CN102253007A - 一种棉花质量检测方法 - Google Patents

一种棉花质量检测方法 Download PDF

Info

Publication number
CN102253007A
CN102253007A CN 201110117211 CN201110117211A CN102253007A CN 102253007 A CN102253007 A CN 102253007A CN 201110117211 CN201110117211 CN 201110117211 CN 201110117211 A CN201110117211 A CN 201110117211A CN 102253007 A CN102253007 A CN 102253007A
Authority
CN
China
Prior art keywords
cotton
image
thickness
wave band
foreign fiber
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201110117211
Other languages
English (en)
Other versions
CN102253007B (zh
Inventor
李道亮
冀荣华
杨文柱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN201110117211.XA priority Critical patent/CN102253007B/zh
Publication of CN102253007A publication Critical patent/CN102253007A/zh
Application granted granted Critical
Publication of CN102253007B publication Critical patent/CN102253007B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Treatment Of Fiber Materials (AREA)

Abstract

本发明提供了一种棉花质量检测方法,包括:最佳组合波段选择步骤,其基于多元统计分析检测出棉花的最佳检测厚度及最佳组合波段;图像检测步骤,其对上述最佳组合波段选择步骤的检测出的上述最佳检测厚度内的异性纤维进行图像检测,检测出棉花中的异性纤维。本发明提供的一种棉花质量检测方法可以测出棉层内部的异性纤维;并且有效区分不同种类的异性纤维;并且能够确定棉层内异性纤维的多光谱特性,为进一步利用异性纤维多光谱特性进行检测奠定理论基础;能够检测棉层内部多种异性纤维,更符合棉花加工过程中异性纤维分布的实际情况,更具实用价值。

