分梳绒手排长度方法间的比较与几点建议

山羊绒被誉为“软黄金”,其价格在天然纤维中较为昂贵。山羊绒的工艺制定、价格定位的主要参考指标为山羊绒纤维的平均长度,那么如何准确地测量、计算山羊绒的平均长度,使其长度指标有一个可比性,这就使山羊绒平均长度测量的科学性、实际性、统一性尤为重要。 目前分梳山羊绒平均长度的测量采用手排方法,其涉及的标准有进出口商品检验行业标准《出口无毛绒检验规程》,标准号为SN0106—92;纺织行业标准《分梳山羊绒》,标准号为:PZ/T21003—     

基于模糊二元对比决策的分梳山羊绒品质优选

依据GB 18267—2000《山羊绒》和FZ/T 21003—2010《分梳山羊绒》,测试分梳山羊绒的平均直径、直径变异系数、平均长度、卷曲数、平均断裂强度、断裂强度变异系数、平均断裂伸长率、断裂伸长变异系数等品质指标。采用模糊关系排序决策的方法,对来自6个产区的分梳山羊绒的品质进行优选,结果表明来自新疆产区的山羊绒综合品质最佳。提出了对分梳山羊绒纤维综合性能更客观、更准确的评价方法,为企业合理选择生产原料提供科学依据。     

基于灰色关联分析法的分梳山羊绒纤维综合品质评价

为了评定山羊绒纤维的综合性能,准备了8个批次的分梳山羊绒纤维,依据GB 18267—2000《山羊绒》和FZ/T 21003—2010《分梳山羊绒》测试了分梳山羊绒的品质指标:平均直径、直径变异系数、平均长度、短绒率、含杂率、平均断裂强力,采用灰色关联分析方法确定了品质贡献系数:平均直径(0.21)、直径变异系数(0.15)、平均长度(0.19)、短绒率(0.14)、含杂率(0.11)、平均断裂强力(0.20),评价了8个批次分梳山羊绒纤维的综合性能,其中121批次综合性能最好。提出的评价方法对分梳山羊绒纤维综合性能评价更客观、更准确,也为选择合适的山羊绒纤维提供科学指导。     

关于GB 18267—2013《山羊绒》中山羊绒手排长度检测指标的分析

2014年5月9日开始实施新标准GB 18267—2013《山羊绒》。其中手排长度试验中增加了一个考核指标即长度变异系数及其计算方法。本文通过100批次分梳山羊绒手排长度试验及试验数据的统计,对分梳山羊绒手排长度品质检测各项技术指标进行了分析。意义在于加强新标准的宣贯和执行,特别强调在生产、收购、流通领域的毛绒企业要严格执行GB 18267—2013《山羊绒》。     

山羊绒平均直径测量(投影显微镜法)根数之探讨

按照国家标准中规定的检测方法,对若干批次的分梳山羊绒样品分组进行不同根数的测量,通过数理统计方法展开分析,得出结论。     

三种仪器测量羊毛毛条与分梳山羊绒纤维平均直径的比对分析

本文采用激光细度仪、0FDA细度仪、CU系列投影仪分别检测了羊毛毛条和分梳山羊绒的平均直径,对从三种仪器得到的测量结果进行差异性分析,了解3种仪器的系统误差。     

采用激光仪法测量羊绒纤维直径的研究

本文主要研究采用激光纤维直径分析仪对羊绒(无毛山羊绒或分梳绒)纤维平均直径的测量，并且根据激光纤维直径分析仪法与投影显微镜法的测量结果，应用数理统计方法建立了以激光法替代投影法对无毛山羊绒纤维平均直径测量的校准关系式。而采用激光纤维直径分析仪对无毛山羊绒纤维平均直径的测量具备了对杂质、尘粒、乃至纤维的重叠和交错的辨别能力，能将其剔除而不进行测量，并且具有获取纤维直径分布多种数据和纤维含粗百分率、可纺细度、舒适指数之特点，具有测量速度快、劳动强度低、准确性好、精确度高之优点。     

