桑蠶繭質(zhì)量與生絲乃至綢緞產(chǎn)品的質(zhì)量都有著直接的關(guān)系，在能夠反映桑蠶繭質(zhì)量的諸多技術(shù)指標(biāo)中，感官檢驗(yàn)仍為主要的檢驗(yàn)方式，如繭形態(tài)試驗(yàn)即是如此。在實(shí)際繅絲生產(chǎn)中，繭色影響絲色，縮皺的粗細(xì)影響解舒的難易，繭形態(tài)檢驗(yàn)結(jié)果的準(zhǔn)確性受檢驗(yàn)人員技術(shù)水平和心理狀態(tài)等因素的影響程度較大。

機(jī)器視覺作為人工智能快速發(fā)展的一個(gè)分支，正在越來越多的行業(yè)得到廣泛應(yīng)用，使用機(jī)器視覺代替人工視覺進(jìn)行桑蠶繭質(zhì)量的檢驗(yàn)，將大大提高檢驗(yàn)結(jié)果的準(zhǔn)確性和質(zhì)量檢測的供給水平，并能夠適應(yīng)當(dāng)前“互聯(lián)網(wǎng)+”與“檢驗(yàn)檢測智能化”發(fā)展的大趨勢。近年來，國內(nèi)有學(xué)者已在實(shí)用新型生絲黑板檢測系統(tǒng)[1]、織物疵點(diǎn)檢測技術(shù)[2]、選繭輔助檢驗(yàn)和繭幅度檢驗(yàn)方法[3-4]、織物組織識別[5]等方面，將圖像處理和機(jī)器視覺等技術(shù)應(yīng)用于絲綢行業(yè)方面已做了一些研究。本文將對機(jī)器視覺應(yīng)用于繭形態(tài)檢驗(yàn)中的繭色和縮皺的自動(dòng)識別進(jìn)行探討。提出了基于HSV模型的顏色識別方法實(shí)現(xiàn)了桑蠶繭繭色的自動(dòng)識別，基于Tamura紋理特征的提取方法發(fā)現(xiàn)了紋理特征參數(shù)與縮皺粗細(xì)程度間存在的規(guī)律性關(guān)系。通過試驗(yàn)，結(jié)果顯示該繭色識別方法，對繭色為基本色的自動(dòng)識別準(zhǔn)確率較高，而利用紋理特征參數(shù)與縮皺粗細(xì)程度間的規(guī)律性關(guān)系，為桑蠶繭縮皺的智能化判別提供了一個(gè)思路。

1 試驗(yàn)

1.1 材料與儀器

1.1.1 材料

桑蠶繭（不同顏色的桑蠶干繭樣品a、b、c、d四類，縮皺為較粗、適中、較細(xì)的桑蠶干繭樣品e、f、g三種）。

1.1.2 儀器

電腦(聯(lián)想啟天M6500-D756，Intel?Core?i7-4770 cpu@3.40GHz處理器，8G內(nèi)存，Windows7操作系統(tǒng))，手機(jī)（華為技術(shù)有限公司，KNT-AL20），相機(jī)（尼康株式會(huì)社，D3300），暗室（海寧市硤石永興絲業(yè)機(jī)械廠，HBDJ-B型），圖像處理軟件（MATLAB R2018b），無反光深色背景板。

1.2 方法

1.2.1 圖像采集

由于物體的顏色是由光線在物體上被反射和吸收的情況決定的，所以為了減少光線對所測物體顏色的影響，圖像采集的地點(diǎn)為蠶絲黑板檢驗(yàn)用暗室。為減少背景板光線反射對所測物體顏色的影響，背景板為深色無反光背景板。為提高運(yùn)算速度，用于繭色自動(dòng)識別的a、b、c、d四類樣品采用手機(jī)拍攝彩色圖像，圖像尺寸為3968dpi×2976dpi；為得到樣品更加清晰的紋理特征，用于縮皺自動(dòng)識別的e、f、g三種樣品采用相機(jī)拍攝彩色圖像，圖像尺寸為6000dpi×4000dpi。圖像均為JPG格式文件。不同顏色和不同縮皺粗細(xì)程度樣品的采集圖像見圖1和圖2。

圖1 不同顏色樣品的采集圖像

圖2 縮皺粗細(xì)程度不同的樣品采集圖像

1.2.2 預(yù)處理

1.2.2.1 繭色識別

桑蠶繭的繭色在圖像中的特征為顏色特征，為得到所拍攝桑蠶干繭的整體顏色，需要將干繭的輪廓從圖像中單獨(dú)提取出來，為此需進(jìn)行相應(yīng)的預(yù)處理。首先將得到的彩色圖像轉(zhuǎn)換為灰度圖像，再將灰度圖像轉(zhuǎn)化為二進(jìn)制圖像后，通過刪除小面積對象除去圖像中噪聲，再通過開閉運(yùn)算、高斯濾波、中值濾波、空洞填充等處理后，獲得被拍攝桑蠶繭的輪廓，則輪廓內(nèi)部區(qū)域?yàn)樘卣魈崛^(qū)域。

1.2.2.2 縮皺識別

桑蠶繭的縮皺在圖像中的特征為紋理特征，為盡可能多地提取出縮皺的紋理特征參數(shù)，需要找到圖像中每粒桑蠶繭樣品的最大內(nèi)接矩形。在獲得桑蠶繭的輪廓后，首先在輪廓內(nèi)部尋找面積為最大的內(nèi)接矩形，并得到這個(gè)矩形與x方向的夾角，然后將圖像按得到的夾角進(jìn)行旋轉(zhuǎn)，再把最大內(nèi)接矩形進(jìn)行裁剪后另存為特征提取所需圖像。