Description

一种棉花质量检测方法
技术领域
本发明涉及一种棉花质量检测方法,尤其涉及一种棉花中的异性纤维的检测方法。
背景技术
在棉花的收购、摊晒、运输、加工过程中,会混入大量与棉纤维外观极其相似的异性纤维,如柔软细小的塑料膜、化纤、毛发等杂质。异性纤维一旦混入棉花中,会导致布料瑕点增多及染色不均匀,成为困扰棉纺企业的棘手难题。目前绝大多数企业仍采用人工分拣,但由于异性纤维与棉纤维的形态、色泽、外观极其相近,分拣效果不佳。因此目前棉花异性纤维的自动分拣主要采用超声波技术、传感器技术、光谱分析技术、机器视觉技术等技术。对棉花异性纤维检测研究普遍采用彩色CCD(Charge Coupled Device)相机获取棉花表面的异性纤维图像,然后利用棉花与异性纤维的色泽差异检测异性纤维。此方法对棉花表面的有色异性纤维检测虽具有一定效果,但对与棉花颜色差别极小的异性纤维以及细小异性纤维的检测效果不太理想。目前的研究主要集中在针对棉层表面的异性纤维的检测,而在棉花的实际加工过程中异性纤维不仅仅位于皮棉表面,而是大部分位于棉层内部。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种棉花质量检测方法,以解决棉层内部的异性纤维的检测问题。
(二)技术方案
本发明提供的一种棉花质量检测方法,包括:
组合波段选择步骤,基于多元统计分析检测出棉花的检测厚度及组合波段;
图像检测步骤,其对所述组合波段选择步骤检测出的所述检测厚度内的异性纤维进行图像检测,从而检测出棉花中的异性纤维。
其中,所述组合波段选择步骤包括确定检测厚度的步骤以及确定组合波段的步骤。
其中,所述确定检测厚度的步骤包括:
首先,利用分光光度计分别测量纯棉花、纯异性纤维及分布于不同厚度棉层内的典型异性纤维的反射率;
其次,固定波长,针对不同厚度棉花内各种异性纤维反射率的变化情况进行分析,确定棉花厚度对各种异性纤维反射率的影响;
然后,改变波长,再次分析棉花厚度对各种异性纤维反射率的影响,从而确定棉花检测厚度。
其中,所述确定组合波段的步骤包括:
首先,在检测厚度的棉层中依次添加各种异性纤维,测量其在波长范围内的反射光谱数据;
然后,将测量结果与未加异性纤维的相同厚度纯棉花的反射率进行对比,分析在棉花检测厚度的棉花中各种异性纤维与纯棉花中的反射率的最大差值和不同异性纤维之间的反射率的最大差值出现的波段,利用多元统计分析方法确定所述组合波段。
其中,所述图像检测步骤包括:
多光谱图像采集步骤,其在所述检测厚度的棉层内分别添加各种异性纤维,分别采集k个波段的k幅灰度图像;
图像处理步骤,其通过图像增强、二值化、以及目标增强对通过所述多光谱图像采集步骤得到的图像进行处理,以突出图像中目标和背景的差异;以及
图像融合步骤,其对在所述图像处理步骤中处理过的图像进行融合,以便有效识别各种异性纤维。
其中,所述图像融合步骤包括:
首先,对于所述k个波段的分辨率为M*N的图像,建立图像数据矩阵X,X=|x1x2…xk|T,其中xi为第i个波段的二值图像;
然后,计算所述图像数据矩阵X的协方差矩阵C,其中S=M×N,
Figure BDA0000059702540000032
再计算所述协方差矩阵C的特征值λi,i=1,2,…m,其中λ1≥λ2≥…≥λm
再根据所述特征值选取图像加权系数矩阵,
Figure BDA0000059702540000033
最后,将k幅所述图像加权系数相加融合,
Figure BDA0000059702540000034
(三)有益效果
本发明的一种棉花质量检测方法可以测出棉层内部的异性纤维;并且有效区分不同种类的异性纤维;并且能够确定棉层内异性纤维的多光谱特性;能够检测棉层内部多种异性纤维,更符合棉花加工过程中异性纤维分布的实际情况,更具实用价值。
附图说明
