基于图像处理的棉亚麻纤维的自动检测

探讨基于图像处理的棉亚麻纤维自动检测方法。通过显微镜采集棉纤维和亚麻纤维的图像样本,然后采用图像预处理技术对纤维进行特征强化,提取出纤维图像的直径比、直径标准差、平均扭曲度、最大扭曲度、整体充满度和充满度标准差等6个特征值参数,并对特征值参数进行归一化处理和相关性分析,最后通过BP神经网络建立纤维数据库。试验结果表明:基于图像处理的6特征值6阈值与神经网络的组合识别模式自动检测效率较高。认为:该棉亚麻纤维自动检测系统得到的数据值更为客观和准确。     

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。     

亚麻纤维线密度与直径回归相关模型的构建及验证

为建立一个快速有效的亚麻纤维细度的测试方法,采用传统的中段称重法获得纤维细度（Nm）,用直径显微图像仪测试出亚麻纤维直径（d）。统计软件SPSS 3.0拟合分析纤维直径和纤维细度的相关性,获得6个回归模型。优化后的回归方程为Nm=159＋2.505×105/d2,相关系数 r=0.801**,表明亚麻纤维直径和纤维细度间存在着比较好的相关性。F-检验和t-检验证明该方法与传统中段称重法差异不显著。实验室间验证结果表明该方法具有比较好的精密度、重现性和再现性。因此通过显微图像仪测试纤维直径,再经过存储在主机上回归方程的换算,同步实现亚麻纤维细度的自动化快速检测。     

图像分析法测定亚麻纤维分裂度的研究

针对人工检测亚麻纤维分裂度的诸多缺点,提出了采用图像分析法测定亚麻纤维分裂度的方法.该方法将亚麻纤维按照外观形态进行分类,不同的类别采取不同的方法进行测定;将纤维均匀分散于黑色板面之上,通过调整光线,使用数码相机获取图像;采用Image-Pro Plus软件对图像进行分析,得到关于纤维像素的大量数据;使用自编的MATLAB程序对数据进行筛选及分析,得出纤维的准确数量,计算分裂度.试验结果表明,与人工检测方法相比,图像分析法具有操作简便、速度快、准确性高、节省人力等特点.     

基于数字图像处理的羊绒与羊毛识别研究

探讨基于数字图像处理的羊绒与羊毛纤维识别方法。利用螺旋相位相衬显微镜采集到特征清晰的羊绒与羊毛纤维图像,经图像预处理后,采用分段扫描法提取纤维直径,鳞片骨架法提取纤维高度等形态特征,并分别提取不同方向上的灰度共生矩的能量、熵、对比度、相关性等4个特征向量的均值和标准差作为纹理特征参数。最后应用BP神经网络,通过误差反馈调节,得到最佳参数的BP神经网络模型。试验表明:羊绒与羊毛纤维识别的正确率达到93.3%。认为:采用数字图像处理提取纤维特征能较好地识别羊绒与羊毛纤维。     

棉、亚麻、锦纶花式纱纤维含量检测技术研究

通过分析棉、亚麻、锦纶花式纱中各纤维的物理特征和化学溶解性能,确定先测出锦纶含量,方法为溶解法和拆分法两种;再确定棉、亚麻纤维含量,方法为借助CU-Ⅱ纤维细度仪,分别测试花式纱中的棉和亚麻含量(A方法)、拆分或者溶解出锦纶后的棉麻混纺纱中棉和亚麻的含量(B、C方法);组合成6种方案,分别计算出花式纱中各组分纤维含量,得出6种结果。对这6种结果进行比较,得出最优定量方案为:手工拆分出锦纶,得出锦纶和棉麻混纺纱的百分比含量,然后将棉麻混纺纱按照标准FZ/T 30003—2009要求进行制片测量,得出其各自的混纺比,最后综合计算出花式纱中各组分纤维的质量分数。同时可以得出,手工拆分结果优于化学溶解法检测结果,因为纤维经试剂处理后,其平均直径将略有增大。     

基于纤维纵向显微图像的棉／亚麻单纤维识别

 针对棉/亚麻混纺纤维构成的织物,基于其单纤维纵向显微图像（纤维切段的长度约为0.5mm）,研究了纤维的自动识别方法。在纤维检测中,先对纤维图像进行去背景处理,而后运用形态学闭运算和背景区域生长相结合的方法获得纤维的目标区域,对图片中出现的玻璃划痕、干扰杂物等进行了很好的滤除。由纤维骨架垂直方向上的区域图、二值图和细化图得到它们的垂直积分投影序列,并提取这3条序列各自的变异系数CV值和平均值共计6个参数。将这6个参数作为棉/亚麻纤维的特征参数,训练最小二乘支持向量机分类器,对测试集的测试结果表明该分类器对棉/亚麻短纤维的识别率正确率平均为93.3%。     

