　通过采用轮廓力矩作为粗分类标准，以头发、丙纶丝、麻绳、有色线、鸡毛、布条、磁带和塑料片8种异性纤维作为研究对象，对8种异性纤维的64个轮廓样本进行分析，得出的异性纤维轮廓力矩分布图如图9所示：

图9 轮廓力矩分布图

　　图中tf表示头发，bls表示丙纶丝，ms表示麻绳，ysx表示有色线，jm表示鸡毛，bt表示布条，cd表示磁带，slb表示塑料片。

　　（1）第一层分类标准依据轮廓力矩进行。从图9中可以看出：①头发的力矩分布在0.04~0.06之间；②丙纶丝、麻绳、有色线、鸡毛和布条的力矩分布在0.06~0.15之间；③磁带和塑料片的力矩分布在0.15~0.225之间；④分布图呈现三段式分布，分别对应了丝类、条类和片类的三个等级。

　　（2）对于条状中的蓝色丝绸、红色丝绸、麻绳、羽毛和红色丙纶丝的分类，结合异性纤维属性特征表，通过外观比、占空比、似圆度和RGB均值这几个特征能够有效的识别出来。

　　由此提出基于决策树的分类思想，通过大量实验进行优化组合得到图10所示的决策树分类流程图。“其他”是不符合异性纤维特征的个别异物。

图10决策树识别图

　　按照上述方法进行实验分类，结果如图11所示。

　　（1）头发

　　（2） 羽毛

　　（3）黑色塑料片

　　（4）麻绳

　　（5）红色丝绸

　　（6）蓝色丝绸

　　（7）红色丙纶丝

　　（8）其它  

　　3.4 异纤计重模块

　　在已知异纤的重量、类别的前提下，通过对约2万张左右的图片全部进行了图像处理，得到其异纤的面积，选取有效样本，去除最大样本和最小样本，计算出了每种异纤的平均单位面积重量，如表3所示。

　　表3 平均单位面积重量

　　

异纤样本	头发	麻绳	羽毛	黑色塑料片	红色丙纶丝	蓝色 丝绸	红色 丝绸	带荧光的白色丙纶丝	带荧光的白色塑料片
平均单位面积 重量/(mg/mm2)	4.00	6.00	1.65	2.35	0.73	1.17	5.16	0.86	0.62

　　4 结论

　　本文建立了一种棉花异性纤维分类识别和计重系统SIW（system of identifying and weighing），实现了异性纤维检测和计重的全程自动化。首先提出了系统的组成结构和工作原理，对系统关键的硬件设备和软件实现过程作了必要的说明，然后以粗糙集理论为基础，对异纤特征参数进行数据分析，提取出了有效的异纤特征值；并进行了异纤分类识别与计重模型的研究。最后对SIW系统进行测试，测试结果证明，该系统可以有效地识别出棉花中的异性纤维，并准确得到各种异性纤维的重量。