1.2.3 特征提取

1.2.3.1 繭色識別

在RGB模型和HSV模型等數(shù)字圖像處理常采用的模型中，RGB被廣泛應(yīng)用于彩色監(jiān)視器和彩色視頻攝像機(jī)，而HSV有著比RGB更加接近人類的經(jīng)驗(yàn)與彩色感知的優(yōu)點(diǎn)，HSV的彩色描述對人來說是自然且非常直觀。所以在得到特征提取區(qū)域后，遍歷圖像上的每一個(gè)像素點(diǎn)，如果像素點(diǎn)在特征提取區(qū)域內(nèi)，則將此像素點(diǎn)的RGB轉(zhuǎn)換為HSV顏色空間，并獲取此像素點(diǎn)的H、S、V分量。在全部提取完畢后，分別計(jì)算特征提取區(qū)域內(nèi)H、S、V分量的平均值，以平均值作為被測樣品的整體顏色的分量。

1.2.3.2 縮皺識別

在進(jìn)行紋理特征提取時(shí)，灰度差分統(tǒng)計(jì)（GLDS）、Tamura紋理特征、灰度共生矩陣（GLCM）、局部二值模式（LBP）、gabor變換、Laws紋理測量等都是常用的特征提取方法。本文使用GLDS和Tamura兩種方法對紋理特征參數(shù)進(jìn)行提取，其中：GLDS法分別計(jì)算平均值、對比度、熵三個(gè)參數(shù)，Tamura紋理特征分別統(tǒng)計(jì)對于圖像檢索尤其重要的三個(gè)分量[6]中的粗糙度（Coarseness）、對比度（Contrast）兩個(gè)分量。

2 結(jié)果與分析

2.1 繭色識別

色彩可分為有彩色和無彩色兩大類，其中：有彩色包括了紅、橙、黃、綠、青、藍(lán)、紫等7種基本色，無彩色可分為黑、白、灰3種。為實(shí)現(xiàn)上述基本顏色的自動(dòng)識別，需確定各基本色H、S、V分量的范圍，通過試驗(yàn)計(jì)算的模糊范圍[7]見表1。根據(jù)特征提取區(qū)域的H、S、V平均分量，對照表1進(jìn)行桑蠶干繭顏色的自動(dòng)識別。

表1 HSV基本顏色分量范圍

根據(jù)以上方法，對a、b、c、d四類樣品依次進(jìn)行圖像采集、預(yù)處理、特征提取和結(jié)果處理后，得到表2中所述的相關(guān)參數(shù)，參照表1中各分量的范圍進(jìn)行樣品顏色的自動(dòng)判定，得出a、b、c、d四類樣品的顏色分別為紅色、黃色、綠色和白色。處理效果圖見圖3～圖6。

表2 試驗(yàn)參數(shù)及判定結(jié)果

圖3 a樣品效果圖

圖4 b樣品效果圖

圖5 c樣品效果圖

圖6 d樣品效果圖

2.2 縮皺識別

根據(jù)以上方法，對e、f、g三種樣品依次進(jìn)行圖像采集、預(yù)處理、特征提取后，得到表3中所述的GLDS和Tamura紋理特征相關(guān)參數(shù)。從表3可以看出：采用GLDS方法時(shí)，平均值、對比度、熵3個(gè)參數(shù)與縮皺的粗細(xì)沒有規(guī)律性關(guān)系，采用Tamura時(shí)，粗糙度和對比度兩個(gè)參數(shù)均與縮皺粗細(xì)存在規(guī)律性關(guān)系。處理效果圖見圖7～圖9。

圖7 e樣品效果圖

圖8 f樣品效果圖

圖9 g樣品效果圖

2.3 結(jié)果驗(yàn)證

為驗(yàn)證繭色識別的準(zhǔn)確性，使用Windows7自帶的畫圖軟件制作了17幅底色均為黑色、不同顏色的圓的圖像，圖像的尺寸為400pdi×300pdi，使用此方法分別進(jìn)行了驗(yàn)證。驗(yàn)證圖片見圖10，驗(yàn)證結(jié)果見表4。

圖10 驗(yàn)證圖片

3 結(jié)語

1）繭色識別的準(zhǔn)確率較高，可識別的顏色種類限于基本色。在17幅測試圖片中，準(zhǔn)確識別的為16幅，準(zhǔn)確率為94.1%，識別不一致的情況為淺黃色被識別為橙色。除基本色以外的其他更多顏色的HSV顏色分量尚無準(zhǔn)確的范圍，還需要更多的試驗(yàn)來確定，導(dǎo)致可自動(dòng)識別的顏色限于基本色，而且繭色自動(dòng)識別的準(zhǔn)確性受光線的影響較大。

2）通過Tamura紋理特征提取方法統(tǒng)計(jì)的紋理特征參數(shù)與桑蠶繭縮皺的粗細(xì)存在規(guī)律性關(guān)系。其中：縮皺較粗的粗糙度參數(shù)較大，同時(shí)對比度參數(shù)較??；縮皺較細(xì)的粗糙度參數(shù)較小，同時(shí)對比度參數(shù)較大；縮皺適中的粗糙度和對比度兩個(gè)參數(shù)均居中?？s皺粗細(xì)的判定效果除了因不同的紋理特征提取方法而不同外，還較大程度上受圖像的分辨率、光照、反射等因素的影響。

表3 試驗(yàn)參數(shù)及判定結(jié)果

表4 驗(yàn)證結(jié)果