基于譜線分析的羊毛-羊絨的識別.pdf

1、羊絨和羊毛的鑒別一直是紡織行業(yè)具有挑戰(zhàn)性的命題之一，目前已經(jīng)提出對綿羊毛和山羊絨的鑒別中，顯微鏡鑒別方法一直保持著最重要，最廣泛的地位。但光學顯微鏡很難得到羊毛絨很好的鱗片細節(jié)數(shù)據(jù)圖像，它在很大程度上依賴于檢測人員的經(jīng)驗，而掃描電子顯微鏡雖然可以很清晰的看到羊毛/羊絨的表面細節(jié)，但整個鑒別流程長，成本高。因此毛紡行業(yè)迫切需要快速，客觀，準確的羊毛和羊絨識別系統(tǒng)。
　　 本課題提出通過分析羊毛和羊絨譜線圖的方法識別羊毛和羊絨。譜線

2、圖，即是首先通過對羊毛和羊絨表面紋理的提取和聚類，得到紋理灰度圖像，再經(jīng)過對紋理灰度圖像的膨脹，距離收縮得到羊毛和羊絨的紋理聚集塊圖像，為了更好地分析紋理聚集塊所代表的鱗片特征，將紋理沿著指定軸線投影得到的圖形即為譜線圖。
　　 課題隨機選取羊絨和羊毛各330根(比例1：1)進行算法的推算。從對羊毛和羊絨譜線的分割入手，在分割后的譜線圖上利用MATLAB軟件提取出了六個特征，通過分析六個特征的概率分布曲線圖，篩選出對羊毛和羊絨識

3、別單個貢獻率高的三個特征，再對篩選出的三個特征進行相關(guān)性分析，從而確定用于建立識別函數(shù)和識別點的兩個特征量。由于這兩個特征量在同一坐標系內(nèi)的落點圖中存在交叉，為了降低這種交叉，課題引入低通濾波處理譜線圖。試驗證明，低通濾波對于羊毛和羊絨的識別能夠起到起積極的作用。為了探索算法的有效性，首先對660根混合羊毛和羊絨樣本進行識別，其識別誤差為1.2％，由此初步認為該算法的有效性，然后再利用此算法對2060根的羊絨和羊毛混合樣本進行鑒別，最終

4、結(jié)果顯示建立在此算法基礎上的羊毛和羊絨識別率達到96.63％。另外，在此算法基礎上對70根土種毛進行了分析，結(jié)果顯示此種算法使得土種毛和羊絨的區(qū)分變得容易，但仍然未能達到理想的結(jié)果。由于羊絨和土種毛細度變異系數(shù)存在很大的差別，為此提出在算法基礎上加入羊毛和羊絨細度變異系數(shù)鑒別可以得到較好的結(jié)果。
　　 通過分析該算法對樣本容量以及樣本中羊毛和羊絨所含比例的依賴程度表明，此算法對于選取的該批樣本可以在保持識別率的條件下得到較高的穩(wěn)