图1为本发明的一种棉花质量检测方法实施例的流程图;
图2为本发明的实施例的检测棉层内部的异性纤维的图像检测步骤的流程图。
具体实施方式
下面结合附图详细说明本发明的具体实施例。
如图1所示为本发明提供的一种棉花质量检测方法的流程图,包括最佳组合波段选择步骤,其基于多元统计分析检测出棉花的最佳检测厚度及最佳组合波段;图像检测步骤,其对上述最佳组合波段选择步骤的检测出的上述最佳检测厚度内的异性纤维进行图像检测,检测出棉花中的异性纤维。
上述最佳组合波段选择步骤包括确定最佳检测厚度的步骤以及确定最佳组合波段的步骤。
确定最佳检测厚度是首先,固定波长,针对不同厚度棉花内各种异性纤维反射率的变化情况进行分析,确定棉花厚度对各种异性纤维反射率的影响;然后,改变波长,再次分析棉花厚度对各种异性纤维反射率的影响,从而确定最佳的棉花检测厚度。具体地,可以选择几个关键的波长(例如分别选择紫外波长310nm、可见光波长390nm、450nm、650nm、近红外波长980nm、1080nm和1100nm),然后针对于每一个波长,分析当棉层厚度变化时,各种典型异性纤维反射率随棉层厚度的变化规律,从而确定最佳棉层检测厚度。
上述确定最佳组合波段的步骤是首先,在最佳检测厚度的棉层中依次添加各种异性纤维,测量其在一定波长范围内(如200nm-1800nm)的反射光谱数据;然后,将测量结果与未加异性纤维的相同厚度纯棉花的反射率进行对比,分析各种异性纤维在最佳厚度棉花中与纯棉花中的反射率的最大差值和比值出现的波段,利用多元统计分析方法确定最佳组合波段,使得所选择组合波段内不但棉花与异性纤维的反射率差异大,同时不同异性纤维间反射率差异大,以保证不但能够有效区分典型异性纤维与棉花,并能够区分不同异性纤维。
上述图像检测步骤包括多光谱图像采集步骤,图像处理步骤,图像融合步骤。
图2为本发明的实施例的检测棉层内部的异性纤维的图像检测步骤的流程图。如图1所示,首先,在上述最佳厚度的棉层内添加各种异性纤维,分别采集k个波段的k幅灰度图像。具体地,以宽光谱的白光LED作为光源,利用黑白摄像机分别加多个不同波段的窄带滤波片,构成异性纤维图像采集系统。其中窄带滤波片的波段按照最佳组合波段选择。在最佳检测厚度的棉层中添加各种典型异性纤维,分别采集k个波段的k幅灰度图像。
图像处理步骤,其通过图像增强、二值化、以及目标增强对通过多光谱图像采集步骤得到的图像进行处理,以突出图像中目标和背景的差异,具体地,分析图像灰度分布直方图,确定目标灰度分布范围,对每一幅图像利用分段线性增强算法增强图像中目标与背景的灰度差,即遍历图像中每一个像素,如果像素的灰度级在指定范围内(说明是目标),则将其压缩到一个更小灰度级内,以突出目标,否则保持不变,利用分段线性增强算法有效增大图像中目标与背景的灰度差。根据增强后的图像按照自适应Ostu方法确定二值化阈值,即遍历图像中每一个像素,如果像素的灰度小于阈值,将其灰度值设为High,否则设为Low。对于细小的目标,在图像二值化后,容易出现断裂,为此利用改进的形态学算法连接断开的线性目标,即先利用较大的结构元对目标进行膨胀,再利用较小的结构元进行腐蚀,能够有效连接断裂的目标。通过此步骤最终得到清晰、准确的二值图像。
最后,对在上述图像处理步骤中处理过的图像进行融合,以便有效识别各种异性纤维。具体的,上述图像融合步骤是首先,对于k个波段的分辨率为M*N的图像,建立图像数据矩阵X,X=|x1x2…xk|T,其中xi为第i个波段的二值图像;然后,计算上述图像数据矩阵X的协方差矩阵C,其中S=M ×N,
Figure BDA0000059702540000052
再计算上述协方差矩阵C的特征值λi,i=1,2,…m,其中λ1≥λ2≥···≥λm;再根据上述特征值选取图像加权系数矩阵,
Figure BDA0000059702540000053
