高光谱成像技术在棉花杂质检测中的应用

高光谱成像技术最早与纺织领域有关的研究是从棉花杂质检测开始的，研究对象为籽棉、皮棉、梳棉表面以及内部的多种杂质，杂质包括普通杂质、毛发、丙纶丝、有色线、地膜等无色、浅色和深色异性物质。

通过分析棉花杂质检测相关的文献，对其中的研究方法进行了整理，见表1，这些研究方法也可以作为参考应用到纺织其他检测领域。

在籽棉杂质检测中，常金强等对120个机采籽棉样本的图像使用主成分分析（PCA）的方法对数据进行降维，通过3种有监督的分类判别算法建立判别模型，结果显示线性判别分析（LDA）模型结果最优，可以有效识别植物性杂质，但是对地膜的识别还存在误判。

Wei等[9]以含有5种白色异性纤维的籽棉为研究对象，光谱采集范围为400-1000 nm，对选取的子区域通过最小噪声分离（MNF）方法降维、去噪，通过机器视觉评价确定最佳分割图像，试验表明该方法能够对白色异性纤维进行有效识别，识别率达91%。针对籽棉中地膜难以有效识别的问题，倪超等[2提出了一种新的算法，首先采集籽棉高光谱图像，光谱范围在1000-2 500nm，然后运用深度学习中的自编码器模型对数据进行特征提取和降维，然后对样本实现初步分类，最后将结果分类为地膜和非地膜，该算法大大提高了对地膜的识别率，基本满足了实际生产需求。

在皮棉表面杂质检测中，刘巍等对高光谱反射、透射和反透射3种不同的成像模式进行研究，对比杂质在皮棉中的识别率，结果表明采用透射成像模式杂质的识别率最高。

郭俊先等先获取不同异性纤维的最佳波段图像，然后采用像素级简单的图像融合进行识别，结果表明对多类难检异性纤维共存的检测是可以实现的，针对白色猪毛和透明丙纶丝无法识别的问题，提出可以采用结合全波段进行像素判别分类的解决方法。

Mustafic等利用高光谱荧光成像作为异性物质分化的补充工具，首先利用基于兴趣区域的方法提取皮棉和7种异物的平均光谱，然后采用主成分分析（PCA）方法，从425 ~700 nm 范围内的113个波长中筛选出最优特征，对所选波长进行线性判别分析（LDA），所有样品的平均分类率为90%。

张航等]对混入皮棉中的地膜识别进行了研究，首先提取地膜的平均光谱数据，使用偏最小二乘回归分析（PLSR）方法优选出560.3、673.9.716.9 nm 和 798.8 nm 4个最优波段，然后提取4个波段对应的图像，分别进行两次图像融合，并移除小目标得到最终图像，该方法能较好地完成对地膜图像的分割。

在梳棉表面杂质检测中，Zhang等23用液晶可调谐滤波器高光谱成像技术检查棉绒表面异物，光谱采集范围为900~1 700 nm，用线性判别分析方法对不同类型的异物和棉绒进行光谱特征分类，采用留一验证和四倍交叉验证的分类准确率分别为96.5%和95.1%。

在梳棉内部杂质检测中，郭俊先等针对棉网1~4 mm深度内的杂质进行研究，采用3种不同的方法来提取杂质的关键波长，通过对比分析，采用与像素分类器结合的包装方法选择的最优波长集合，能够识别大部分普通杂质，但是对白色猪毛和透明丙纶丝的识别率还有待提高。

对于梳棉内部更深处的杂质，郭俊先等[27]在波长460-900 nm 范围内，采用像素分类分割图像处理，利用二次判别分析分类像素，对杂质和棉网进行准确分类，但是对比度小的像素分类较差如白色丙纶丝，且随着棉网深度的增加检测效率下降较快。

Zhang等采用透射模式对棉绒内常见异物进行检测和分类，对获取的图像，利用最小噪声分数旋转获得组分图像，从141个波长波段中识别出最佳光谱波段，利用 LDA 和 SVM分别在光谱水平和像素水平对异物进行分类，使用选定的最佳波长，光谱和图像的分类精度达到95%以上。

Jiang等使用最小冗余最大关联算法作为特征选择方法，筛选出最适合异物分类的波长，通过比较使用LDA、SVM 和ANN的分类性能来评估所选波长的通用性，共选择12个波长作为异物分类的最佳特征集，LDA、SVM 和 ANN的平均分类率分别为91.25%.86.67%和 86.67%，该研究探索了一种高光谱成像最佳波长选择的新方法，提高了分类精度和速度。