基于多光谱技术棉花疵点检测与识别方法
【技术领域】
[0001] 本发明属于光学测量技术领域，特别涉及一种棉花轧工质量自动分类检测和识别 方法。
【背景技术】
[0002] 皮棉疵点是指带纤维的杂质和妨碍纺织的纤维两大类，包括破籽、不孕籽、索丝、 软籽表皮、僵片、带纤维籽肩及棉结7种。由于疵点在纺织过程中难以排出，残留的杂质疵 点包卷在纱条中或附着在纱线表面，其后果是造成条干恶化，成纱棉结、杂质增多，纱绒毛 羽增加。用带纤维籽肩数量大的纱线造成的胚布其表面表现出大量的棉结、杂质，染色后布 面将显现不孕色点、毛粒，手感僵硬粗糙，从而影响棉纺织业的发展，给国民经济带来了严 重的损失。因此，皮棉疵点含量的快速检测对于原棉质量等级判定至关重要。
[0003]棉花轧工质量根据疵点含量分别为好、中、差三档。目前国内大多数企业普遍采用 目光检测法进行疵点的识别。目光检测法的测试准确性往往受人为因素的影响，而且对于 细小的疵点，检测结果的误检率和漏检率比较高，而且费工费时。同时检测过程中会产生大 量的棉絮和扬尘，这样检测人员经常会受到外界环境的影响，人眼经过长时间工作也容易 疲劳，导致准确度下降。随着计算机技术及光电检测技术的发展，出现了各种棉花质量自动 检测方法，但是与一般情况下的目标检测和识别方式不同，全自动棉花疵点检测和识别系 统具有高速度、高精度的要求，这样棉花疵点检测和识别方法面临着以下主要技术难题：
[0004] (1)现行技术和方法普遍采用可见光作为光源，只能有效识别部分疵点，质量判别 精度偏低。
[0005] (2)图像干扰因素多。由于光源的波动特性以及工业条件下成像过程中存在的阴 影、光线反射和吸收等各种干扰，即使是纯白色的棉花其成像结果也可能出现明暗不均匀， 使得一般的检测方法容易受干扰因素的影响。
[0006] (3)棉花疵点共有七种类型，形态复杂，因此增加了检测难度。棉结和索丝与棉花 形态特征相似，因此不能使用一般的单一目标检测方法来识别。
【发明内容】
[0007] 本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一 种原理简单、自动化程度高、检测速度快、检测精度高的皮棉疵点检测与识别方法。
[0008]为解决上述技术问题，本发明采用以下技术方案：
[0009]一种基于多光谱技术棉花疵点检测与识别方法，其步骤为：
[0010] (1)图像获取：利用棉花不同疵点最佳图像清晰度与光照及驱动电压的关系，通 过测量光照反馈驱动光源获得疵点最佳图像，利用白色LED光源和多光谱相机先获取棉花 疵点的彩色图像，接着利用近红外半导体线激光器和多光谱相机获取棉花疵点线图像并将 线图像拼接成一幅全景图像；
[0011] (2)图像预处理：包括对图像进行噪声干扰去除，提取彩色相机图像R、G、B三个通 道信息，得到三个通过灰度图像；
[0012] (3)疵点初步检测：利用改进形态学梯度算法进行边缘检测，得到各个疵点综合 边缘检测强度，得到各个疵点对比度增强图像；
[0013] (4)疵点精确定位：通过改进迭代阈值法得到疵点区域二值化图像，去除杂点，对 图像膨胀、腐蚀和填充算法操作，将图像转换成连通域图像，通过选择主要疵点算法精确定 位疵点，并通过标记提取破籽、籽肩及僵片疵点区域。对于近红外图像，减去彩色相机处理 图像获得疵点区域，利用最大类间方差法进行图像分割，形态学梯度算法进行疵点边缘强 度检测，对图像膨胀、腐蚀和填充算法操作，将图像转换成连通域图像，通过选择主要疵点 算法精确定位疵点，并通过标记提取索丝和棉结疵点区域；