分梳山羊绒的吸湿滞后性及其对手排长度测试结果的影响

针对原始回潮率影响山羊绒长度测试的问题，将不同自然环境下的白、青、紫色分梳山羊绒(自然回潮率不同)放入标准环境下调湿后，测试其回潮率(标准回潮率)、纤维长度、短绒率等指标，对比分析各指标的变化。结果表明：山羊绒的标准回潮率与山羊绒本色无关，主要受标准条件下调湿前的自然回潮率影响，且当自然回潮率高于公定回潮率时，测得分梳山羊绒纤维的长度比较长，短绒率比较低；当自然回潮率低于公定回潮率时，测得分梳山羊绒纤维的长度偏短，短绒率偏高。建议通过人为干预，先将样品自然回潮率调整至高于公定回潮率后再置于标准条件下进行调湿，经过该调试后，分梳山羊绒测试结果的可对比性更强，对羊绒生产、贸易的可参考性更高。     

双须光电法与手排法测试羊绒长度对比

为解决目前标准中手排法和光电法测试羊绒纤维长度存在的问题,自主研发了一种能够快速测量羊绒、散绒毛长度的新方法--双须光电法。取9种分梳山羊绒,采用GB 18267-2013《山羊绒》测试方法及双须光电法2种方法进行测试对比。结果表明:双须光电法测试的羊绒根数平均长度和短绒率都与手排法的测量结果没有显著性差异;2种方法测试的根数频率分布规律整体一致。双须光电法的试样量远大于手排法,双须光电法多个须丛间的长度变异系数小、测试结果稳定,不受人工技术和人为因素影响。     

分梳山羊绒手排长度值与ALMETER长度值的比对分析

对81个分梳山羊绒样品进行了手排法与ALMETER法的长度测试及数据分析。     

山羊绒制条工艺设计与质量控制

以加工国产44 mm白绒条为例,从工艺流程、原料选配、和绒加油、梳理成条、针梳、精梳几个方面对山羊绒制条工艺进行设计,并提出了生产中质量控制的要点。研究显示:山羊绒长度短、强力低,制条时要合理设计梳理隔距、速比等工艺参数,注重纤维长度的保护,降低纤维损伤;和绒时要注意对水质及和毛油剂的选择,合理的控制精梳落绒率;要合理搭配原料,完成山羊绒原料与最终产品用途相结合,最大限度地提高产品性能指标和外观指标。     

基于谱线特征的羊绒与羊毛的鉴别

为快速区分和检验羊毛、羊绒,提出基于羊毛与羊绒谱线特征的识别方法。这种方法先通过光学显微镜获得羊毛与羊绒的图像,然后经过图像处理得到羊毛与羊绒的表面信息。接着通过投影的方式,获得羊毛与羊绒表面所对应的谱线。对获得的谱线进行分割,根据羊毛及羊绒谱线的特性不同,提取羊毛及羊绒谱线的单元宽度值、单元峰值及离散系数、峰值宽度比等参数;最后通过对这些参数的分析处理进行识别。实验结果表明,采用这种方法识别羊毛及羊绒,不仅快速准确,而且与以往的方法相比,在精度和速度上都有显著的提高。     

利用图像处理和分析技术测定羊毛/羊绒混纺比

叙述了利用图像处理技术测定羊毛/羊绒混纺纱混纺比的新途径。在预处理阶段,通过数学形态学操作对羊毛/羊绒混纺纱截面图像进行去噪和平滑。在人眼视觉机理的基础上,提出光斑扩散方法,用来探测图像中各个纤维截面并得到其轮廓线。在特征抽取阶段,构建了面积系数作为区分羊毛和羊绒纤维的特征指标。对抽取到的特征数据进行聚类和分类,累计每一类纤维的面积系数之和。最后,考虑到2种纤维的密度,计算出羊毛/羊绒混纺比。通过对同一羊毛/羊绒混纺纱的不同部分采集一系列截面图像进行测试,得到了可靠的结果。     

利用图像处理和分析技术测定羊毛/羊绒混纺比

叙述了利用图像处理技术测定羊毛/羊绒混纺纱混纺比的新途径.在预处理阶段,通过数学形态学操作对羊毛/羊绒混纺纱截面图像进行去噪和平滑.在人眼视觉机理的基础上,提出光斑扩散方法,用来探测图像中各个纤维截面并得到其轮廓线.在特征抽取阶段,构建了面积系数作为区分羊毛和羊绒纤维的特征指标.对抽取到的特征数据进行聚类和分类,累计每一类纤维的面积系数之和.最后,考虑到2种纤维的密度,计算出羊毛/羊绒混纺比.通过对同一羊毛/羊绒混纺纱的不同部分采集一系列截面图像进行测试,得到了可靠的结果.     

