高光譜成像技術(shù)在紡織檢測(cè)領(lǐng)域中的研究進(jìn)展

紡織制品成分分析和色牢度檢測(cè)是現(xiàn)代紡織領(lǐng)域質(zhì)量控制的關(guān)鍵，也是紡織品常規(guī)的檢測(cè)項(xiàng)目。紡織品成分分析有定性和定量?jī)煞N方式，定性分析通常以查看纖維燃燒狀態(tài)、顯微鏡下觀察纖維形態(tài)為主；定量分析采用化學(xué)溶解法、手工拆分法。這些方法過(guò)程復(fù)雜耗時(shí)長(zhǎng)，測(cè)試時(shí)要對(duì)樣品進(jìn)行破壞，化學(xué)試劑對(duì)檢測(cè)人員的身體健康和環(huán)境存在損害?；诮?a target="_blank">紅外光譜的定量分析方法發(fā)布了行業(yè)標(biāo)準(zhǔn)，由于校正模型建立的復(fù)雜性和不同設(shè)備之間的不通用性，該技術(shù)在檢測(cè)機(jī)構(gòu)中的應(yīng)用還不是很多。紡織品色牢度是與產(chǎn)品安全性能有關(guān)的重要指標(biāo)之一，目前最常用的評(píng)級(jí)方法是目光評(píng)級(jí)法，通過(guò)觀察試驗(yàn)前后試樣的顏色變化，通過(guò)對(duì)照標(biāo)準(zhǔn)灰卡來(lái)評(píng)級(jí)，檢驗(yàn)人員上崗之前需要經(jīng)過(guò)長(zhǎng)時(shí)間的培訓(xùn)、目光校正，檢測(cè)結(jié)果受檢測(cè)人員的主觀因素影響也比較大。本文對(duì)高光譜技術(shù)在棉花雜質(zhì)檢測(cè)、紡織品成分分析及顏色測(cè)量等方面的研究進(jìn)展進(jìn)行了總結(jié)分析，并對(duì)該技術(shù)在紡織檢測(cè)領(lǐng)域的研究應(yīng)用提出了思路和方向。

1 棉花雜質(zhì)檢測(cè)

高光譜成像技術(shù)最早與紡織領(lǐng)域有關(guān)的研究是從棉花雜質(zhì)檢測(cè)開(kāi)始的，研究對(duì)象為籽棉、皮棉、梳棉表面以及內(nèi)部的多種雜質(zhì)，雜質(zhì)包括普通雜質(zhì)、毛發(fā)、丙綸絲、有色線、地膜等無(wú)色、淺色和深色異性物質(zhì)。通過(guò)分析棉花雜質(zhì)檢測(cè)相關(guān)的文獻(xiàn)，對(duì)其中的研究方法進(jìn)行了整理，見(jiàn)表1，這些研究方法也可以作為參考應(yīng)用到紡織其他檢測(cè)領(lǐng)域。

表1高光譜圖像數(shù)據(jù)分析方法

在籽棉雜質(zhì)檢測(cè)中，專(zhuān)家對(duì)120個(gè)機(jī)采籽棉樣本的圖像使用主成分分析（PCA）的方法對(duì)數(shù)據(jù)進(jìn)行降維，通過(guò)3種有監(jiān)督的分類(lèi)判別算法建立判別模型，結(jié)果顯示線性判別分析（LDA）模型結(jié)果最優(yōu)，可以有效識(shí)別植物性雜質(zhì)，但是對(duì)地膜的識(shí)別還存在誤判；以含有5種白色異性纖維的籽棉為研究對(duì)象，光譜采集范圍為400～1000nm，對(duì)選取的子區(qū)域通過(guò)最小噪聲分離（MNF）方法降維、去噪，通過(guò)機(jī)器視覺(jué)評(píng)價(jià)確定最佳分割圖像，試驗(yàn)表明該方法能夠?qū)Π咨愋岳w維進(jìn)行有效識(shí)別，識(shí)別率達(dá)91%。針對(duì)籽棉中地膜難以有效識(shí)別的問(wèn)題，他們提出了一種新的算法，首先采集籽棉高光譜圖像，光譜范圍在1000～2500nm，然后運(yùn)用深度學(xué)習(xí)中的自編碼器模型對(duì)數(shù)據(jù)進(jìn)行特征提取和降維，然后對(duì)樣本實(shí)現(xiàn)初步分類(lèi)，最后將結(jié)果分類(lèi)為地膜和非地膜，該算法大大提高了對(duì)地膜的識(shí)別率，基本滿(mǎn)足了實(shí)際生產(chǎn)需求。