采用数字图像处理的羊毛与羊绒纤维识别

探讨采用数字图像处理的羊毛与羊绒纤维识别效果。首先采集纹理细节和形状轮廓增强的羊毛与羊绒纤维图像,将交叉纤维处理分割成单根纤维。分别提取纤维的形态特征和纹理特征,然后基于支持向量机模型,根据有限样本信息的学习精度和学习能力进行羊毛与羊绒纤维识别。最终,羊毛与羊绒纤维识别正确率达到93.1%。认为:采用数字图像处理提取纤维特征能较好地识别羊毛与羊绒纤维。     

基于近红外光谱和残差神经网络的异性纤维分类识别

针对传统图像处理方法对棉层中异性纤维检测效果不佳的问题，基于近红外光谱和残差神经网络提出一种对棉层中异性纤维的分类识别方法。采用Savitzky-Golay法对异性纤维的近红外光谱数据进行平滑处理，结合F检验和LightGBM分类算法实现特征波长优选，并将优选后的光谱数据经格拉姆角场转换成保留波长序列之间时序性的格拉姆角和场图像；构建残差深度卷积神经网络模型，将转换后的格拉姆角和场图像作为训练样本对残差网络模型进行训练。实验结果表明，该方法能够有效地对复杂环境下棉层中的异性纤维进行分类，分类准确率达到99.69%,与其它数据转换方式和分类模型相比提高了棉层中异性纤维的分类识别精度，为复杂环境下异性纤维分类识别研究提供了新思路。     

纤维素纤维织物在米曲霉作用下的生物降解

采用光学显微镜、X射线衍射、红外光谱分析纯棉、亚麻、粘胶织物在米曲霉作用下降解前后的外观形态和微观结构的变化.结果表明:在米曲霉的生物降解作用下,粘胶织物的降解率高于棉和亚麻织物;随着霉菌降解时间的增加,织物中纤维、纱线发生断裂,织物出现破洞,发生破损;在降解过程中,棉、亚麻、粘胶纤维均在2θ=26.5°附近形成1个新的衍射峰,结晶度产生一定的波动,内部晶体结构发生了改变;红外光谱分析表明,降解后并经水洗的棉、亚麻、粘胶试样中没有新的物质生成,纤维的内部结构受到了一定的破坏.     

混纺纱混纺比测定中纤维特征的分析

通过使用Matlab,对棉和莫代尔两种纤维纵向特征图像进行预处理,根据处理顺序依次对灰度化、增强、滤波、二值化、旋转等处理方法进行了探讨,并自编程序提取几何形状特征值。用Origin对特征值数据进行处理,分析直径CV值、矩形度、平均灰度值对纤维识别的敏感程度。结果表明,直径CV值、平均灰度值这两个特征值能较好的识别棉、莫代尔纤维。     

基于轻量级卷积神经网络的羊绒羊毛识别方法

羊绒、羊毛纤维的形态和物理化学性质十分相似,2种纤维表面鳞片的纹理有所不同,鉴别二者的传统方法显微镜人工鉴别存在速度慢、识别率不高、人力成本高等弊端。针对该问题,文章提出了一种基于轻量级卷积神经网络MobileNetV3＿small模型的纤维识别方法。实验发现：纤维图像中的鳞片纹理模式复杂度有限,轻量级网络能够有效地提取纤维图像中的视觉特征,并根据特征较好地识别出纤维的类别,实验中5种不同的纤维测试集识别率超过97.1%。与其他卷积神经网络相比,轻量级模型MobileNetV3＿small速度更快,识别5 000个样本只需13 s,适合于纤维商检中的快速检测。     

纤维素织物在土壤中的生物处理

采用土埋法研究棉、亚麻、粘胶3种纤维素织物的生物降解性,研究了织物降解前后的外观形态和微观结构的变化.结果表明:降解时间越长,或者埋入深度越浅,纤维降解程度越大;在较佳的降解条件下,亚麻纤维的降解率最高,外观形态破坏最严重.红外光谱显示,降解前后3种纤维的主要特征峰的位置基本没有变化,说明纤维素分子的结构没有显著变化.X射线衍射研究表明降解后3种纤维都在2θ角位于26.6°附近形成了一个新的衍射峰,该衍射峰的强度随降解时间的增加逐渐增大,随埋入深度的增加却无明显变化;降解后3种纤维结晶度随降解时间和埋入深度的变化趋势较为复杂.     

