徐守東， 冷奕錦， 吳國新

(安徽財經(jīng)大學(xué) 棉花工程研究所， 安徽 蚌埠 233041)

棉花的質(zhì)量主要是通過對棉花顏色分級等質(zhì)量指標的檢測來確定的[1-3]。我國對皮棉顏色檢測采用的是HVI檢測儀器，籽棉基本靠感官檢驗[4-6]。事實上，皮棉品質(zhì)的優(yōu)劣主要取決于籽棉的品質(zhì)，只有優(yōu)質(zhì)的籽棉才有可能加工出高等級的皮棉。因此，如何規(guī)范籽棉收購檢驗，科學(xué)進行籽棉顏色等級測量，是收購加工環(huán)節(jié)亟待解決的問題，也是實現(xiàn)棉花加工工藝精細化、智能化控制和保障皮棉品質(zhì)的關(guān)鍵因素。籽棉顏色等級檢測的難點在于，待測樣品中的微小異物產(chǎn)生的顏色參數(shù)的奇點，造成顏色等級的不確定性過大。已有的有關(guān)棉花顏色等級的研究主要集中在皮棉方面：Thomasson等[7-9]研究了皮棉中的異物對顏色測量的影響，并通過構(gòu)造一個不同于一般商用測色儀的復(fù)雜系統(tǒng)和圖像檢測方法，來解決顏色測量的不確定性問題；Kang等[10]通過使用圖像測色儀和神經(jīng)網(wǎng)絡(luò)工具，解決了皮棉測色不確定度大的問題。顯然，籽棉顏色測量是一個困難的問題，與皮棉相比，籽棉中的異物更多、尺度更大，造成顏色不確定度更大。

本文研究團隊曾經(jīng)設(shè)計過籽棉顏色分級檢測儀，但因籽棉及其集合體分布的特殊性，難以實現(xiàn)精確測量。鑒于神經(jīng)網(wǎng)絡(luò)在棉花領(lǐng)域有較多成功案例[11-13]，因此，設(shè)計了采用神經(jīng)網(wǎng)絡(luò)來改進籽棉顏色分級檢測原理和方法。擬采用儀器自動檢測籽棉顏色等級，以期在籽棉收購環(huán)節(jié)實現(xiàn)對籽棉顏色的儀器化檢驗，便于客觀準確地判定籽棉顏色等級。同時，在棉花加工環(huán)節(jié)有利于確定籽棉和皮棉顏色等級的對應(yīng)關(guān)系，這對改進加工工藝、保障加工質(zhì)量，實現(xiàn)棉花加工提質(zhì)增效和貿(mào)易公平具有重要意義。

1 硬件設(shè)計

1.1 系統(tǒng)結(jié)構(gòu)

設(shè)備主要由機殼、光電檢測裝置、電源、液晶顯示模塊、控制按鍵和通信接口等組成，其整體結(jié)構(gòu)如圖1所示。

圖1 籽棉顏色分級檢測儀的整體結(jié)構(gòu)Fig.1 Structure of seed cotton color grade detecting system

光電檢測裝置由光源、柔光版、顏色傳感器和信號處理電路構(gòu)成。光源采用十二個條形發(fā)光二極管(LED) 發(fā)光板，發(fā)出D65光線，經(jīng)柔光版，使光線均勻照射到檢測樣品上，樣品表面的反射光線反射到顏色傳感器上。傳感器采用TCS3200顏色傳感器，接受被檢測籽棉樣品表面反射的光線，在單片機的控制下，讀取和分析其光線的構(gòu)成參數(shù)。

為保證LED發(fā)光均勻，采用恒流供電驅(qū)動方式，為避免LED發(fā)出的光直接照射到傳感器表面，在每個傳感器的外圍設(shè)置了遮光板，如圖2、3所示。微處理器采用T1公司生產(chǎn)的16位低功耗MSP430F249單片機，控制LED的開關(guān)、顏色傳感器的數(shù)據(jù)讀取、液晶屏模塊的顯示，以及與外部設(shè)備的通信。

1.2 硬件工作原理

籽棉樣品檢測時，將其放置在顏色分級檢測儀的下方，微處理器在檢測開始指令的控制下，控制LED發(fā)光，LED光源發(fā)出的光線經(jīng)過柔光板，均勻透過玻璃底板照射到被測籽棉樣品表面。光線經(jīng)樣品表面反射到顏色傳感器的檢測窗口，顏色傳感器讀取其光線的XYZ刺激值(標準色度觀察者的光譜三刺激值)，計算出籽棉的顏色特征，據(jù)此分析判定籽棉的顏色等級，并顯示在液晶顯示屏上。同時，通過CP2102USB模塊和無線通信模塊傳輸?shù)酵獠吭O(shè)備。