在皮棉表面雜質(zhì)檢測(cè)中，專(zhuān)家對(duì)高光譜反射、透射和反透射3種不同的成像模式進(jìn)行研究，對(duì)比雜質(zhì)在皮棉中的識(shí)別率，結(jié)果表明采用透射成像模式雜質(zhì)的識(shí)別率最高；他們先獲取不同異性纖維的最佳波段圖像，然后采用像素級(jí)簡(jiǎn)單的圖像融合進(jìn)行識(shí)別，結(jié)果表明對(duì)多類(lèi)難檢異性纖維共存的檢測(cè)是可以實(shí)現(xiàn)的，針對(duì)白色豬毛和透明丙綸絲無(wú)法識(shí)別的問(wèn)題，提出可以采用結(jié)合全波段進(jìn)行像素判別分類(lèi)的解決方法；利用高光譜熒光成像作為異性物質(zhì)分化的補(bǔ)充工具，首先利用基于興趣區(qū)域的方法提取皮棉和7種異物的平均光譜，然后采用主成分分析（PCA）方法，從425～700nm范圍內(nèi)的113個(gè)波長(zhǎng)中篩選出最優(yōu)特征，對(duì)所選波長(zhǎng)進(jìn)行線性判別分析（LDA），所有樣品的平均分類(lèi)率為90%；對(duì)混入皮棉中的地膜識(shí)別進(jìn)行了研究，首先提取地膜的平均光譜數(shù)據(jù)，使用偏最小二乘回歸分析（PLSR）方法優(yōu)選出560.3、673.9、716.9和798.8nm4個(gè)最優(yōu)波段，然后提取4個(gè)波段對(duì)應(yīng)的圖像，分別進(jìn)行兩次圖像融合，并移除小目標(biāo)得到最終圖像，該方法能較好地完成對(duì)地膜圖像的分割。

在梳棉表面雜質(zhì)檢測(cè)中，專(zhuān)家用液晶可調(diào)諧濾波器高光譜成像技術(shù)檢查棉絨表面異物，光譜采集范圍為900～1700nm，用線性判別分析方法對(duì)不同類(lèi)型的異物和棉絨進(jìn)行光譜特征分類(lèi)，采用留一驗(yàn)證和四倍交叉驗(yàn)證的分類(lèi)準(zhǔn)確率分別為96.5%和95.1%。在梳棉內(nèi)部雜質(zhì)檢測(cè)中，他們針對(duì)棉網(wǎng)1～4mm深度內(nèi)的雜質(zhì)進(jìn)行研究，采用3種不同的方法來(lái)提取雜質(zhì)的關(guān)鍵波長(zhǎng)，通過(guò)對(duì)比分析，采用與像素分類(lèi)器結(jié)合的包裝方法選擇的最優(yōu)波長(zhǎng)集合，能夠識(shí)別大部分普通雜質(zhì)，但是對(duì)白色豬毛和透明丙綸絲的識(shí)別率還有待提高；對(duì)于梳棉內(nèi)部更深處的雜質(zhì)，專(zhuān)家在波長(zhǎng)460～900nm范圍內(nèi)，采用像素分類(lèi)分割圖像處理，利用二次判別分析分類(lèi)像素，對(duì)雜質(zhì)和棉網(wǎng)進(jìn)行準(zhǔn)確分類(lèi)，但是對(duì)比度小的像素分類(lèi)較差如白色丙綸絲，且隨著棉網(wǎng)深度的增加檢測(cè)效率下降較快；他們采用透射模式對(duì)棉絨內(nèi)常見(jiàn)異物進(jìn)行檢測(cè)和分類(lèi)，對(duì)獲取的圖像，利用最小噪聲分?jǐn)?shù)旋轉(zhuǎn)獲得組分圖像，從141個(gè)波長(zhǎng)波段中識(shí)別出最佳光譜波段，利用LDA和SVM分別在光譜水平和像素水平對(duì)異物進(jìn)行分類(lèi)，使用選定的最佳波長(zhǎng)，光譜和圖像的分類(lèi)精度達(dá)到95%以上；他們使用最小冗余最大關(guān)聯(lián)算法作為特征選擇方法，篩選出最適合異物分類(lèi)的波長(zhǎng)，通過(guò)比較使用LDA、SVM和ANN的分類(lèi)性能來(lái)評(píng)估所選波長(zhǎng)的通用性，共選擇12個(gè)波長(zhǎng)作為異物分類(lèi)的最佳特征集，LDA、SVM和ANN的平均分類(lèi)率分別為91.25%、86.67%和86.67%，該研究探索了一種高光譜成像最佳波長(zhǎng)選擇的新方法，提高了分類(lèi)精度和速度。