最后,将k幅上述图像加权系数相加融合,
Figure BDA0000059702540000054
本发明提供的一种棉花质量检测方法可以测出棉层内部的异性纤维;并且有效区分不同种类的异性纤维;并且能够确定棉层内异性纤维的多光谱特性,为进一步利用异性纤维多光谱特性进行检测奠定理论基础;能够检测棉层内部多种异性纤维,更符合棉花加工过程中异性纤维分布的实际情况,更具实用价值。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种棉花质量检测方法,其特征在于,包括:
组合波段选择步骤,基于多元统计分析检测出棉花的检测厚度及组合波段;
图像检测步骤,其对所述组合波段选择步骤检测出的所述检测厚度内的异性纤维进行图像检测,从而检测出棉花中的异性纤维。
2.根据权利要求1所述的棉花质量检测方法,其特征在于,所述组合波段选择步骤包括确定检测厚度的步骤以及确定组合波段的步骤。
3.根据权利要求2所述的棉花质量检测方法,其特征在于,所述确定检测厚度的步骤包括:
首先,利用分光光度计分别测量纯棉花、纯异性纤维及分布于不同厚度棉层内的典型异性纤维的反射率;
其次,固定波长,针对不同厚度棉花内各种异性纤维反射率的变化情况进行分析,确定棉花厚度对各种异性纤维反射率的影响;
然后,改变波长,再次分析棉花厚度对各种异性纤维反射率的影响,从而确定棉花检测厚度。
4.根据权利要求2所述的棉花质量检测方法,其特征在于,所述确定组合波段的步骤包括:
首先,在检测厚度的棉层中依次添加各种异性纤维,测量其在波长范围内的反射光谱数据;
然后,将测量结果与未加异性纤维的相同厚度纯棉花的反射率进行对比,分析在棉花检测厚度的棉花中各种异性纤维与纯棉花中的反射率的最大差值和不同异性纤维之间的反射率的最大差值出现的波段,利用多元统计分析方法确定所述组合波段。
5.根据权利要求1所述的棉花质量检测方法,其特征在于,所述图像检测步骤包括:
多光谱图像采集步骤,其在所述检测厚度的棉层内分别添加各种异性纤维,分别采集k个波段的k幅灰度图像;
图像处理步骤,其通过图像增强、二值化、以及目标增强对通过所述多光谱图像采集步骤得到的图像进行处理,以突出图像中目标和背景的差异;以及
图像融合步骤,其对在所述图像处理步骤中处理过的图像进行融合,以便有效识别各种异性纤维。
6.根据权利要求5所述的一种棉花质量检测方法,其特征在于,所述图像融合步骤包括:
首先,对于所述k个波段的分辨率为M*N的图像,建立图像数据矩阵X,X=|x1x2…xk|T,其中xi为第i个波段的二值图像;
然后,计算所述图像数据矩阵X的协方差矩阵C,
Figure FDA0000059702530000021
其中S=M×N,
Figure FDA0000059702530000022
再计算所述协方差矩阵C的特征值λi,i=1,2,…m,其中λ1≥λ2≥…≥λm
再根据所述特征值选取图像加权系数矩阵,
Figure FDA0000059702530000023
最后,将k幅所述图像加权系数相加融合,
Figure FDA0000059702530000024
CN201110117211.XA 2011-05-06 2011-05-06 一种棉花质量检测方法 Expired - Fee Related CN102253007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110117211.XA CN102253007B (zh) 2011-05-06 2011-05-06 一种棉花质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110117211.XA CN102253007B (zh) 2011-05-06 2011-05-06 一种棉花质量检测方法

