基于多光譜技術(shù)棉花疵點檢測與識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于光學(xué)測量技術(shù)領(lǐng)域，特別涉及一種棉花軋工質(zhì)量自動分類檢測和識別 方法。
【背景技術(shù)】
[0002] 皮棉疵點是指帶纖維的雜質(zhì)和妨礙紡織的纖維兩大類，包括破籽、不孕籽、索絲、 軟籽表皮、僵片、帶纖維籽肩及棉結(jié)7種。由于疵點在紡織過程中難以排出，殘留的雜質(zhì)疵 點包卷在紗條中或附著在紗線表面，其后果是造成條干惡化，成紗棉結(jié)、雜質(zhì)增多，紗絨毛 羽增加。用帶纖維籽肩數(shù)量大的紗線造成的胚布其表面表現(xiàn)出大量的棉結(jié)、雜質(zhì)，染色后布 面將顯現(xiàn)不孕色點、毛粒，手感僵硬粗糙，從而影響棉紡織業(yè)的發(fā)展，給國民經(jīng)濟帶來了嚴 重的損失。因此，皮棉疵點含量的快速檢測對于原棉質(zhì)量等級判定至關(guān)重要。
[0003]棉花軋工質(zhì)量根據(jù)疵點含量分別為好、中、差三檔。目前國內(nèi)大多數(shù)企業(yè)普遍采用 目光檢測法進行疵點的識別。目光檢測法的測試準確性往往受人為因素的影響，而且對于 細小的疵點，檢測結(jié)果的誤檢率和漏檢率比較高，而且費工費時。同時檢測過程中會產(chǎn)生大 量的棉絮和揚塵，這樣檢測人員經(jīng)常會受到外界環(huán)境的影響，人眼經(jīng)過長時間工作也容易 疲勞，導(dǎo)致準確度下降。隨著計算機技術(shù)及光電檢測技術(shù)的發(fā)展，出現(xiàn)了各種棉花質(zhì)量自動 檢測方法，但是與一般情況下的目標檢測和識別方式不同，全自動棉花疵點檢測和識別系 統(tǒng)具有高速度、高精度的要求，這樣棉花疵點檢測和識別方法面臨著以下主要技術(shù)難題：
[0004] (1)現(xiàn)行技術(shù)和方法普遍采用可見光作為光源，只能有效識別部分疵點，質(zhì)量判別 精度偏低。
[0005] (2)圖像干擾因素多。由于光源的波動特性以及工業(yè)條件下成像過程中存在的陰 影、光線反射和吸收等各種干擾，即使是純白色的棉花其成像結(jié)果也可能出現(xiàn)明暗不均勻， 使得一般的檢測方法容易受干擾因素的影響。
[0006] (3)棉花疵點共有七種類型，形態(tài)復(fù)雜，因此增加了檢測難度。棉結(jié)和索絲與棉花 形態(tài)特征相似，因此不能使用一般的單一目標檢測方法來識別。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明要解決的技術(shù)問題就在于：針對現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明提供一 種原理簡單、自動化程度高、檢測速度快、檢測精度高的皮棉疵點檢測與識別方法。
[0008]為解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案：
[0009]一種基于多光譜技術(shù)棉花疵點檢測與識別方法，其步驟為：
[0010] (1)圖像獲?。豪妹藁ú煌命c最佳圖像清晰度與光照及驅(qū)動電壓的關(guān)系，通 過測量光照反饋驅(qū)動光源獲得疵點最佳圖像，利用白色LED光源和多光譜相機先獲取棉花 疵點的彩色圖像，接著利用近紅外半導(dǎo)體線激光器和多光譜相機獲取棉花疵點線圖像并將 線圖像拼接成一幅全景圖像；
[0011] (2)圖像預(yù)處理：包括對圖像進行噪聲干擾去除，提取彩色相機圖像R、G、B三個通 道信息，得到三個通過灰度圖像；
[0012] (3)疵點初步檢測：利用改進形態(tài)學(xué)梯度算法進行邊緣檢測，得到各個疵點綜合 邊緣檢測強度，得到各個疵點對比度增強圖像；
[0013] (4)疵點精確定位：通過改進迭代閾值法得到疵點區(qū)域二值化圖像，去除雜點，對 圖像膨脹、腐蝕和填充算法操作，將圖像轉(zhuǎn)換成連通域圖像，通過選擇主要疵點算法精確定 位疵點，并通過標記提取破籽、籽肩及僵片疵點區(qū)域。對于近紅外圖像，減去彩色相機處理 圖像獲得疵點區(qū)域，利用最大類間方差法進行圖像分割，形態(tài)學(xué)梯度算法進行疵點邊緣強 度檢測，對圖像膨脹、腐蝕和填充算法操作，將圖像轉(zhuǎn)換成連通域圖像，通過選擇主要疵點 算法精確定位疵點，并通過標記提取索絲和棉結(jié)疵點區(qū)域；
