基于自动视觉检测的棉花异性纤维在线识别方法研究

棉花异性纤维是影响皮棉及其纺织产品质量的主要因素，异性纤维的在线剔除与含量计量一直是困扰我国棉花加工企业的棘手难题。本研究拟以白色丙纶丝、半透明塑料布、毛发、麻绳丝等白色半透明及细小棉花异性纤维为研究对象，采用自动视觉检测（AVI）技术和光谱分析技术，在充分分析棉层厚度、异性纤维材质与颜色等影响的基础上，研究不同条件下异性纤维的反射光谱特性，确定异性纤维的最佳检测光谱波段；以AVI条件下采集的高分辨率异性纤维图像为基础，研究基于特征分布和多分辨率小波的高分辨率棉花异性纤维图像的快速分割方法；通过研究基于组合优化的异性纤维特征选择方法，确定具有最佳分类效果的最优特征向量；通过构建合理的模糊分类规则，结合分类规则自动学习和输出权重自动调整，研究智能的多特征、多分类器集成的棉花异性纤维模糊分类模型。通过上述研究为棉花异性纤维的在线剔除和含量计量提供科学方法和依据。

为解决棉花异性纤维在线含量计量与剔除难题，本课题开展了机械传动薄棉条件下基于自动视觉检测的棉花异性纤维在线识别方法研究。提出了基于光谱分析的异性纤维最佳检测光谱波段选择方法，找到了异性纤维最佳检测光谱波段,解决了机器视觉系统对不同种类异性纤维的检测效果差异较大问题;发明了一种新的高分辨率棉花异性纤维彩色图像的边缘检测方法，实现了彩色异性纤维图像的精确分割,实现了高分辨率、低对比度异性纤维图像的精确分割; 提出了一种基于改进遗传算法的最优特征向量选择方法以及一种基于改进蚁群算法的棉花异性纤维图像目标特征的选择方法，选出了异性纤维目标的最佳特征子集,较好地解决了异性纤维目标的特征空间具有多质性问题；发明了一种基于多类支持向量机的棉花异性纤维在线分类方法，实现了异性纤维目标的在线精确分类。本课题研究为棉花异性纤维的在线含量计量和剔除提供了科学方法和理论依据。依托本项目资助，共发表论文14篇，其中SCI论文7篇，EI论文7篇；申请发明专利10项，其中以已授权发明专利1项，公开8项,已授权实用新型专利1项,公开1项；培养博士研究生3名，硕士研究生5名。