[0014] (5)轧棉质量判定：统计各个疵点数量，计算出棉花疵点总粒数，获得轧棉质量档 次。
[0015] 作为本发明的进一步改进：
[0016] 所述步骤（2)的具体步骤为：
[0017] (2.1)采用中值滤波对步骤1采集的图像F(i，j)和G(i，j)进行噪声去除得到图 像f(i，j)和g(i，j)，采用5X5区域的二维模板，模板中像素大于系统设定阈值4500,则所 有像素灰度置为255,否则为0,从而实现选择主要疵点的目的。其中4500的选取是经过多 次试验后所确定的经验数值。图像中（i，j)点处经中值滤波输出med[ X(i)]:
[0018]
【主权项】
1. 一种基于多光谱技术棉花疵点检测与识别方法，其步骤为： (1) 图像获取：利用棉花不同疵点最佳图像清晰度与光照及驱动电压的关系，通过测 量光照反馈驱动光源获得疵点最佳图像，利用白色LED光源和多光谱相机先获取棉花疵点 的彩色图像，接着利用近红外半导体线激光器和多光谱相机获取棉花疵点线图像并将线图 像拼接成一幅全景图像； (2) 图像预处理：包括对图像进行噪声干扰去除，提取彩色相机图像R、G、B三个通道信 息，得到三个通过灰度图像； (3) 疵点初步检测：利用改进形态学梯度算法进行边缘检测，得到各个疵点综合边缘 检测强度，得到各个疵点对比度增强图像； (4) 疵点精确定位：通过改进迭代阈值法得到疵点区域二值化图像，去除杂点，对图像 膨胀、腐蚀和填充算法操作，将图像转换成连通域图像，通过选择主要疵点算法精确定位疵 点，并通过标记提取破籽、籽肩及僵片疵点区域。对于近红外图像，减去彩色相机处理图像 获得疵点区域，利用最大类间方差法进行图像分割，形态学梯度算法进行疵点边缘强度检 测，对图像膨胀、腐蚀和填充算法操作，将图像转换成连通域图像，通过选择主要疵点算法 精确定位疵点，并通过标记提取索丝和棉结疵点区域； (5) 轧棉质量判定：统计各个疵点数量，计算出棉花疵点总粒数，获得轧棉质量档次。 作为本发明的进一步改进。
2. 根据权利要求1所述的基于多光谱技术棉花疵点检测与识别方法，其特征在于步骤 (2) 的具体步骤： (2.1) 采用中值滤波对步骤1采集的图像F(i，j)和G(i，j)进行噪声去除得到图像 f(i，j)和g(i，j)，采用5X5区域的二维模板，模板中像素大于系统设定阈值4500,则所有 像素灰度置为255,否则为0,从而实现选择主要疵点的目的。其中4500的选取是经过多次 试验后所确定的经验数值。图像中（i，j)点处经中值滤波输出med[x(i)]:
(2.2) 对棉花疵点彩色图像F(i，j)进行R、G、B三通道信息提取，得到R通道灰度图像 fK(i，j)，，G通道灰度图像fc(i，j)，和B通道灰度图像fB(i，j)。
3. 根据权利要求1所述的基于多光谱技术棉花疵点检测与识别方法，其特征在于步骤 (3) 的具体步骤：
其中fK、fe和fBSR、G、B分量，g为结构元素。采用3X3菱形结构作为结构元素，如 果边缘检测强度大于给定阈值，则该像素点为得到的边缘像素点。 (3.1)对于彩色图像R、G、B三通道灰度图分别进行边缘检测，R通道边缘检测强度 grad (fK)为： G通道边缘检测强度 B通道边缘检测强度 (3. 2)棉花疵点中的破籽和带纤维籽肩的边缘强度算子为： grad (f破籽）=grad (fK) +grad (fG) -grad (fB) 根据多次实验系统设定阈值Tlf = 315,大于阈值的为破籽，小于阈值的为带纤维籽肩。 棉花疵点中僵棉的边缘强度算子为： grad (f) = grad (fE) +grad (fG) +grad (fB) X 2. 5 grad (f僵棉）=grad (f)-grad (f破籽）。