2 軟件設(shè)計

2.1 籽棉反射率與黃度檢測原理

軟件數(shù)據(jù)處理主要包括以下步驟：顏色傳感器的白平衡校正。RGB(Red,Green,Blue)顏色傳感器對著校驗白板，微處理器讀取顏色傳感器的測量值，分別記為red0_base、green0_base、blue0_base，base為基準數(shù)據(jù)；顏色傳感器的顏色識別。檢測儀對著要檢測的顏色，依次選通RGB顏色傳感器中的3種濾光裝置，測得三原色的檢測值，在計算機中R、G、B三通道的取值范圍皆為[0,255]；微處理器對顏色傳感器的顏色坐標進行轉(zhuǎn)換。根據(jù)國際照明委員的標準給出的變換公式，可以將任意對象的顏色，從RGB空間，變換到XYZ顏色空間，然后再變換到L*a*b*顏色空間，該顏色空間可直接給出檢測籽棉所需的反射率(Rd)和黃色深度(+b)。其中RGB為紅綠藍三原色，根據(jù)RGB的值可方便得到XYZ顏色空間的三刺激值X、Y、Z。三刺激值中的X不用測量，實際檢驗時，根據(jù)Y、Z刺激值就可以得到籽棉樣品的反射率Rd和黃色深度+b。

2.2 基于神經(jīng)網(wǎng)絡(luò)的非線性校正

由顏色傳感器獲取的測量值(反射率、黃度)往往存在較大偏差，不能直接使用，必須借助標準色板進行校正。一般來說，顏色傳感器的直接測量值與標準色板的標準值不會完全一樣，需要進一步進行非線性轉(zhuǎn)換。人工神經(jīng)網(wǎng)絡(luò)[14]被廣泛應(yīng)用于自然語言處理、深度圖像識別等方面，其中反向傳播(BP)神經(jīng)網(wǎng)絡(luò)[15-16]由于輸入、輸出均可以是實數(shù)，因而本文采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)由顏色傳感器的直接測量值到標準色板標準值的映射。

式(1)為Sigmoid函數(shù)的數(shù)學(xué)表達式，可見當自變量趨于正無窮時該函數(shù)的值趨于1，而當自變量趨于負無窮時其值趨于0，具有非線性飽和的特性，與生物神經(jīng)元的響應(yīng)特性非常類似，因而BP神經(jīng)網(wǎng)絡(luò)一般選用Sigmoid函數(shù)作為激活函數(shù)。在神經(jīng)網(wǎng)絡(luò)中：x表示前一級往本級的輸入；f(x)表示本級的輸出。

(1)

Sigmoid函數(shù)一階導(dǎo)數(shù)的數(shù)學(xué)表達式為

f′(x)=f(x)(1-f(x))

(2)

神經(jīng)網(wǎng)絡(luò)的輸入為

(3)

式中，Rd0、+b0指設(shè)備直接測量所得數(shù)據(jù)，即需要校正的數(shù)據(jù)。中間各級輸出

A(m+1)=f(n(m+1))=f(W(m+1)A(m)+b(m+1))

m=0,1,…,M-1

(4)

式中：M表示神經(jīng)網(wǎng)絡(luò)的總層數(shù)(m表示第m層)；A(m+1)及W(m+1)中的上標表示第m+1層的輸出和權(quán)重，而不是表示冪數(shù)；b(m+1)表示第m+1層神經(jīng)元的偏置。神經(jīng)網(wǎng)絡(luò)的最后一級輸出一般直接用A表示，即

在初中班級管理工作中，班主任的作用無比重要且意義重大，班主任的工作用心與否關(guān)系到初中生的身心能否健康發(fā)展，并且班主任也是整個教學(xué)環(huán)境中的協(xié)調(diào)者，多方面關(guān)系的紐帶和橋梁，因此，班主任應(yīng)該不斷更新教學(xué)觀念，改變管理方式，從而提高我國中學(xué)生的綜合素質(zhì)。

A=A(M)

(5)

BP神經(jīng)網(wǎng)絡(luò)最后一層敏感性反向傳輸?shù)墓綖?/p>

(6)

式(7)是除最后一層以外的前面各層的敏感性反向傳播公式，它與式(4)有明顯的差異，因為最后一層使用的是線性函數(shù)，而前面各層使用的是Sigmoid函數(shù)。

