基于空间模型及连通域分析的异纤维在线检测

陈亚军，张二虎，牟永强

西安理工大学信息科学系，西安 710048

基于空间模型及连通域分析的异纤维在线检测

陈亚军，张二虎，牟永强

西安理工大学信息科学系，西安 710048

1 引言

棉花中的异性纤维（俗称三丝）主要是指在采摘、收购、加工棉花等环节中混入棉纤维中的脏棉纤和其他纤维，如丙纶丝、头发丝、麻纤维、布头等，棉花中混杂的异性纤维比重虽小，但危害却很大。目前很多棉纺企业仍主要采用人工分拣法剔除异性纤维，主观性强，劳动成本高，且异性纤维的检出率比较低[1-5]，因此研究开发棉花异性纤维自动检测方法具有非常重要的意义。

目前使用的棉花异性纤维检测系统的检测原理大致可以分为三类[1]：光电式识别、超声波检测和光学式。从实际情况来看，基于光学式的方式应用最为普遍。在基于光学式的检测系统方面，大多采用荧光和紫外光源配合的方式，也有采用红外光源[6]和激光[7]的方式，但由于红外相机昂贵短期内还难以应用。在棉花异性纤维图像识别算法方面，主要有基于颜色（灰度）特征[8-11]、基于形状特征[12]、基于纹理特征的方法[13]及其这些特征混合的方法，包括采用遗传算法[14]及蚁群算法[15]等智能方法对这些特征进行优化选择等。这些方法都在一定程度上取得了不错的实验效果。但却存在着以下问题：一是部分算法的实验是在实验室仿真环境下进行的，算法参数一般固定不变，但应用到实际系统中时，受光源、相机及不同批次棉花质量的影响，检测效果欠佳；二是部分算法过于复杂，计算时间较长，无法应用到实际的在线检测环境当中。因此，快速高效的棉花异性纤维检测与定位方法，是棉花异性纤维在线检测系统中的关键问题。

本文从工程实际出发，开发了棉花异性纤维清除系统，基于多个线阵CCD相机采集图像，属于光学式异性纤维剔除系统。在棉花异性纤维检测与定位方法方面，建立了一种基于RGB颜色空间的检测模型及参数学习方法，具有快速、灵活的特点；而后基于连通域分析的方法，对异性纤维区域的位置进行准确定位，并考虑到剔除系统中电磁阀的滞后响应特性，提出了进行时间补偿的思想，可以达到对检测出的异性纤维进行准确定位与精准剔除的目的，以减少对原棉的浪费。

2 检测系统结构及设计思想

开发的棉花异性纤维清除系统原理，如图1所示。棉花采用下进上出结构，原棉吸入口接在“清梳联”生产线的棉花开松机后，利用风机形成的负压将开松好的棉花吸入输棉通道中，棉流从设计的过棉通道中分别经过线阵CCD相机B和A的视场区（相机视场区通道采用透明玻璃），实现双面检测，相机C配合的是紫外光源，用来检测含有增白剂的尼龙丝等白色异纤维。3个相机将图像传送给图像处理单元，进行异性纤维的检测定位，发现异性纤维后发信号给剔除系统，使相应的喷嘴喷出高压气体将含有异性纤维的小团棉花喷出。

图1 棉花异纤维清除系统结构示意图

在实际生产中，棉流速度在8～16 m/s之间，系统采用4K线阵CCD相机，行频设置为7 000 line/s，每采集100行构成一幅待处理的彩色图像，因此一幅大小为4 080×100的彩色图像采集耗时14 ms。系统同时处理3个相机采集的图像，处理数据量为252 MB/s，且需要在14 ms之内完成，这对算法的实时性提出了非常高的要求，也是系统成败的核心问题。在最初所开发的系统中，算法需要近20 ms才能处理完一幅图片，不能满足要求。为此，提出研究快速高效的检测与定位方法，同时采用多核并行优化的多线程程序思想处理不同相机的图像，使算法耗时在3 ms之内，完全满足实时性要求。算法的基本设计思想如图2所示。