4.根据权利要求1所述的基于多光谱技术棉花疵点检测与识别方法，其特征在于步骤 (4)的具体步骤： (4. 1)利用棉花破籽、籽肩及僵棉综合边缘检测强度求出最大灰度值t_max和最小灰 度值t_min，初始阈值为
(4. 2)根据阈值Tk将伪灰度图像分割成目标和背景两部分，目标平均灰度值为：： 背景平均灰度值为：
其中z(i，j)为灰度梯度图像上（i，j)点的灰度；n(i，j)是（i，j)点的权重系数。 (4. 3)根据背景平均灰度值和目标平均灰度值获得适合原棉疵点检测的新阈值： Tk+1= n(Z0+ZB) 根据新阈值获得最佳阈值： Top= T k； IT k+1-Tk I 0.0 l 其中，k = 1，2,3...，8, Tk为η k= 0.1 Xk时的阈值，根据多次试验结果对于破籽和籽 肩η = 0. 6,对于僵棉η = 0. 5。 (4. 4)根据最大类间方差法把近红外图像分为背景区域和目标区域，利用边缘检测算 子得到棉结和索丝疵点综合边缘强度：
(4. 5)选择主要疵点： (4. 5. 1)根据棉花疵点图像特征，设定面积阈值80去除图像fji，j)中杂点，80的选 取为经过多次试验后所确定的经验数值。 (4.5.2) 对杂点去除图像进行膨胀、腐蚀和填充算法操作，得到处理图像:
(4.5.3) 将图像g转换成连通域图像gl(i，j):对图像g先做横向搜索，如果（i，j)点 横向相邻第26点为白点，则两点中间所有点为白点，否则不做操作继续搜索；接着图像g做 纵向搜索，如果（i，j)点纵向相邻第9点为白点，则两点中间所有点为白点，否则不做操作 继续搜索。26和9根据实验中结构光图像中宽度及棉花疵点特征多次试验后所确定的经验 数值。 (4. 6)棉花疵点提取： (4. 6. 1)对图像f4中的区域进行标记每个区域使用一个从1开始的整数进行标记，不 同的疵点区域标记值不同，背景区域使用O进行标记，标记区域大于7000得到为僵棉，大于 150同时小于7000判定为破籽，其余判定为籽肩，7000和150的选取为多次试验后所确定 的经验数值。 (4. 6. 2)对图像gl中的区域进行标记每个区域使用一个从1开始的整数进行标记，不 同的疵点区域标记值不同，背景区域使用0进行标记，标记区域大于600为索丝，小于600 为棉结，600的选取为多次试验后所确定的经验数值。
【专利摘要】一种基于多光谱技术棉花疵点检测与识别方法，其步骤为：(1)图像获取；(2)图像预处理；(3)疵点初步检测：利用改进形态学梯度算法进行边缘检测，得到各个疵点综合边缘检测强度，得到各个疵点对比度增强图像；(4)疵点精确定位：通过改进迭代阈值法和形态学处理后将图像转换成连通域图像，通过选择主要疵点算法精确定位疵点，并通过标记提取疵点区域；(5)轧棉质量判定：统计各个疵点数量，计算出棉花疵点总粒数，获得轧棉质量档次。本发明具有原理简单、检测速度快、检测精度高等优点。
【IPC分类】G06T7-00
【公开号】CN104751443
【申请号】CN201410756799
【发明人】张志峰, 吴学红, 翟玉生, 余涛, 石开, 苏玉玲, 王新杰, 刘海增
【申请人】郑州轻工业学院
【公开日】2015年7月1日
【申请日】2014年12月12日