视觉图像显微解析的纺纱棉纤维度评估方法技术

本申请提出的视觉图像显微解析的纺纱棉纤维度评估方法，一是获取棉纤维横截面显微图像，二是棉纤维显微视觉图像前置处理，三是棉纤维显微视觉图像轮廓精修，四是棉纤维粘结分离。本申请流程是在显微镜下通过摄像机拍摄观察到的棉纤维横截面图像；对获取到的棉纤维显微视觉图像增强边缘信息；再经过图像轮廓精修，分离出棉纤维轮廓；改进基于下陷面记忆分离方法，构建棉纤维三层视觉模型，并基于棉纤维三层模型的粘结分离方法进行棉纤维轮廓的修复和粘连分离，对多检或少检的轮廓修复；对其中相互粘结的棉纤维去分离；最后计算每一个棉纤维个体的质度比，评估整体棉纤维样本的质度，评估自动化程度、精确度、效率都有大幅提高。高。高。

【技术实现步骤摘要】
视觉图像显微解析的纺纱棉纤维度评估方法


[0001]本申请涉及一种视觉图像棉纤维度评估方法，特别涉及一种视觉图像显微解析的纺纱棉 纤维度评估方法，属于机器视觉棉纤维度评估


技术介绍

[0002]在纺织工业领域，棉花作为重要的生产材料，它的好坏直接影响其加工产品的优劣。不 同质度的棉纤维其各方面的性能(如韧性、吸湿、强度、吸色等)也不同，同样也会影响它所 加工生成的纱、布的质量(如染色率、含杂率、弹性等)。棉花纤维的质度(棉纤维壁发展程 度)可以有效的反映棉花好坏，正确衡量棉纤维质量的重要指标，它的高低直接决定纺纱工 艺与成品质量。棉纤维质度越高，所生产的棉纱含杂质就越少，说明了棉纤维质度会直接影 响到产品的质量。所以，寻找到一种高效而精确的测量棉纤维质度方法对纺织工业来说是十 分重要的，可以提高原材料棉花的利用率，有效的促进纺织工艺提升，减少在加工过程中的 浪费，同时也保证了成品纱布的质量。
[0003]成熟棉纤维生产的纱线通常都拥有很强的韧性和弹力。不成熟的棉纤维生产过程中会造 成极大浪费且产出的纱线韧性低。不成熟的棉纤维在生产加工中造成棉结(棉纤维相互缠绕 打结，不利于棉花的加工和纺织)，棉结染色性相对低，会使产品上色不均匀，导致纺织品在 染色过程中形成瑕疵。
[0004]在棉花生长过程中，棉纤维会在它的次生层中积累纤维素，纤维素积累的越多，棉纤维 璧就越厚，这样棉纤维得到充分的生长，它的质度就会越高。棉纤维的质度是对棉纤维壁生 长程度的一个衡量，同时也能衡量棉纤维质量。棉纤维质度的参数有长度、强度和细度。
[0005]尽管获取棉纤维质度和细度对纺织工业极其重要，但在实际中并没有快速有效的测量方 法。同时缺乏质度的参考标准，也使得校正现有测质度仪器十分困难，甚至现有标准也不能 精准的测量质度。
[0006]近年来，机器视觉在纺织领域得到了广泛的应用，尤其是图像处理技术，它将人们的视 觉加工能力与计算机的运算能力得以完美结合，在纺织测试的各个领域中已取得了许多成果。 通过解析棉纤维显微视觉图像，提取目标的参数特征技术为测量棉纤维质度提供了新的方向。 获取棉纤维横断面显微图像，提取目标特征参数，计算棉纤维质度和细度。这种方法可以直 接测量棉纤维，且是精度最高的方法，一般被视为参考方法。