[0014] (5)軋棉質(zhì)量判定：統(tǒng)計各個疵點數(shù)量，計算出棉花疵點總粒數(shù)，獲得軋棉質(zhì)量檔 次。
[0015] 作為本發(fā)明的進一步改進：
[0016] 所述步驟（2)的具體步驟為：
[0017] (2.1)采用中值濾波對步驟1采集的圖像F(i，j)和G(i，j)進行噪聲去除得到圖 像f(i，j)和g(i，j)，采用5X5區(qū)域的二維模板，模板中像素大于系統(tǒng)設(shè)定閾值4500,則所 有像素灰度置為255,否則為0,從而實現(xiàn)選擇主要疵點的目的。其中4500的選取是經(jīng)過多 次試驗后所確定的經(jīng)驗數(shù)值。圖像中（i，j)點處經(jīng)中值濾波輸出med[ X(i)]:
[0018]
【主權(quán)項】
1. 一種基于多光譜技術(shù)棉花疵點檢測與識別方法，其步驟為： (1) 圖像獲?。豪妹藁ú煌命c最佳圖像清晰度與光照及驅(qū)動電壓的關(guān)系，通過測 量光照反饋驅(qū)動光源獲得疵點最佳圖像，利用白色LED光源和多光譜相機先獲取棉花疵點 的彩色圖像，接著利用近紅外半導(dǎo)體線激光器和多光譜相機獲取棉花疵點線圖像并將線圖 像拼接成一幅全景圖像； (2) 圖像預(yù)處理：包括對圖像進行噪聲干擾去除，提取彩色相機圖像R、G、B三個通道信 息，得到三個通過灰度圖像； (3) 疵點初步檢測：利用改進形態(tài)學(xué)梯度算法進行邊緣檢測，得到各個疵點綜合邊緣 檢測強度，得到各個疵點對比度增強圖像； (4) 疵點精確定位：通過改進迭代閾值法得到疵點區(qū)域二值化圖像，去除雜點，對圖像 膨脹、腐蝕和填充算法操作，將圖像轉(zhuǎn)換成連通域圖像，通過選擇主要疵點算法精確定位疵 點，并通過標記提取破籽、籽肩及僵片疵點區(qū)域。對于近紅外圖像，減去彩色相機處理圖像 獲得疵點區(qū)域，利用最大類間方差法進行圖像分割，形態(tài)學(xué)梯度算法進行疵點邊緣強度檢 測，對圖像膨脹、腐蝕和填充算法操作，將圖像轉(zhuǎn)換成連通域圖像，通過選擇主要疵點算法 精確定位疵點，并通過標記提取索絲和棉結(jié)疵點區(qū)域； (5) 軋棉質(zhì)量判定：統(tǒng)計各個疵點數(shù)量，計算出棉花疵點總粒數(shù)，獲得軋棉質(zhì)量檔次。 作為本發(fā)明的進一步改進。
2. 根據(jù)權(quán)利要求1所述的基于多光譜技術(shù)棉花疵點檢測與識別方法，其特征在于步驟 (2) 的具體步驟： (2.1) 采用中值濾波對步驟1采集的圖像F(i，j)和G(i，j)進行噪聲去除得到圖像 f(i，j)和g(i，j)，采用5X5區(qū)域的二維模板，模板中像素大于系統(tǒng)設(shè)定閾值4500,則所有 像素灰度置為255,否則為0,從而實現(xiàn)選擇主要疵點的目的。其中4500的選取是經(jīng)過多次 試驗后所確定的經(jīng)驗數(shù)值。圖像中（i，j)點處經(jīng)中值濾波輸出med[x(i)]:
(2.2) 對棉花疵點彩色圖像F(i，j)進行R、G、B三通道信息提取，得到R通道灰度圖像 fK(i，j)，，G通道灰度圖像fc(i，j)，和B通道灰度圖像fB(i，j)。
3. 根據(jù)權(quán)利要求1所述的基于多光譜技術(shù)棉花疵點檢測與識別方法，其特征在于步驟 (3) 的具體步驟：
其中fK、fe和fBSR、G、B分量，g為結(jié)構(gòu)元素。采用3X3菱形結(jié)構(gòu)作為結(jié)構(gòu)元素，如 果邊緣檢測強度大于給定閾值，則該像素點為得到的邊緣像素點。 (3.1)對于彩色圖像R、G、B三通道灰度圖分別進行邊緣檢測，R通道邊緣檢測強度 grad (fK)為： G通道邊緣檢測強度 B通道邊緣檢測強度 (3. 2)棉花疵點中的破籽和帶纖維籽肩的邊緣強度算子為： grad (f破籽）=grad (fK) +grad (fG) -grad (fB) 根據(jù)多次實驗系統(tǒng)設(shè)定閾值Tlf = 315,大于閾值的為破籽，小于閾值的為帶纖維籽肩。 棉花疵點中僵棉的邊緣強度算子為： grad (f) = grad (fE) +grad (fG) +grad (fB) X 2. 5 grad (f僵棉）=grad (f)-grad (f破籽）。