(7)

式中：m=M-1,…,2,1；W(m+1)表示第(m+1)層的權(quán)重。

本文中為提高校正的效果，分別使用2個結(jié)構(gòu)相同的神經(jīng)網(wǎng)絡(luò)校正Rd和+b及對樣品進行分類，校正原理與過程如圖4所示；網(wǎng)絡(luò)結(jié)構(gòu)用于對測量結(jié)果進行分類，如圖5所示。

圖4 比色板數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)校正原理Fig.4 Principle of NN rectification of color board

初始時神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與期望結(jié)果誤差較大。為縮小誤差，一般采用梯度下降法調(diào)節(jié)偏置和權(quán)重，如下式：

Wm(k+1)=Wm(k)-δsm(Am-1)T

(8)

bm(k+1)=bm(k)-δsm

(9)

式中：Wm表示第m層神經(jīng)元的權(quán)重；bm表示第m層神經(jīng)元的偏置；sm表示第m層敏感性；δ表示搜索速率。

由圖4可知，每條訓(xùn)練數(shù)據(jù)由4個數(shù)組成，前2個數(shù)是直接測量得到的Rd、+b，后2個數(shù)是比色板的標稱值，當把直接測量所得Rd、+b數(shù)據(jù)(Rd0、+b0)輸入神經(jīng)網(wǎng)絡(luò)，理論上神經(jīng)網(wǎng)絡(luò)的輸出應(yīng)當?shù)扔诒壬宓臉朔Q值，初始時神經(jīng)網(wǎng)絡(luò)的輸出與比色板的標稱值一般有較大差異，這就需要用梯度下降法調(diào)整神經(jīng)網(wǎng)絡(luò)各個節(jié)點的權(quán)重和偏置值，直至神經(jīng)網(wǎng)絡(luò)的輸出與比色板標稱值的誤差小于一定閾值為止。對于50條訓(xùn)練數(shù)據(jù)，當神經(jīng)網(wǎng)絡(luò)的輸出都與標稱值的誤差足夠小時，表明神經(jīng)網(wǎng)絡(luò)已經(jīng)訓(xùn)練完成，可以用于實際棉樣的測量。

因用于校正的標準色板只有5種，每種色板測量了10次，一共50個校準數(shù)據(jù)，這就要求神經(jīng)網(wǎng)絡(luò)中的未知參數(shù)最好不要超過50個，因此本文中采用2個2×4×4×1網(wǎng)絡(luò)，即2個輸入(顏色傳感器直接測量到的值)，2層Signoid非線性轉(zhuǎn)換層，每層4個元素，1個輸出(校正以后的Rd或+b)，如圖5所示。

圖5 非線性校正用神經(jīng)網(wǎng)絡(luò)Fig.5 Neural network for nonlinear rectification

3 實驗材料和方法

實驗主要分4部分進行：實驗材料的準備，也就是籽棉試樣的制作；用標準色板和人工神經(jīng)網(wǎng)絡(luò)對自制色度檢測儀做籽棉色域空間測量的可靠性驗證；色度檢測儀對籽棉色度測量的有效性驗證；神經(jīng)網(wǎng)絡(luò)對籽棉樣品進行分類與識別的正確性驗證。

3.1 籽棉樣品制作

由于籽棉個體成熟度等品質(zhì)差異很大，含雜率較高，顏色分布不均勻，很難直接對其顏色等級進行準確測量。現(xiàn)行GB 1103.1—2012《棉花 第1部分 鋸齒加工細絨棉》對皮棉分級做了詳細的描述和規(guī)定，并具有文字標準、實物標準和顏色分級圖。而對于籽棉，只是在附錄里與各顏色級皮棉對應(yīng)給出了文字描述，沒有實物標準和其他定量依據(jù)。本研究所選用的籽棉樣品，由河北省纖維檢驗局、安慶市纖維檢驗所和蚌埠市纖維檢驗所協(xié)助提供，均是2018年采摘的棉花，產(chǎn)地為新疆、河北、安徽。這些籽棉經(jīng)過多名棉花檢驗專家依據(jù)籽棉文字標準，結(jié)合長期感官檢驗經(jīng)驗綜合定級，制作成實驗棉樣，含12個顏色級別，包括白棉1級、白棉2級、白棉3級、白棉4級、白棉5級、淡點污棉1級、 淡點污棉2級、淡點污棉3級、淡黃染棉1級、淡黃染棉2級、淡黃染棉3級、黃染棉1級，共480個試樣。每個試樣放在30 cm ×30 cm的樣品框中，備實驗使用。黃染棉2級，因?qū)嶋H上基本不存在，未找到棉樣。