Publications (2)

Publication Number Publication Date
CN102253007A true CN102253007A (zh) 2011-11-23
CN102253007B CN102253007B (zh) 2014-08-13

Family

ID=44980397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110117211.XA Expired - Fee Related CN102253007B (zh) 2011-05-06 2011-05-06 一种棉花质量检测方法

Country Status (1)

Country Link
CN (1) CN102253007B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663340A (zh) * 2012-04-11 2012-09-12 东北林业大学 一种对板材进行分类识别的装置和方法
CN103344337A (zh) * 2013-06-21 2013-10-09 杭州新叶光电工程技术有限公司 应用led照明光源的棉花色泽仪
CN105759761A (zh) * 2016-03-29 2016-07-13 山东天鹅棉业机械股份有限公司 棉花质量在线检测控制系统
CN106152691A (zh) * 2016-07-05 2016-11-23 合肥华凌股份有限公司 冰箱内食物重量的检测方法及装置
CN110390322A (zh) * 2019-08-28 2019-10-29 南京林业大学 一种用于深度学习的籽棉地膜高光谱可视化标签算法
CN110567968A (zh) * 2019-09-04 2019-12-13 中国科学院长春光学精密机械与物理研究所 一种零件缺陷检测方法及装置
CN111507962A (zh) * 2020-04-17 2020-08-07 无锡雪浪数制科技有限公司 一种基于深度视觉的棉花内杂物识别系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482927A (zh) * 2009-02-06 2009-07-15 中国农业大学 基于自动视觉检测的异性纤维模糊分类系统及其方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482927A (zh) * 2009-02-06 2009-07-15 中国农业大学 基于自动视觉检测的异性纤维模糊分类系统及其方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《农业工程学报》 20091031 杨文柱等 基于光谱分析的棉花异性纤维最佳波段选择方法 186-192 1-4 第25卷, 第10期 *
《农业机械学报》 20080731 郭俊先等 皮棉中杂质检测技术与检出装备的研究进展 107-113 1-4 第39卷, 第7期 *
《农业机械学报》 20091231 杨文柱等 基于自动视觉检测的棉花异性纤维分类系统 177-181 1-4 第40卷, 第12期 *
《图像处理》 20071231 王文武 应用主成分分解(PCA)法的图像融合技术 285-286 1-6 第23卷, 第4-3期 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663340A (zh) * 2012-04-11 2012-09-12 东北林业大学 一种对板材进行分类识别的装置和方法
CN103344337A (zh) * 2013-06-21 2013-10-09 杭州新叶光电工程技术有限公司 应用led照明光源的棉花色泽仪
CN103344337B (zh) * 2013-06-21 2015-03-18 杭州新叶光电工程技术有限公司 应用led照明光源的棉花色泽仪
CN105759761A (zh) * 2016-03-29 2016-07-13 山东天鹅棉业机械股份有限公司 棉花质量在线检测控制系统
CN106152691A (zh) * 2016-07-05 2016-11-23 合肥华凌股份有限公司 冰箱内食物重量的检测方法及装置
CN106152691B (zh) * 2016-07-05 2018-08-28 合肥华凌股份有限公司 冰箱内食物重量的检测方法及装置
CN110390322A (zh) * 2019-08-28 2019-10-29 南京林业大学 一种用于深度学习的籽棉地膜高光谱可视化标签算法
CN110390322B (zh) * 2019-08-28 2020-05-05 南京林业大学 一种用于深度学习的籽棉地膜高光谱可视化标签方法
CN110567968A (zh) * 2019-09-04 2019-12-13 中国科学院长春光学精密机械与物理研究所 一种零件缺陷检测方法及装置
CN111507962A (zh) * 2020-04-17 2020-08-07 无锡雪浪数制科技有限公司 一种基于深度视觉的棉花内杂物识别系统
CN111507962B (zh) * 2020-04-17 2023-08-29 无锡雪浪数制科技有限公司 一种基于深度视觉的棉花内杂物识别系统

Also Published As

Publication number Publication date
CN102253007B (zh) 2014-08-13

Similar Documents

Publication Publication Date Title
CN102253007A (zh) 一种棉花质量检测方法
TWI603074B (zh) 光學薄膜缺陷辨識方法及其系統
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
Xing et al. Detecting bruises on ‘Golden Delicious’ apples using hyperspectral imaging with multiple wavebands
Jhawar Orange sorting by applying pattern recognition on colour image
CN104537651B (zh) 一种路面图像中裂缝比例检测方法及系统
CN102539359B (zh) 基于静态高光谱成像系统的肉品品质可视化检测装置
CN102621077A (zh) 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法
US11408819B2 (en) Process and system for identifying the gram type of a bacterium
CN111507962A (zh) 一种基于深度视觉的棉花内杂物识别系统
CN105095907B (zh) 一种基于rbf神经网络的棉花异质纤维鉴别方法
CN1910442A (zh) 测定纤维的方法和设备
CN206132659U (zh) 用于检测柑橘表皮缺陷的在线图像采集系统
US6369892B2 (en) Method for discrimination of produce
CN103777524A (zh) 一种基于可见光谱技术的红茶适度发酵控制方法和装置
CN101482927B (zh) 基于自动视觉检测的异性纤维模糊分类系统及其方法
Shaikh et al. Citrus leaf unhealthy region detection by using image processing technique
CN104977258A (zh) 基于二维相关光谱的茶叶/化妆品等品质检测方法
WO2007012936B1 (en) Detecting and categorising foreign substances in a strand-like textile material
Jin et al. Methodology for potatoes defects detection with computer vision
CN102519971A (zh) 食用菌杂质在线识别装置及方法
CN114199880A (zh) 一种基于边缘计算的柑橘病虫害实时检测方法
Harjoko et al. Image processing approach for grading tobacco leaf based on color and quality
CN106908149A (zh) 一种机器人物体颜色识别系统及方法
Puchalski et al. Image analysis for apple defect detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140813

Termination date: 20180506