香蕉纤维结构及其染色性能

采用扫描电镜、红外光谱分析了香蕉纤维的理化特征.通过分析3种活性染料对香蕉纤维的上染速率、上染率和固色率,并与亚麻纤维的染色性能进行比较,发现香蕉纤维的染色性能与亚麻纤维相似,但比亚麻纤维更易染色.试验采用的3种活性染料染香蕉纤维时,元明粉质量浓度为30～60g/L,纯碱质量浓度为10～20g/L时,染色效果最好.     

使用尺度不变特征变换和K最近临算法快速自动识别混纺织物的棉毛纤维

棉、毛纤维广泛应用于混纺织物中,如何在混纺织物中快速地识别出该类纤维具有重要的实用价值。文章提出了一种基于SIFT(尺度不变特征变换)和KNN(K最近邻)图像处理算法的识别方法,以棉、毛纤维的电镜图像作为样本,进行图像预处理,然后使用SIFT算法进行特征提取,生成特征描述子,最后采用KNN分类算法进行匹配、分类,得到被测纤维图像的种类,实现棉、毛纤维的快速自动识别。实验结果表明:该方法无需大量数据样本,识别率超过95%,且具有检测速度快、稳定等优点,实用性强。     

提高棉和麻纤维纵向自动识别率的因素分析

基于三维位移自动平台对棉和麻纤维进行纵向自动识别,通过试验分析棉纤维纵向特征参数值的完整性,系统采集纤维图像的最佳位置是识别过程中影响识别率的主要因素。通过更新识别参数数据库,改变图像采拍位置等方法研究提高纤维种类识别准确率。试验结果表明,所采用的改进方法对于提高纤维种类识别准确率是有效的。     

亚麻/棉55/45 164 tex竹节纱的开发实践

探讨亚麻/棉55/45 164 tex竹节纱的纺纱工艺.针对亚麻纤维和棉纤维的性能特点,对亚麻纤维进行纺前预处理;亚麻纤维与棉纤维采用包混,并选用开清棉机组进行两次开松及混和;加大亚麻纤维的投料比例;合理配置各工序工艺参数,最终成功纺制出亚麻/棉55/45 164 tex竹节纱,其质量满足了使用要求.     

黄麻混纺交织物的风格测试与分析

针对黄麻纤维织物能否代替部分中低档亚麻纤维织物及其市场应用方向的问题,探讨棉与黄麻/棉混纺纱交织物的风格特征,并与棉与亚麻/棉混纺纱交织物进行对比。选取1种亚麻/棉混纺纱、5种不同混纺比的黄麻/棉混纺纱与棉纱交织成6种试样,测试并对比分析其用于女士轻薄型外衣面料的各项力学性能和基本风格。结果表明,黄麻纤维织物能代替部分中低档亚麻织物,且同等混纺比的黄麻/棉混纺交织物与亚麻/棉混纺交织物相比,亚麻/棉织物适合制作偏悬垂的合体型服装,黄麻/棉织物适合制作造型性较强的合体型休闲服,尤其是以褶裥为装饰的轻薄型度假服装。     

亚麻纤维混纺纱的工艺实践

为了顺利纺制CJ/Tencel/亚麻55/30/15 14.5 tex混纺纱,分析了亚麻、Tencel和棉三种纤维的性能特点,针对亚麻纤维较短且粗硬纤维较多的特点,对其进行软化处理以提高其可纺性;针对Tencel纤维易产生静电的缺点,需对其进行抗静电处理;各工序车速偏低控制,粗纱、细纱捻系数偏大控制。通过一系列的工艺技术措施,最终使整个生产过程较顺利,但成纱粗节、棉结相对偏多,需在以后的生产过程中加以控制。     

上海北昂科学仪器有限公司——纤维细度仪专业生产商

正BEION F系列纤维细度仪是毛、绒、棉、麻、化纤等原料直径检测的优选工具BEION F系列纤维细度分析仪通过全自动扫描显微镜与专业摄像机和显微图像分析软件的完美结合可以准确、高效、快速的完成纤维直径的测试分析工作。BEION F6纤维细度仪兼顾多种测量模式真正做到一机多用,能够检测多种纤维细度,纤维定性定量分析,织物经纬向混纺比,提供直观的细度分布直方图。