3.2 色度檢測儀對顏色測量的有效性驗證

顏色測量是一個很復(fù)雜的問題，但并不需要自制檢測儀能夠?qū)崿F(xiàn)全色域的顏色測量，只要能做到對籽棉色域空間實現(xiàn)色度準確測量即可。由本行業(yè)的經(jīng)驗可知，棉花總體而言是淡黃色的，使用Lab顏色空間的Rd和+b這2個指標，最能代表棉花的色度。皮棉就是使用這2個指標來反映棉花的顏色等級，并在實踐中使用了50多年，因此，僅需要少量色板驗證檢測儀的測色有效性即可。藍色、綠色等其他不會出現(xiàn)在籽棉中的顏色，不需要用對應(yīng)色板來校正測色裝置。

校準檢測儀選用的一套標準色板有5塊，分別是：棕色板、黃色板、白色板、灰色板和中色板。具體校準步驟是：對每塊色板各測量10次得到測量值，再用前文所述的神經(jīng)網(wǎng)絡(luò)校正，作為檢測儀對色板的最終測量值，數(shù)據(jù)見表1。該表中：離差是指測量值的平均值與標準色板值之差；離差百分比指測量值的標準值偏差除以標準值所得百分比?？梢钥吹剑瓷渎逝c標準值的絕對差值的最大值為0.168，黃度與標準值的絕對差值的最大值為0.031，相對偏差絕對值的最大值分別是0.21%和1.11%，均遠小于5%。根據(jù)表1的實驗數(shù)據(jù)可以看到，實驗數(shù)據(jù)非常平穩(wěn)。這反映出就色域測量范圍而言，檢測儀可以滿足籽棉色度的色域檢測。

表1 標準色板反射率與黃色深度的測量值和標準值Tab.1 Calibration of reflectance and yellowness measurements of standard color plates

3.3 籽棉色度測量值的有效性驗證

自制檢測儀能夠滿足籽棉色域測量要求，并不代表它能滿足顏色測量要求，這是由籽棉色度分布特征和顏色測量的原理決定的。首先，籽棉含有雜質(zhì)，所以其色度分布是不均衡的；再有，顏色傳感元件的感光區(qū)，只有8 mm大小的窗口，即每次只能測量一個很小區(qū)域的顏色。這就是說，對籽棉而言，任意2次測量值不一樣的概率很大。因此需要對一個試樣進行多點測量，亦對一個試樣做多次重復(fù)測量，然后取平均值，作為試樣的測量值。本研究對各籽棉樣品的測試值采用多次測量，然后取其平均值，期望這個平均值是穩(wěn)定的，可以代表試樣的色度。因此，需要證明單個試樣合適的重復(fù)測量次數(shù)，本研究將測量次數(shù)設(shè)計了10、20、30、40、50次，從每個顏色級各取1個樣品，每個樣品連續(xù)測量50次，然后分別求其10、20、30、40、50次的平均值和標準差，實驗數(shù)據(jù)見表2。對每個樣品，通過對標準差的卡方分析發(fā)現(xiàn)，當測量次數(shù)大于10，其標準差不受測量次數(shù)影響。由此可以確認，對籽棉色度測量，每個樣品做10次重復(fù)測量，并以其平均值作為1個樣品的實測數(shù)據(jù)，是沒有問題的。

