基于深度学习的籽棉中异性纤维检测方法

何晓昀， 韦 平， 张 林， 邓斌攸， 潘云峰， 苏真伟，

(1. 广东理工学院， 广东 肇庆 526100； 2. 四川大学 制造科学与工程学院， 四川 成都 610065)

棉花中异性纤维检测是长期以来影响我国棉花和纺织品质量的瓶颈问题[1-2]。近年来，随着机采棉面积的不断扩大和地膜在棉田中的大量使用，这一问题愈加突出[3]。

文献调研表明，目前国内外棉花中异性纤维的检测均在皮棉阶段完成[4]，此时采摘的棉花经过轧花和开清等加工工序，已经去除了棉籽，纤维松散、容摊平、摊薄、阴影较少，有利于机器视觉检测；但其中的部分异性纤维经过加工后，成为难以辨认的细小碎片，另有少数因机械和风力的搅拌作用混入了棉团之中，很难被机器视觉系统或人眼识别。这些细小、破碎和隐匿的异性纤维随机分布在棉花中，形状各异，有的和棉花颜色相近，无论用人工方式还是机器视觉方式都很难进一步清除干净[5]。

近年来，籽棉中异性纤维的机器视觉检测引起了众多研究者的兴趣。季宏斌等[1]对管道内的籽棉图像进行分割处理，识别出籽棉中的地膜；袁荣昌等[6]提出通过籽棉图像的模糊识别对籽棉品级进行分级；王昊鹏等[4]提出一种基于局部二值模式和灰度共生矩阵的籽棉杂质分类识别方法，采用支持向量机作为分类器对籽棉中杂质进行分类识别；韦平等[7]提出采用线激光和LED构成双光源照明，通过颜色变换、改进Sobel算子和一维最大熵阈值法处理图像，使籽棉中异性纤维的识别率达到了74%。……