图2 棉花异纤维检测与定位方法

3 基于RGB颜色空间模型的异性纤维分割

虽然现有的有些基于颜色的异性纤维方法是在其他的颜色空间中进行的，但考虑到颜色空间转换带来的时间费用问题，依然采用基于RGB颜色空间的方法，提出了一种模型建立及模型参数学习的方法，具有快速高效及灵活性的特点。

3.1 棉花图像的RGB颜色空间特征分析

一般常见的棉花都是白色的，而且基本颜色均匀，因此由相机拍摄的棉花理论上基本也是白色的，其R、G、B三个通道颜色的值是相近的[16]。但实际上，由于拍摄棉流过程中不同的角度、不同的棉流厚度对光线的反射、透射有不同的强度，使棉花图像在亮度上有一定的变化。在RGB颜色空间中，棉花图像的颜色值不仅分布在R=G=B的空间主轴上，在主轴周围也有分布，理想的情况如图3（a）所示。这样常用的基于直方图的高低阈值就不能完全判别，因此就需要在立体的颜色空间中建立表征棉花颜色特性的数学模型。

实验中，选取了大量的合格棉花进行图像采集，并将棉花点的颜色值绘制在RGB颜色空间。如图3（b）所示，中心密集标成蓝色的区域为棉花区域，可以看出棉花图像在RGB颜色空间形成了一个纺锤状的形体，一些脱离主轴的离散点即是异纤维的RGB像素值分布。

图3 棉花的RGB空间分布图

归纳起来，常见的棉花异纤维主要有三类，在RGB颜色空间的分布具有如下的特征[17]：

（1）颜色较深的颗粒状杂质，如棉籽、木屑等，灰度值很小，分布于主轴上数值小的一端附近；

（2）浅色异性纤维，如白色丙纶丝、纸屑等，亮度较高，分布于主轴上数值大的一端附近；

（3）颜色不纯的次棉或诸如鸡毛、麻绳、色纸等其他颜色异性纤维，亮度值居中，但偏离了RGB颜色空间主轴。

3.2 基于空间统计模型的异性纤维分割

在RGB颜色空间内，合格的棉花范围是如图3（a）中，在RGB空间R=G=B的主轴线附近的类纺锤形内。实际上，如果进一步分析，发现所有棉花都完全分布在RGB三通道之和为0～765的垂直于RGB空间主轴的766个平面上（包含RGB（0，0，0）和RGB（255，255，255）两个主轴端点），每个平面代表RGB灰度值相同的点的集合。这些平面从RGB（0，0，0）开始到RGB（255，255，255）结束，与RGB空间立方体的截面从三角形过渡到六边形，再到三角形。具体如图4所示，每个平面与R=G=B所形成的主轴垂直。因此，对合格的棉花范围图像建立如式（1）所示的平面模型。

图4 RGB空间异性纤维分割模型图

平面Pi：

在每个平面内与合格棉花的类纺锤形区域的截面为近似圆形，该圆形的半径即为合格棉花的最大色差范围。对于模型参数的学习，就是通过采集一定量的棉花样本数据，计算该半径的参数。由于在每个平面上的圆心的坐标具有R=G=B的特点，因此可以采用（R-G）、（R-B）、（G-B）的值近似表征平面上的其他颜色点离圆心坐标的距离远近。这样对于各平面上半径参数ri的学习步骤为：在每批棉花异性纤维检测前，先采集若干幅不含异性纤维的棉花图，统计每个灰度级上RGB三通道色差的最大值的平均值，作为合格棉花色差模型半径ri。即：

式（2）中要求：Rkj+Gkj+Bkj=Ci，其中T是采集的图像样本数，M×N为每幅图像的大小（线阵CCD相机像元个数为4 080，采集学习样本图片时，每500行截取一幅图片，所以M=4 080，N=500），(Rkj，Gkj，Bkj)表示第j幅图像的第k个像素点的颜色值。

由于ri的学习是离线进行的，所以不会影响系统的实时性。同时，该学习过程可以根据不同批次棉花的质量进行学习，因此适应性较好，增加了系统的灵活性。在实际检测时，可以以(R+G+B)值为索引，建立一个以合格棉花色差半径ri为对应查找值的766×1的统计色差查找表（LUT）。这样在检测时，仅仅是利用(R+G+B)值进行索引查表和比较，这种简单的处理过程，解决了算法实时性的问题。

