[发明专利]基于自动视觉检测的异性纤维模糊分类系统及其方法

说明书

技术领域

本发明涉及棉花异性纤维分类领域，具体涉及一种基于自动视觉检测的棉花异性纤维模糊分类系统及其方法。

背景技术

棉花中的异性纤维是指在棉花采摘、摊晒、收购、储存、运输、加工过程中，混入棉花中的对棉花及其制品的质量有严重影响的非棉纤维和色纤维，俗称“三丝”，主要包括编塑料布、布条、头发、麻绳、丙纶丝和鸡毛等。

异性纤维在皮棉中的含量虽少，但对棉纺织品的质量影响严重，一旦混入并参与纺织将影响纱线强力，且在染色时影响着色，会对棉纺织工业造成重大经济损失。目前普遍的解决方法是通过挑拣来降低异性纤维的含量。但很多棉花行业的专家一致认为，通过挑拣(无论是人工还是机械)的方式来降低异性纤维的含量，总是被动和消极的；更为主动和积极的办法应该是从源头抓起，切断异性纤维混入的途径，让棉农、棉花收购者和加工企业都自觉地防范异性纤维混入。而在籽棉收购或交易环节如何准确分析籽棉中的异性纤维含量就成为问题的关键所在。

目前国内对棉花异性纤维含量的检测仅限于皮棉。普遍的做法是：对轧花厂生产的皮棉棉包进行取样，然后送到纤维检验机构留样，并分析确定异性纤维的含量。这种方法还未在籽棉收购环节中应用，因此目前还无法利用异性纤维含量来影响籽棉的收购价格。

AVI(Automated Visual Inspection，自动视觉检测)是利用光学器件进行非接触感知，自动获取待测目标的各种视觉特性，并对之进行分析和判断，以便达到对某些指定参数进行检测的目的。AVI技术已经在工业零件缺陷检测、PCB板缺陷检测、食品安全检测、水果分级等领域进行了成功运用，并达到了很好的效果。而利用AVI技术进行棉花异性纤维含量的在线计量，在国内外文献中还未见报道。

利用AVI技术进行棉花异性纤维含量的在线计量，关键是对分割出来的异性纤维目标进行分类，分类的正确率将直接影响后续进行的计量工作。特征提取和特征分类是AVI技术的核心部分，主要任务是产生特征向量并进行模式识别。目前关于特征提取的方法主要有颜色特征提取、形状特征提取、纹理特征提取等；用于模式识别的分类器包括基于概率统计的分类器、基于人工神经网络的分类器、基于模糊数学的模糊分类器等。

尽管目前对于特征提取和模式识别的研究已经取得了很多成果，也有很多成果已经在实际生产中进行了成功的应用，但目前还没有一种通用的方法可以解决所有模式识别问题。更由于棉花中的异性纤维种类繁杂、颜色形状各异，很难找到一种合适的成熟的方法对其进行准确分类。

发明内容

本发明的目的是提供一种基于AVI的棉花异性纤维模糊分类方法和系统，该方法选择颜色特征、形状特征和纹理特征构成多特征向量，并分别构建相应的模糊分类器，然后进行集成，实现对异性纤维的种类识别从而对所述异性纤维进行分类。

为了达到以上目的，本发明提供了一种基于AVI的棉花异性纤维模糊分类方法，所述方法包括以下步骤：

S1，对待识别异性纤维目标的颜色特征、形状特征和纹理特征进行特征选择，得到三者各自具有分类价值的特征向量；

S2，提取S1所得的待识别异性纤维目标的颜色特征向量、形状特征向量和纹理特征向量；其中颜色特征和形状特征取自目标区域，纹理特征取自目标外接区域，颜色特征数据取自原始彩色图像，形状特征数据取自对原始彩色图像进行图像处理得到的二值图像，纹理特征数据取自原始彩色图像的三个颜色分量的均值矩阵；

S3，利用S2中所得到的颜色特征向量、形状特征向量和纹理特征向量，得到待识别异性纤维目标属于不同异性纤维类别的隶属度颜色级分量、隶属度形状级分量以及隶属度纹理级分量；

S4，根据待识别纤维目标的颜色特征、形状特征和纹理特征对不同种类的异性纤维的分类贡献率的不同，将所述隶属度颜色级分量、隶属度形状级分量以及隶属度纹理级分量进行加权求和，得到待识别目标属于不同异性纤维类别的综合隶属度；

S5，对S4中得到的待识别异性纤维目标属于不同异性纤维类别的综合隶属度求最大值，则具有最大综合隶属度的类别就是待识别的异性纤维目标的最大可能类别。

其中，所述步骤S1中，所选择的具有最大分类价值的颜色特征向量包括红色、绿色、蓝色和亮度的均值，RGB三个分量的标准差；所选择的具有最大分类价值的形状特征向量包括形状因子、扩展比例和欧拉数；所选择的具有最大分类价值的纹理特征向量包括标准偏差和对比度。

其中，利用S2中所得到的颜色特征，通过下式表示的初级分类模型得到待识别异性纤维目标属于不同异性纤维类别的隶属度颜色级分量：