伏廣偉，張珍竹，李紅英，張志榮，韓文霞，劉建勇

（1.中國紡織工程學(xué)會，北京 100025；2.佛山中紡聯(lián)檢驗技術(shù)服務(wù)有限公司，廣東 佛山 528211；3.天津工業(yè)大學(xué)，天津 300387）

隨著經(jīng)濟(jì)的不斷發(fā)展，人們越來越追求服裝的舒適和健康[1]。棉纖維和麻纖維作為天然纖維，綠色健康，經(jīng)過混紡而成的麻棉織物作為一種兼具棉的柔軟和麻的挺括特點的織物，在市場上越來越受到消費者的歡迎[2]。麻棉織物中的成分含量不同，其理化性能差異較大，且棉纖維與麻纖維的價格不同，因此企業(yè)需要依托第三方檢測機(jī)構(gòu)對麻纖維和棉纖維進(jìn)行檢測識別，以確定紗線中的棉與麻的纖維含量，從而進(jìn)行合理定價。

國內(nèi)對于纖維含量的檢測主要根據(jù)GB 18401-2010《國家紡織產(chǎn)品基本安全技術(shù)規(guī)范》[3]和GB/T 5296.4-2012《消費品使用說明第4 部分：紡織品和服裝》[4]進(jìn)行，主要分為物理法和化學(xué)法。由于棉纖維和麻纖維同屬于纖維素纖維，其混紡產(chǎn)品無法用化學(xué)溶解的方式測定其成分含量，因此檢測人員通常用纖維顯微鏡橫截面測定法來觀察棉纖維和麻纖維的物理結(jié)構(gòu)特征。棉纖維天然轉(zhuǎn)曲，具有腰圓中腔的結(jié)構(gòu)，麻纖維兩端尖細(xì)中部較粗，沿纖維方向上的形態(tài)大致為矩形，具有橫節(jié)豎紋的結(jié)構(gòu)[5]，兩種纖維在形態(tài)結(jié)構(gòu)上具有明顯差異，熟練的檢測人員可做到50 分鐘檢測完成一個樣品的檢測。

針對人工檢測的檢測時間長，成本高，主觀因素影響較大的問題，采用人工智能技術(shù)對檢測流程的改造就十分具有必要性了。本文在介紹了人工智能技術(shù)鑒別麻棉纖維主要過程的基礎(chǔ)上，重點對圖像處理技術(shù)在麻棉纖維檢測領(lǐng)域的發(fā)展現(xiàn)狀進(jìn)行了系統(tǒng)的梳理和總結(jié)，并對人工智能技術(shù)在檢測領(lǐng)域的發(fā)展前景進(jìn)行了展望。

1 人工智能技術(shù)鑒別麻棉纖維的主要過程

目前國內(nèi)主要依照AATCC 20A 纖維定量分析中的顯微鏡法來測定麻棉纖維的混紡比[6-8]。在結(jié)合人工智能技術(shù)進(jìn)行自動化識別過程中，主要是對麻棉纖維的纖維圖像進(jìn)行采集，隨后進(jìn)行圖像的預(yù)處理，特征值提取，最后進(jìn)行麻棉纖維的識別具體過程（如圖1 所示）。

1.1 纖維圖像采集

基于人工智能技術(shù)的麻棉纖維自動圖像采集技術(shù)，主要是以自動聚焦、多焦面圖像融合和圖像拼接技術(shù)三部分的技術(shù)進(jìn)行組合而成的，其中最主要的部分是自動聚焦技術(shù)[9]。棉纖維天然轉(zhuǎn)曲，麻棉纖維在制樣中容易出現(xiàn)交叉現(xiàn)象，因此同一視野下存在多個焦平面，普通光學(xué)顯微鏡景深較短，無法對多個焦平面進(jìn)行清晰地對焦。因此基于人工智能技術(shù)的自動聚焦技術(shù)能解決傳統(tǒng)光學(xué)顯微鏡的不足，并且調(diào)節(jié)速度和靈敏度也比手動調(diào)節(jié)快，大大加快了纖維圖像采集的效率。