应用卷积网络及深度学习理论的羊绒与羊毛鉴别

为解决羊绒与羊毛纤维图像难以鉴别的问题,提出一种基于卷积网络和深度学习理论的鉴别方法。使用sigmoid分类器将卷积深度网络提取的纤维图像特征进行粗分类,根据验证集合验证结果并记录网络的最优权重。根据整体的分类网络所获取的权值,对每张样本图片使用改进的局部增强整体的网络模型提取局部特征,并对局部特征和整体特征进行融合,根据这些融合特征建立新的分类网络。在此基础上,使用鄂尔多斯标准羊绒与羊毛数据集对网络进行50轮次的迭代训练,得到的最优准确率达92.1%。实验结果表明:采用深度卷积网络表征纤维,并对羊绒羊与毛纤维图像进行分类的方法,能够有效解决羊绒、羊毛等类似纤维鉴别问题;若用于商业检测,还需更多数据集的验证。     

中高支粗纺羊绒彩点纱的纺制

研究了通过在羊绒纱线中加入彩色点子的方法,生产出具有特殊效果的羊绒纱线.中高支粗纺羊绒彩点纱的纺制具有一定的技术难度,文章对彩色点子的生产以及和毛、梳毛、纺纱、络筒等工艺进行了探讨,重点讨论了羊绒彩点纱的加工工艺.此研究为羊绒产品的设计开发注入了新的活力,开发出了一种比较理想的面料.     

多目标聚集状态下的羊绒纤维自动识别

利用反射式暗视场组合照明装置直接采集高放大倍率下羊绒和羊毛纤维集合体表面纤维图像,通过图像处理的方法整体提取同一图像内多根羊绒和羊毛纤维的4个表面特征参数,利用贝叶斯分类模型进行统计,得出纤维集合体中羊毛和羊绒的比例.实验结果表明鉴别精度达到87.5%.     

基于多特征融合图像分析技术的羊毛与羊绒鉴别

为快速准确地鉴别羊毛与羊绒,提出一种基于多特征融合的鉴别方法。首先利用光学显微镜及数码相机对羊毛与羊绒纤维进行图像采集,然后分别采用2种类型的预处理操作得到单根纤维图像与去除背景的纤维二值图像;其次通过灰度共生矩阵算法提取第1类预处理后羊毛与羊绒纤维图像的纹理特征参数,基于中轴线算法提取第2类预处理后纤维图像的直径形态特征参数;最后将纹理及形态特征参数融合成多维数组并通过K均值算法进行聚类识别。实验结果显示,与传统利用单一纤维特征提取算法进行识别的方法相比,该算法平均识别率可达到95.25%,识别率较高,可用于羊毛与羊绒纤维的自动分类识别。     

基于视觉词袋模型的羊绒与羊毛快速鉴别方法

为快速准确地鉴别羊绒和羊毛,提出一种基于视觉词袋模型的鉴别方法。该方法使用羊绒和羊毛的光学显微镜图像作为实验样本,将纤维鉴别问题转化为图像的分类问题。首先对光学显微镜图像进行预处理以增强特征,然后从纤维形态中提取局部特征并生成视觉单词,再依据视觉单词对纤维图像进行分类,从而达到鉴别纤维的目的。使用了4 400 幅纤维图像作为数据集,从中选择不同的羊绒和羊毛的混合比作为训练集和测试集,得到的识别率最高为86%,最低为81.5%,鉴别1 000根纤维需要的时间小于100 s,训练好的分类器可保存并用于后期的检测工作。     

基于图像处理与深度学习方法的棉纤维梳理过程纤维检测识别技术

针对棉纤维梳理过程中高速摄像机对锡林表面拍摄得到的图像无法人眼识别的问题,使用图像处理与深度学习结合的算法,通过一系列检测流程实现人眼的辅助识别。采用高速摄像机对梳棉机移动盖板下的锡林表面梳理过程进行拍摄得到数据图像,首先对图像通过多级小波卷积神经网络提取去噪残差,然后使用深度卷积超分辨率重构网络进行超分辨率重构,最后使用一种强噪声条件下的多尺度边缘检测与增强算法进行纤维的勾画,得到可供人眼识别的清晰的纤维图像,最后尝试使用特征增强后的图像样本进行循环生成对抗网络的训练,得到更连续清晰的纤维提取结果。研究表明,该图像处理流程提高了对梳理过程纤维的检测识别效果,为纤维梳理领域的研究提供了一种新的思路。