[0007]棉纤维质度对棉花生产者和纺织工业都有极其重要的作用。测量棉纤维质度方法有测量 一束棉纤维也有只能测量单根棉纤维，这些方法不仅可以测量棉纤维基本参数如长度，韧性， 张力，细度，马克隆尼值等，也可以测量质度，颜色，棉结含量等。
[0008]综上，现有技术的纺纱棉纤维度评估方法仍存在若干问题和缺陷，本申请的难点和待解 决的问题主要集中在以下方面：
[0009](1)现有技术的纺纱棉纤维度评估方法都存在一些问题，没有一种满意的方法，感官检 验法依靠手感目测来评定棉花的成熟程度、色泽特征和轮工质量，无客观依据，速度
较慢、 效率较低、自动化程度较差；偏振光干涉色法是棉纤维双折射性会使其在偏振光下由于光程 差的不同表现出不同的干涉色，通过偏振光显微镜观察其颜色比例，根据比例判断棉纤维质 度。这种方法速度较慢、效率较低、自动化程度较低，且不适合多种棉纤维掺杂的测量；气 流仪法操作简单方便，速度较快、效率较低、自动化程度较低，用于检测棉纤维质度及细度 的平均值；图像处理方法速度快、效率高、自动化程度高，在众多方法中，优势最大，但现 有技术的图像处理方法存在评估速度较慢、准确率不高的问题。
[0010](2)现有技术将机器视觉运用在棉纤维度评估中存在一系列亟需解决的问题，一是由于 缺少棉纤维横截面显微图像获取方法，无法很好地获取棉纤维横截面显微图像，或者获取的 显微图像质量不高，直接影响后续工作的效果；二是缺少针对性的棉纤维显微视觉图像前置 处理方法，不能有效除去图像噪声等干扰；三是缺少棉纤维显微视觉图像轮廓精修方法，不 能有效提取棉纤维轮廓；四是不能解决棉纤维粘结问题，缺少基于棉纤维模型的图像显微粘 结分离，导致无法正确衡量棉纤维的质量，给纺纱工艺与成品质量的提高带来了一系列困难， 因此将视觉解析与计算机的高效运算能力结合还不够，应用于纺织领域，棉纤维质度、细度 指标的测量精度、速度较差，其自动化检测能力不足，严重制约了机器视觉在棉纤维度评估 中的运用，失去了大规模推广运用的价值。
[0011](3)现有技术的机器视觉纺纱棉纤维度评估方法缺少一套高效的方法和流程，缺少针对 棉纤维度评估在光学显微镜下观察样本，通过CCD摄像机拍摄观察到的棉纤维横截面图像的 方法；缺少对获取到的棉纤维显微视觉图像前置处理，无法提高图像质量和增强边缘信息； 前置处理后的图像在缺少图像轮廓精修，无法分离出棉纤维的轮廓；缺少改进基于下陷面记 忆分离方法，无法构建棉纤维三层视觉模型，缺少基于棉纤维三层模型的粘结分离方法进行 棉纤维轮廓的修复和粘连分离，无法对多检或者少检的轮廓修复；缺少对其中相互粘结的棉 纤维进一步去分离操作，导致最后统计计算每一个棉纤维个体的质度比不准确，评估整体棉 纤维样本的质度可信度降低，直接影响到纺纱产品的质量。