2紡織品成分分析

紡織品材料成分分析目前依據(jù)的標(biāo)準(zhǔn)的定量方法以化學(xué)溶解法和手工拆分法為主，顯微鏡法可以測(cè)定棉麻混紡、特種動(dòng)物纖維和綿羊毛混紡等的混合比例，以上檢測(cè)手段均為破壞性試驗(yàn)，檢測(cè)過(guò)程復(fù)雜耗時(shí)長(zhǎng)，化學(xué)試劑損害檢測(cè)人員的身體健康，對(duì)環(huán)境污染大。市場(chǎng)的快速發(fā)展對(duì)檢測(cè)企業(yè)的效率提出了更高的要求，為了檢測(cè)過(guò)程的綠色環(huán)保，迫切需要把新技術(shù)新方法引入到檢測(cè)領(lǐng)域。

近紅外光譜技術(shù)操作簡(jiǎn)單，檢測(cè)過(guò)程快速、無(wú)損，該技術(shù)的發(fā)展也給紡織品的定性定量分析帶來(lái)了新的測(cè)試方法，此外近紅外光譜法行業(yè)標(biāo)準(zhǔn)的發(fā)布更是讓該技術(shù)得到了巨大的關(guān)注，也有機(jī)構(gòu)研發(fā)了便攜式的近紅外纖維定性定量分析儀，但是在實(shí)際測(cè)試中對(duì)于印花、涂層以及分布不均勻的面料還不適用，其檢測(cè)結(jié)果的精確度也有待改進(jìn)和提高，模型建立也比較復(fù)雜，所以該技術(shù)在檢測(cè)機(jī)構(gòu)中還沒(méi)有得到推廣應(yīng)用。

高光譜成像技術(shù)以其獨(dú)特優(yōu)勢(shì)得到了紡織品檢測(cè)領(lǐng)域的關(guān)注，專(zhuān)家學(xué)者提出了一種鑒別方法，步驟為建立紡織品原料的高光譜數(shù)據(jù)庫(kù)、采集待檢樣品數(shù)據(jù)、數(shù)據(jù)預(yù)處理、待檢樣品數(shù)據(jù)與數(shù)據(jù)庫(kù)比對(duì)匹配和紡織品成分顯示，可用于快速、無(wú)損地進(jìn)行紡織品原料成分的定性定量。他們還提出了一種紡織品材料識(shí)別的方法及系統(tǒng)，該方法以特征波長(zhǎng)的標(biāo)準(zhǔn)波譜庫(kù)建立分類(lèi)器，提取圖像的特征波長(zhǎng)，通過(guò)分類(lèi)器進(jìn)行識(shí)別，得到待檢紡織品的材料組成。

在單組分纖維的識(shí)別中，專(zhuān)家學(xué)者利用高光譜成像系統(tǒng)提取了6類(lèi)合成纖維的光譜特征，建立了主成分分析-線性判別分析模型，對(duì)不同顏色和結(jié)構(gòu)的纖維化學(xué)成分進(jìn)行了判別，其判別準(zhǔn)確率為100%，表明了高光譜成像系統(tǒng)在合成纖維識(shí)別中的可行性；在此基礎(chǔ)上，他們又以常用的10類(lèi)紡織品為鑒別目標(biāo)，以一階導(dǎo)數(shù)對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，用偏最小二乘判別分析模型對(duì)其成分種類(lèi)進(jìn)行鑒別，總體鑒別準(zhǔn)確率達(dá)到了96.78%；他們通過(guò)采集8種不同種類(lèi)的紡織品高光譜圖像，利用連續(xù)投影算法對(duì)波段進(jìn)行篩選，然后基于最小二乘法支持向量機(jī)（LS-SVM）建立二類(lèi)分類(lèi)器，試驗(yàn)所用的驗(yàn)證集和測(cè)試集都可以正確識(shí)別；在此基礎(chǔ)上，專(zhuān)家學(xué)者們對(duì)單組分織物的高光譜數(shù)據(jù)進(jìn)行基于局部線性嵌入(LLE)、主成分分析（PCA）和局部保持投影(LPP)算法的降維，并將288個(gè)波長(zhǎng)的原始數(shù)據(jù)進(jìn)行壓縮以保持典型的波長(zhǎng)區(qū)域，然后將這些數(shù)據(jù)導(dǎo)入兩個(gè)分類(lèi)器(決策樹(shù)分類(lèi)器和KNN分類(lèi)器)進(jìn)行訓(xùn)練，并基于這些訓(xùn)練數(shù)據(jù)建立樣本分類(lèi)的識(shí)別模型，實(shí)驗(yàn)結(jié)果表明，所建立的識(shí)別模型能夠正確識(shí)別所有的樣本并且基于LPP模型和KNN分類(lèi)算法的識(shí)別率和穩(wěn)定性是最高的。