圖1 人工智能技術(shù)鑒別麻棉纖維技術(shù)路線圖

1.2 纖維圖像預(yù)處理

纖維圖像采集成功后，在預(yù)處理過程中常常會遇到光照不勻、噪聲、虛影等問題，因此需要對這些問題進(jìn)行處理，避免影響后續(xù)的特征值提取過程。纖維圖像的預(yù)處理主要包括圖像的灰度化處理[10]、雜質(zhì)噪聲濾除、圖像增強(qiáng)處理、圖像偏斜矯正以及圖像邊緣提取與修補(bǔ)[11-13]。

麻棉纖維的差異主要集中在物理結(jié)構(gòu)上，需要剔除顏色對人工智能技術(shù)對麻棉纖維識別的干擾，因此需要對纖維圖像進(jìn)行灰度化處理。處理后的圖片依舊存在許多干擾因素，如氣泡雜質(zhì)等噪聲干擾，此時需要對圖像的雜質(zhì)噪聲進(jìn)行濾除，從而利于后續(xù)的邊緣特征值提取。后續(xù)則需要對圖像的細(xì)節(jié)部分進(jìn)行特征強(qiáng)化，同時進(jìn)行圖像的矯正與修補(bǔ)，使灰度區(qū)間與灰度級增大，細(xì)節(jié)特征更清晰，增強(qiáng)識別效率。

1.3 特征值提取

棉纖維和麻纖維的形態(tài)結(jié)構(gòu)不同，因此可以通過提取細(xì)節(jié)部分不同的特征情況來對兩種纖維進(jìn)行區(qū)分。Baker[14]最早將圖像處理技術(shù)運(yùn)用到紡織領(lǐng)域，通過IIMC 系統(tǒng)準(zhǔn)確計算了棉纖維縱向投影上的平均寬度，測定了棉纖維的截面形態(tài)結(jié)構(gòu)，開始將棉纖維的特征參數(shù)納入圖像處理技術(shù)的考核范圍。隨后D.P.Thibodeaux[15]改進(jìn)這項技術(shù)，測出了棉纖維縱向的投影尺寸分布，通過一系列特征指標(biāo)來推斷棉纖維的成熟度。Matic-LeighR.[16]等人澤分析纖維的橫截面圖像，分析出了胞壁厚度、纖維寬度、成熟度系數(shù)、成熟度比率及胞壁厚度系數(shù)等指標(biāo)。

國內(nèi)的余序芬和吳兆平同樣對纖維的縱向結(jié)構(gòu)進(jìn)行分析，通過對棉纖維和麻纖維的大量識別，選取了纖維直徑、CV 值和充滿度三個特征值來對麻棉纖維進(jìn)行自動識別[17-18]。徐回祥澤[19]選取CV 值、苧麻橫節(jié)數(shù)和纖維扭曲度三個特征值來識別麻棉混紡紗的混紡比。趙宇濤則[20]選取了纖維圖像的直徑比、直徑標(biāo)準(zhǔn)差、平均扭曲度、最大扭曲度、整體充滿度和充滿度標(biāo)準(zhǔn)差這六個特征值進(jìn)行特征強(qiáng)化，識別效率較高。

隨著人工智能技術(shù)的不斷發(fā)展，特征值參數(shù)與BP 神經(jīng)網(wǎng)絡(luò)的組合識別模式使得識別準(zhǔn)確率與效率越來越高，未來人工智能技術(shù)在檢測領(lǐng)域的應(yīng)用發(fā)展前景廣闊。

1.4 纖維識別

正確識別了麻棉纖維的特征值后，相關(guān)機(jī)構(gòu)會基于sigmoid 型變換函數(shù)來對特征值參數(shù)進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練，通過多個輸入多個特征值參數(shù)對結(jié)果進(jìn)行判斷，可逐步訓(xùn)練學(xué)習(xí)過程，通過錯誤反饋來逼近期望輸出值，提高識別正確率。