技术实现思路

[0012]本申请提出的视觉图像显微解析的纺纱棉纤维度评估方法，一是获取棉纤维横截面显微 图像；二是棉纤维显微视觉图像前置处理；三是棉纤维显微视觉图像轮廓精修；四是棉纤维 粘结分离，包括：基于下陷面的棉纤维粘结分离、基于棉纤维模型的图像显微粘结分离，基 于棉纤维模型的图像显微粘结分离包括：构建棉纤维三层视觉模型、基于棉纤维三层模型的 粘结分离。本申请流程是在光学显微镜下观察样本，通过CCD摄像机拍摄观察到的棉纤维横 截面图像；对获取到的棉纤维显微视觉图像前置处理提高图像质量，增强边缘信息；前置处 理后的图像在经过图像轮廓精修，分离出棉纤维的轮廓；改进基于下陷面记忆分离方法，通 过构建棉纤维三层视觉模型，并基于棉纤维三层模型的粘结分离方法进行棉纤维轮廓的修复 和粘连分离，对多检或者少检的轮廓修复；对其中相互粘结的棉纤维进一步去分离操作；最 后统计计算每一个棉纤维个体的质度比，然后评估整体棉纤维样本的质度，评估自动化程度、 精确度、效率都有大幅提高。
[0013]为实现以上技术效果，本申请所采用的技术方案如下：
[0014]视觉图像显微解析的纺纱棉纤维度评估方法，一是获取棉纤维横截面显微图像；二是棉 纤维显微视觉图像前置处理；三是棉纤维显微视觉图像轮廓精修；四是棉纤维粘结
分离，包 括：基于下陷面的棉纤维粘结分离、基于棉纤维模型的图像显微粘结分离，基于棉纤维模型 的图像显微粘结分离包括：构建棉纤维三层视觉模型、基于棉纤维三层模型的粘结分离；
[0015]本申请流程是在光学显微镜下观察样本，通过CCD摄像机拍摄观察到的棉纤维横截面图 像；对获取到的棉纤维显微视觉图像前置处理提高图像质量，增强边缘信息；前置处理后的 图像在经过图像轮廓精修，分离出棉纤维的轮廓；改进基于下陷面记忆分离方法，通过构建 棉纤维三层视觉模型，并基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于：一是获取棉纤维横截面显微图像；二是棉纤维显微视觉图像前置处理；三是棉纤维显微视觉图像轮廓精修；四是棉纤维粘结分离，包括：基于下陷面的棉纤维粘结分离、基于棉纤维模型的图像显微粘结分离，基于棉纤维模型的图像显微粘结分离包括：构建棉纤维三层视觉模型、基于棉纤维三层模型的粘结分离；本申请流程是在光学显微镜下观察样本，通过CCD摄像机拍摄观察到的棉纤维横截面图像；对获取到的棉纤维显微视觉图像前置处理提高图像质量，增强边缘信息；前置处理后的图像在经过图像轮廓精修，分离出棉纤维的轮廓；改进基于下陷面记忆分离方法，通过构建棉纤维三层视觉模型，并基于棉纤维三层模型的粘结分离方法进行棉纤维轮廓的修复和粘连分离，对多检或者少检的轮廓修复；对其中相互粘结的棉纤维进一步去分离操作；最后统计计算每一个棉纤维个体的质度比，然后评估整体棉纤维样本的质度。2.根据权利要求1所述视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于，棉纤维显微图像自动化质度测量分为5步：第一步：获取棉纤维显微视觉图像；第二步：棉纤维显微视觉图像前置处理；第三步：棉纤维显微视觉图像轮廓精修；第四步：棉纤维细胞分离去粘结；第五步：计算评估棉纤维质度；本申请测量棉纤维质度，首先将棉纤维切片处理，采用透视光源光学显微镜，并用数字摄像头采集棉纤维的横截面图像，显微图像经过前置处理，增强纤维图像数据，抑制不需要的变形，突出显微图像特征，随后对棉纤维显微视觉图像精修轮廓精修，将棉纤维从背景中分离出来处理，进行棉纤维图像去粘结和去重叠处理，最后对棉纤维逐一统计计算其质度，评估棉花质量；棉纤维横截面图像采用高分辨率且广角的显微图像，分辨率用像素表示为4272*2848，图像中棉纤维个数在300到500之间，将每个棉纤维独立的求质度，分三种类型：死亡、不成熟和成熟的棉纤维，死亡的棉纤维是极度不成熟的棉纤维，质度值z小于0.3；不成熟的纤维已基本成型，质度在0.3到0.6之间；已成熟的纤维得到充分的生长，质度都大于0.6，死亡、未成熟和成熟的纤维通过他们的质度值z来区分；样本棉花经过包埋、切片处理，棉纤维被压缩，得到棉纤维的显微图像，原本形状发生改变，将其复原为圆环结构，解析棉纤维的横截面结构。3.根据权利要求1所述视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于，获取棉纤维横截面显微图像：首先采用甲基丙烯酸甲酯做凝固剂，将棉纤维凝固，然后采用甲基乙基酮溶解凝固剂，取一束棉纤维，用一个细丝将棉纤维一端扎住，将棉纤维浸泡在凝固液中，然后通过细丝将棉纤维拉入特氟龙管中，用牙签将管底部密封，在顶部注入凝固液，排除空气，然后再用一根牙签把顶部密封，将充满棉纤维样本的管放置在UV固化箱中20到30分钟，经凝固后将包裹的管去除，再将样本嵌入另外一根特氟龙管中，用软木塞将管底密封，从顶部注入凝固液排除空气，顶部也同样用软木塞密封，然后将样本放置在UV固化箱中20到30分钟，去除特氟龙管，样本嵌入第三根特氟龙管中，重复操作；经过重复操作，样本的直径达到切片机制作切片的标准，把样本棉纤维放置在切片机