以上研究證明高光譜成像技術(shù)用于紡織品材料的定性識(shí)別是可行的，為該技術(shù)在紡織品材料鑒別上的應(yīng)用提供了理論和實(shí)踐基礎(chǔ)。在單組分纖維材料定性識(shí)別的基礎(chǔ)上，有專(zhuān)家對(duì)滌棉織物的定量分析進(jìn)行了研究，他基于高光譜成像采集系統(tǒng)優(yōu)化了適用于紡織材料的高光譜圖像采集條件，構(gòu)建了滌棉偏最小二乘回歸定量鑒別模型，并研究了一種自動(dòng)化高光譜圖像有效區(qū)域提取的算法，實(shí)現(xiàn)了高光譜圖像定量分類(lèi)的可視化。

3紡織品顏色測(cè)量

紡織品顏色測(cè)量是紡織工業(yè)中一個(gè)重要的步驟，在紡織品檢測(cè)項(xiàng)目中色牢度評(píng)級(jí)檢測(cè)與顏色測(cè)量技術(shù)的發(fā)展息息相關(guān)。目前，色牢度檢測(cè)常用的評(píng)級(jí)方法是人工評(píng)級(jí)法，評(píng)級(jí)結(jié)果受檢測(cè)人員的主觀性影響較大，對(duì)檢驗(yàn)人員的經(jīng)驗(yàn)要求較高，客觀的儀器評(píng)級(jí)法有影像法和測(cè)色儀法，但是在實(shí)際使用中限制較多，織物的平整狀態(tài)和組織結(jié)構(gòu)等都會(huì)對(duì)測(cè)量數(shù)據(jù)產(chǎn)生影響，因此沒(méi)有得到推廣。

基于高光譜成像技術(shù)在顏色測(cè)量方面的研究，將該技術(shù)應(yīng)用到紡織品色牢度評(píng)級(jí)檢測(cè)中，對(duì)實(shí)現(xiàn)評(píng)級(jí)過(guò)程的客觀性，檢測(cè)結(jié)果的科學(xué)性具有重要意義。鑒于高光譜成像技術(shù)對(duì)紡織品顏色測(cè)量的可能性，專(zhuān)家們以標(biāo)準(zhǔn)色卡和筆墨色卡為研究對(duì)象，證明了高光譜成像系統(tǒng)可以實(shí)現(xiàn)顏色的測(cè)量，且可以對(duì)非常小尺寸的區(qū)域進(jìn)行測(cè)量，具有較高的測(cè)量精確度，在測(cè)量重復(fù)性方面也具有顯著優(yōu)勢(shì)，通過(guò)對(duì)文件處理前后的顏色進(jìn)行測(cè)量，可以精確地測(cè)定、監(jiān)測(cè)樣品在特定區(qū)域的顏色變化，這一應(yīng)用對(duì)歷史文物進(jìn)行預(yù)防性保護(hù)具有重要意義。在顏色測(cè)量系統(tǒng)方面，專(zhuān)家們采用高光譜技術(shù)建立單色織物的顏色測(cè)量系統(tǒng)，通過(guò)與分光光度計(jì)的測(cè)量結(jié)果進(jìn)行比較，驗(yàn)證了該測(cè)量系統(tǒng)的穩(wěn)定性，且試驗(yàn)表明該系統(tǒng)對(duì)深色系織物有較好的分辨能力。他們對(duì)兩種測(cè)量方法結(jié)果的差異性進(jìn)行了研究，通過(guò)實(shí)驗(yàn)測(cè)得高光譜成像系統(tǒng)重復(fù)測(cè)量的平均色差為0.154，結(jié)果也證明了高光譜成像系統(tǒng)的測(cè)量重復(fù)性較好。