4.根據(jù)權(quán)利要求1所述的基于多光譜技術(shù)棉花疵點檢測與識別方法，其特征在于步驟 (4)的具體步驟： (4. 1)利用棉花破籽、籽肩及僵棉綜合邊緣檢測強度求出最大灰度值t_max和最小灰 度值t_min，初始閾值為
(4. 2)根據(jù)閾值Tk將偽灰度圖像分割成目標和背景兩部分，目標平均灰度值為：： 背景平均灰度值為：
其中z(i，j)為灰度梯度圖像上（i，j)點的灰度；n(i，j)是（i，j)點的權(quán)重系數(shù)。 (4. 3)根據(jù)背景平均灰度值和目標平均灰度值獲得適合原棉疵點檢測的新閾值： Tk+1= n(Z0+ZB) 根據(jù)新閾值獲得最佳閾值： Top= T k； IT k+1-Tk I 0.0 l 其中，k = 1，2,3...，8, Tk為η k= 0.1 Xk時的閾值，根據(jù)多次試驗結(jié)果對于破籽和籽 肩η = 0. 6,對于僵棉η = 0. 5。 (4. 4)根據(jù)最大類間方差法把近紅外圖像分為背景區(qū)域和目標區(qū)域，利用邊緣檢測算 子得到棉結(jié)和索絲疵點綜合邊緣強度：
(4. 5)選擇主要疵點： (4. 5. 1)根據(jù)棉花疵點圖像特征，設(shè)定面積閾值80去除圖像fji，j)中雜點，80的選 取為經(jīng)過多次試驗后所確定的經(jīng)驗數(shù)值。 (4.5.2) 對雜點去除圖像進行膨脹、腐蝕和填充算法操作，得到處理圖像:
(4.5.3) 將圖像g轉(zhuǎn)換成連通域圖像gl(i，j):對圖像g先做橫向搜索，如果（i，j)點 橫向相鄰第26點為白點，則兩點中間所有點為白點，否則不做操作繼續(xù)搜索；接著圖像g做 縱向搜索，如果（i，j)點縱向相鄰第9點為白點，則兩點中間所有點為白點，否則不做操作 繼續(xù)搜索。26和9根據(jù)實驗中結(jié)構(gòu)光圖像中寬度及棉花疵點特征多次試驗后所確定的經(jīng)驗 數(shù)值。 (4. 6)棉花疵點提取： (4. 6. 1)對圖像f4中的區(qū)域進行標記每個區(qū)域使用一個從1開始的整數(shù)進行標記，不 同的疵點區(qū)域標記值不同，背景區(qū)域使用O進行標記，標記區(qū)域大于7000得到為僵棉，大于 150同時小于7000判定為破籽，其余判定為籽肩，7000和150的選取為多次試驗后所確定 的經(jīng)驗數(shù)值。 (4. 6. 2)對圖像gl中的區(qū)域進行標記每個區(qū)域使用一個從1開始的整數(shù)進行標記，不 同的疵點區(qū)域標記值不同，背景區(qū)域使用0進行標記，標記區(qū)域大于600為索絲，小于600 為棉結(jié)，600的選取為多次試驗后所確定的經(jīng)驗數(shù)值。
【專利摘要】一種基于多光譜技術(shù)棉花疵點檢測與識別方法，其步驟為：(1)圖像獲?。?2)圖像預(yù)處理；(3)疵點初步檢測：利用改進形態(tài)學(xué)梯度算法進行邊緣檢測，得到各個疵點綜合邊緣檢測強度，得到各個疵點對比度增強圖像；(4)疵點精確定位：通過改進迭代閾值法和形態(tài)學(xué)處理后將圖像轉(zhuǎn)換成連通域圖像，通過選擇主要疵點算法精確定位疵點，并通過標記提取疵點區(qū)域；(5)軋棉質(zhì)量判定：統(tǒng)計各個疵點數(shù)量，計算出棉花疵點總粒數(shù)，獲得軋棉質(zhì)量檔次。本發(fā)明具有原理簡單、檢測速度快、檢測精度高等優(yōu)點。
【IPC分類】G06T7-00
【公開號】CN104751443
【申請?zhí)枴緾N201410756799
【發(fā)明人】張志峰, 吳學(xué)紅, 翟玉生, 余濤, 石開, 蘇玉玲, 王新杰, 劉海增
【申請人】鄭州輕工業(yè)學(xué)院
【公開日】2015年7月1日
【申請日】2014年12月12日