表2 樣品測量次數(shù)與結(jié)果之間的關(guān)系Tab.2 Relation between measurements and results

3.4 籽棉色度的神經(jīng)網(wǎng)絡(luò)識別

經(jīng)過對480個試樣的測量，得到480個籽棉顏色(反射率Rd、黃度+b)數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)識別的基礎(chǔ)是對實驗數(shù)據(jù)一定可分類，矛盾的數(shù)據(jù)一定要非常少，否則識別率會很低，甚至不能識別。分類成功率的高低，不但與基礎(chǔ)數(shù)據(jù)有關(guān)，也與網(wǎng)絡(luò)結(jié)構(gòu)有關(guān)。經(jīng)過反復(fù)實驗和調(diào)整，借助于Python語言中的tensorflow庫，建立了如圖6所示的實際棉樣分類用神經(jīng)網(wǎng)絡(luò)。它的輸入端是儀器(經(jīng)過圖4的神經(jīng)網(wǎng)絡(luò)校正)測量所得色度(Rd、+b)值，輸出端是12個棉花顏色級分類(11,21,31,41,51,12,22,32,13,23,33,14)。其中：按照棉花國家標準11、21、31、41、51分別表示白棉1級、白棉2級、白棉3級、白棉4級、白棉5級；12、22、32分別表示淡點污棉1級、2級、 3級；13、23、33分別表示淡黃染棉1級、2級、3級； 14、24分別表示黃染棉1級、2級。神經(jīng)網(wǎng)絡(luò)的輸出分別以Grade11,Grade12,…,Grade41,Grade51表示。以Grade11為例，理論上若棉樣是白棉1級則Grade11應(yīng)該為1，其余所有輸出均為-1。NN1，NN2，…，NN12表示12個子神經(jīng)網(wǎng)絡(luò)(neural network，簡寫為NN)，這12個子神經(jīng)網(wǎng)絡(luò)組成一個大的能進行12種分類的神經(jīng)網(wǎng)絡(luò)。理論上若輸入的Rd、+b屬于籽棉某個顏色等級，則此顏色等級對應(yīng)的子神經(jīng)網(wǎng)絡(luò)的輸出為1，而其余子網(wǎng)絡(luò)的輸出應(yīng)為-1。顯然神經(jīng)網(wǎng)絡(luò)的實際輸出不可能正好是這2個數(shù)。判斷時首先看這12個子網(wǎng)絡(luò)中，有哪些輸出是大于0的。從這些輸出大于0的子網(wǎng)中選擇最大的數(shù)所對應(yīng)子網(wǎng)的顏色等級，作為輸入Rd、+b的顏色等級。若12個子網(wǎng)的輸出都是負值，表示無法確定此組Rd、+b的顏色等級。經(jīng)實驗測試，若直接將Rd、+b作為神經(jīng)網(wǎng)絡(luò)的輸入，分類的準確率非常低。因而需要先進行升維操作，將原來的2個數(shù)升維為15個數(shù)，再將此15個數(shù)作為12個子神經(jīng)網(wǎng)絡(luò)的輸入。

圖6 實際棉樣分類用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 Neural network of seed cotton classification

表3示出籽棉樣品分類準確率和隨機識別率。可以看到實驗數(shù)據(jù)的分類，總體上看效果是非常好的，多數(shù)準確率達到95%以上，不過白棉1級和黃染棉3級的分類效果稍微差一些，分類準確率在92%的水平。分類準確率表征了使用神經(jīng)網(wǎng)絡(luò)識別的成功率，但并不完全等價，還需要進一步做識別率的實驗。先從480項數(shù)據(jù)中隨機挑選80%的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，再用剩余的96項數(shù)據(jù)測試神經(jīng)網(wǎng)絡(luò)對籽棉顏色等級識別的正確性。可以看到12個顏色等級的識別率都在90%以上，測試結(jié)果比較理想。

表3 籽棉樣品分類準確率和隨機識別率Tab.3 Classification and recognition of seed cotton %

4 結(jié)束語

在前期工作的基礎(chǔ)上，對光源的選擇、顏色傳感器的信號采集、軟件校正等方面進行了優(yōu)化設(shè)計。經(jīng)過人工神經(jīng)網(wǎng)絡(luò)校正后，對標準色板反射率檢測的最大絕對誤差為0.168，最大相對誤差為0.21%；對標準色板黃色深度檢測的最大絕對誤差為0.031，最大相對誤差為1.11%，檢測結(jié)果達到了很高的精度。在此基礎(chǔ)上，對12個顏色等級480個樣品進行了測試，然后采用神經(jīng)網(wǎng)絡(luò)方法，實現(xiàn)了顏色等級90%以上的識別準確率。雖然試樣量不夠非常大，樣品產(chǎn)地不夠豐富，但實驗結(jié)果表明，用神經(jīng)網(wǎng)絡(luò)方法給籽棉顏色定級并建立相應(yīng)國家標準，是一個很有希望的方案。后續(xù)研究將進一步開展對比驗證實驗，分析籽棉樣品試軋后的皮棉樣品的測試結(jié)果的對應(yīng)關(guān)系，建立籽棉顏色等級與皮棉顏色等級的關(guān)系模型，實現(xiàn)對籽棉顏色等級的準確測量。為真正實現(xiàn)貿(mào)易公平、優(yōu)棉優(yōu)價、優(yōu)棉優(yōu)用，以及實現(xiàn)棉花加工自動化、精細化、智能化控制提供技術(shù)依據(jù)和數(shù)據(jù)支撐。