2 影響麻棉纖維鑒別的干擾因素

人工智能技術(shù)不止是可以應(yīng)用到麻棉纖維鑒別，也可以識別各類具有不同縱向形態(tài)與截面特征的纖維，但是識別各種纖維的過程中均會遇到特征值識別不清晰的問題。麻棉纖維鑒別過程中主要存在兩類干擾因素。一類是纖維本身固有特征存在缺陷，如棉纖維自身品質(zhì)問題，導(dǎo)致天然轉(zhuǎn)曲、腰圓中腔的特征不明晰，就會出現(xiàn)無法識別或誤判。一類是統(tǒng)計特征參數(shù)誤差，纖維的狀態(tài)各不相同，設(shè)定的閾值往往不能完全完全對纖維的特征值進(jìn)行完全覆蓋，且各類纖維特征參數(shù)分布有交叉的地方，因此識別誤差是無法消除的，并且誤差難以估計[21]。

3 研究不足和展望

盡管關(guān)于人工智能技術(shù)運(yùn)用到麻棉纖維檢測領(lǐng)域的研究已經(jīng)有了一定的進(jìn)展，但很多的關(guān)于麻棉纖維自動化檢測的結(jié)果都是在樣品條件較好的條件下得出的，與實際遇到的檢測情況有所出入。當(dāng)前主要的人工智能技術(shù)在棉麻纖維識別過程中出現(xiàn)的問題如下。

3.1 纖維采集與預(yù)處理效果不好

在麻棉纖維采集的過程中，常常會出現(xiàn)麻棉纖維相互交錯的情況，此時纖維圖像的提取存在困難，無法得到完整圖像，因此需要進(jìn)行進(jìn)一步的研究改進(jìn)。

3.2 特征值提取數(shù)量不足

目前關(guān)于麻棉纖維的特征值選取已經(jīng)從開始的三種，逐步發(fā)展到了現(xiàn)在的六種之多。但是對于過于成熟及未成熟的棉纖維，其天然轉(zhuǎn)曲不明顯，直徑變化不大，輪廓形態(tài)與亞麻纖維接近，現(xiàn)有的特征值提取選擇容易導(dǎo)致人工智能識別不清，出現(xiàn)誤差。因此更適合鑒別麻棉纖維的特征值還需要進(jìn)行進(jìn)一步的歸納與提取。

3.3 識別能力不足

目前人工智能技術(shù)運(yùn)用在麻棉纖維的實際檢測情況還不多，實驗室內(nèi)主要對一個地區(qū)生產(chǎn)的棉纖維和麻纖維進(jìn)行了神經(jīng)網(wǎng)絡(luò)訓(xùn)練，當(dāng)不同地區(qū)不同品種的棉纖維和麻纖維進(jìn)行識別檢測的數(shù)據(jù)不足，其識別精確度不好，因此在后續(xù)研究中，需要繼續(xù)訓(xùn)練，完善神經(jīng)網(wǎng)絡(luò)。

3.4 人工智能技術(shù)在檢測領(lǐng)域的發(fā)展前景

人工智能技術(shù)賦能檢測行業(yè)，能夠通過自動化的檢測技術(shù)大大減輕檢測人員的工作強(qiáng)度，不斷提高識別效率和準(zhǔn)確率?；谌斯ぶ悄芗夹g(shù)的自動化檢測是的檢測行業(yè)的發(fā)展趨勢，也是行業(yè)環(huán)境不斷演變的大方向。

4 結(jié)語

人工智能技術(shù)進(jìn)行特征值識別的研究逐步引起了廣泛關(guān)注，本文首先總結(jié)了當(dāng)前人工智能技術(shù)鑒別麻棉纖維的基本方法，包括纖維圖像采集、纖維圖像預(yù)處理、特征值提取和纖維識別技術(shù)，其次從影響麻棉纖維準(zhǔn)確識別的干擾因素進(jìn)行分析，總結(jié)了人工智能技術(shù)應(yīng)用在麻棉纖維鑒別過程中常見的問題。通過從原理出發(fā)，分析實際鑒別過程中出現(xiàn)的問題，建立起人工智能技術(shù)鑒別麻棉纖維的整體思路框架，從而進(jìn)一步推動對人工智能技術(shù)在檢測行業(yè)的進(jìn)一步發(fā)展。