上，选择大约6到12mm的刀片，再用玻璃刀磨平切口表面，采用金刚刀把样本切出1um厚的横截面，便于显微镜观察；最后将棉纤维样本做成玻片，载玻片上涂抹蛋白胶，滴两滴水在上面，将烘干的切片样本放置载玻片上，将玻片放置在充满氯仿的培养皿中3秒，让样本棉纤维充分分离，用加热板烘干水分，并使蛋白胶凝固，最后采用MEK溶解液溶解凝固剂4个小时，切片样本制作完成，将制作好的样本玻片放在高倍显微镜下观察，采用CCD摄像头拍摄观察到的图像，最后CCD摄像头拍摄观察到的图像。4.根据权利要求1所述视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于，棉纤维显微视觉图像前置处理：对获取的棉纤维显微图像进行灰度化处理，统计灰度分布，棉纤维显微视觉图像在一个灰度出现峰值，对图像灰度均衡化处理，使整个灰度值分布变得均匀，灰度均衡化增强图像亮度，使棉纤维的轮廓细节更加清晰，采用图像滤波既保持边缘，又有效抑制噪声的算法。5.根据权利要求1所述视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于，棉纤维显微视觉图像轮廓精修：对待处理的棉纤维显微视觉图像I，设图宽度W，高度H，图中的某一像素点(i.j)表示第i行第j列的点，像素点的灰度值用I
i,j
表示，以像素点(i,j)为中心w*h的窗算数平均值A
i,j
表示为：k，l为对应系数，M
s
表示w*h窗的面积：M
s
＝w
×
h
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式2求灰度均值相反的值表示：D
i，j
＝I
i，j
‑
A
i，j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式3当D为负值时，对应的像素点比背景深，扩大灰度范围，从[0，255]扩大到[0，51000]，取得更准确的临界域，D的范围扩大到[
‑
51000，51000]；低临界域T1是全局临界域，检测出部分灰度深的像素作为边缘；高临界域T
h
扩大由低临界域检索到的边缘，规避由边缘突出的像素产生的噪声，在棉纤维显微视觉图像中扭曲和其它棉纤维相互粘结的纤维边界都会产生噪声，令H表示棉纤维边缘点集合：H＝{(i，j)|D
i，j
＜T
h
，(i，j)∈I}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式4保留大部分边缘信息，为进一步解析提供更精确的结果。6.根据权利要求1所述视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于，基于下陷面的棉纤维粘结分离：解析独立的单连通棉纤维个体，在下陷面轮廓中找到切割点，并且找到距离相对短的路径；第1步，计算梯级求出等高线图：在灰度图像中得到轮廓和梯级，计算每一个像素的梯级为之后使用，然后用临界域获取其二值化图像，并导出轮廓；计算每个像素及它相邻的8个像素的梯级，像素(ij)梯级表示g(ij)：h(i，j)＝f(i
‑
1，j+1)
‑
f(i
‑
1，j
‑
1)+2f(i，j+1)
‑
2f(i，j
‑
1)+f(i+1，j+1)
‑
f(i+1，j
‑
1)式5v(i，j)＝f(i+1，j
‑
1)
‑
f(i
‑
1，j
‑
1)+2f(i+1，j)
‑
2f(i
‑
1，j)+f(i+1，j+1)
‑
f(i
‑
1，j+1)式6
设置最优临界域，导出单连通的棉纤维显微视觉图像，临界域尽可能多的分出棉纤维个体；第二步，计算下陷面及其方向：对每个棉纤维轮廓边界跟踪，计算边界上所有点的曲率和方向，确定相粘结的棉纤维的连接位置和方向，首先找第一个分割点，测量边界上大于临界域的点即分割点，遍历轮廓上的顶点，并把小于临界域的角保存，在其中找切割点，切割点满足的条件包括：一是顶点时最小的角，二是这个点暗淡点；第三步，搜索路径：一是初始化搜索点：Q表示所有在上一步边界追踪到的搜索点的集合，S表示边界，集合中A表示点的角度，T
A
表示角度临界域，Q表示为：Q＝{初始点|Q∈S，A(Q)≥T
A
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式8如果有N个棉纤维，就有N个集合Q；二是搜索路径的方向：对每个在集合Q中的点，选定的初始点的方向作为初始搜索方向，最优分割路径有局部最大梯级像素，搜索方向在找到下一个像素点时被重新计算，如果当前搜索点为P
S
，从P
s
‑
n
到P
S
的方向为新的搜索方向，每一个点都重新计算搜索方向。7.根据权利要求6所述视觉图像显微解析的纺纱棉纤维度评估方法，其特征在于，基于下陷面的棉纤维粘结分离流程：三个串联在一起的棉纤维，通过边缘检测算法检索棉纤维显微视觉图像:对这个轮廓上的每一个像素点计算其下陷度，设置一个下陷度临界域，将大于下陷度临界域的像素点归类为下陷面，将小于下陷度临界域的像素点归类为普通点，然后连接相对位置上的下陷面，即求得分割路径；分为三个重要部分：一是以两三个粘结形式为分离基准；二是通过额外的规则分割大量粘结；三是修复轮廓线中的断裂；本申请基于下陷面的粘结去分离方法改进以下几个条件：(1)棉...

【专利技术属性】
技术研发人员：李应江，
申请(专利权)人：李应江，
类型：发明
国别省市：