關(guān)于樣本顏色測(cè)量方面，專(zhuān)家以210張棉色卡為樣本，通過(guò)實(shí)驗(yàn)證明，液晶可調(diào)濾波器(LCTF)的高光譜成像系統(tǒng)能夠準(zhǔn)確測(cè)量樣本的顏色，而且測(cè)量結(jié)果的重復(fù)性和再現(xiàn)性較好。為了實(shí)現(xiàn)單根紗線和多色紡織品的顏色測(cè)量，他們還提出了一種對(duì)紡織品顏色進(jìn)行分割和提取的顏色測(cè)量方法，該測(cè)量方法能夠獲取紡織品精細(xì)的光譜信息和空間信息，具有更高的測(cè)色精度。對(duì)多色及印花紡織品的顏色測(cè)量方面，他們又通過(guò)對(duì)采集光譜的校正與預(yù)處理，進(jìn)行數(shù)據(jù)壓縮、提取顏色數(shù)據(jù)、智能除噪，獲得顏色的測(cè)量值，這是一種新的顏色測(cè)量方法，該方法可以有效避免面料變形帶來(lái)的影響，也可以減少人為測(cè)量誤差，顏色測(cè)量數(shù)據(jù)波動(dòng)小、準(zhǔn)確性高。關(guān)于多色織物顏色分割與提取方法，他們利用高光譜成像系統(tǒng)獲取波長(zhǎng)范圍在400～700nm、波長(zhǎng)間隔為5nm的高光譜反射率圖像，手動(dòng)選擇待分割的感興趣區(qū)域，采用中值濾波算法去除噪聲，采用基于Fréchet距離的空間變換方法將高光譜織物圖像轉(zhuǎn)化為灰度圖像，圖像分割采用改進(jìn)的分水嶺分割算法，最后用改進(jìn)的K-means聚類(lèi)算法來(lái)合并過(guò)分割的顏色區(qū)域，結(jié)果表明在致密性(CP)和分離性(SP)評(píng)價(jià)指標(biāo)上，使用該方法的顏色分割精度執(zhí)行效率都得到了提高。

另外，采用結(jié)合自組織映射(SOM)算法和密度峰值聚類(lèi)(DPC)相結(jié)合的顏色自動(dòng)識(shí)別和聚類(lèi)算法，對(duì)印花織物的顏色區(qū)域進(jìn)行精確分割和測(cè)量，首先將高光譜圖像的每個(gè)像素從光譜反射率轉(zhuǎn)換為L(zhǎng)*a*b*值，利用SOM算法識(shí)別主聚類(lèi)，然后利用DPC算法進(jìn)行聚類(lèi)合并，最后根據(jù)最優(yōu)聚類(lèi)個(gè)數(shù)，將印花織物圖像分為不同的顏色區(qū)域，實(shí)驗(yàn)表明該算法不僅能自動(dòng)確定印花織物的最佳顏色數(shù)量，實(shí)現(xiàn)準(zhǔn)確的顏色分割，而且執(zhí)行時(shí)間較短。在基于顏色測(cè)量的應(yīng)用方面，利用改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法建立了光譜反射率與染色配方之間的模型，用3種染料對(duì)勻染織物和不勻染織物樣品進(jìn)行染色，結(jié)果表明，基于高光譜測(cè)色的模型對(duì)以上3種顏色具有較高的預(yù)測(cè)精度。

4結(jié)論與展望

高光譜成像技術(shù)可以同時(shí)獲得物品的圖像和光譜信息，通過(guò)獲取其不同區(qū)域的高光譜數(shù)據(jù)，從而達(dá)到對(duì)物品的顏色、材質(zhì)、類(lèi)別等特征快速無(wú)損的檢測(cè)，該技術(shù)經(jīng)過(guò)快速的發(fā)展已經(jīng)日益成熟，將其應(yīng)用到紡織檢測(cè)領(lǐng)域有著巨大的研究潛力。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專(zhuān)注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷(xiāo)售。

審核編輯：符乾江