图5是对采集到的4 000幅棉花样本离线学习后的统计结果，可以认为主轴附近的类纺锤体内为学习后的为正常棉花范围，其他的部分为偏色的异纤维部分。

图5 棉花的正常色差范围可视化图

以上建立的模型适合于异性纤维的亮度居中但偏离了RGB颜色空间主轴的异性纤维的判断。对于颜色较深及颜色较亮的异性纤维的判断，仍然基于RGB颜色空间，采用概率模型方法进行判断。具体方法是：采集一定量的棉花样本，统计出棉花图像中RGB三色通道的各自的均值μR、μG、μB，方差：σR、σG、σB，然后根据概率中的3σ原则，确定出RGB三通道的高低合格棉花范围阈值。即对某像素的颜色值(R，G，B)，若不满足式（3）的条件，可直接判断为异性纤维点。

由以上分析，可以得出本文所提出的异性纤维检测方法的具体步骤为：

（1）采集若干幅不含异性纤维的棉花图像，离线学习模型中的参数μR、μG、μB、σR、σG、σB及ri，建立统计色差查找表。

（2）对于采集到的图像，首先判断其颜色值(R，G，B)是否满足式（3）条件，如不满足，即判断为是亮度较低或者高亮的异性纤维。

（4）经过前两步的分割，最后图像成为一个黑白二值图，异性纤维被分割出来，进一步利用数学形态学中的腐蚀和膨胀运算，去除较小噪声点。

4 棉花异性纤维定位与剔除

4.1 连通区域分析

连通区域分析就是在图像中寻找一个或多个相似灰度的“斑点”，有时也称为Blob分析。一般按照四邻域或者八邻域方式进行连通性分析，通过对Blob单元进行图形特征分析，可以将单纯的图案灰度信息迅速转化为图案的形状信息，包括图形质心、图形面积、图形周长、图形外接最小矩形，以及其他图形信息[18-19]。该方法广泛用于图像特征提取和工业机器视觉检测领域。

本文采用文献[19]中的方法，可以一次快速地完成对异性纤维的标记。对标记出的异性纤维区域，采用公式（4）计算其中心坐标：

其中，(xi，yi)为一个异性纤维区域内第i个像素的坐标，而(X，Y)为计算出的异性纤维的中心（质心）坐标。图6（a）为一幅含有异性纤维的棉流图像，经过分割及连通域分析之后，图6（b）给出了对异性纤维分割及中心定位后的结果。从图中可以看出，异性纤维都被准确的检测出来，说明了该方法的有效性。

图6 连通区域分析后标记出的异纤位置及轮廓

4.2 异性纤维动态定位及准确剔除

在图6所示的连通域分析基础之上，对标记好的图像进行分析，可以定位出棉花中存在的异性纤纤维的中心坐标(X，Y)。在剔除系统中，可以将棉流通道在横向上划分为多个区域，如图6（b）中的虚线所示，每个区域对应一个喷阀，用于剔除该区域含有异性纤维的棉花。因此，含有异性纤维区域的X坐标对应各喷阀位置，纵向坐标Y决定喷阀的开启时间。

连通域分析只能确定瞬间获取的图像中异性纤维中心坐标，而气流输送通道内异性纤维实际位置是不断变化的。因此，根据异性纤维中心坐标和棉流运动速度，才可确定异性纤维的动态位置坐标。对于棉流速度的确定，本文借鉴管道粉末运动中基于图像的测速原理[20]，基于线阵CCD相机A、B采集到图像，采用分区域图像匹配的方法，实现了分区域的速度测量。根据所测速度，对棉流中的异性纤维到达各喷阀的时间可以进行准确地估计与定位。

影响剔除系统准确性定位的另外一个因素是喷阀响应时间。一般电磁阀都有一个响应滞后时间，由于系统实时性强，所以对所用的高速电磁阀的响应特性作了测试，如图7所示。

图7 电磁阀响应特性曲线图

从图7中可以看出电磁阀有一个7.95 ms的启动延迟，还有一个2.76 ms的上升时间，所以电磁阀的开启延迟大概11 ms。因此需要对计算出的异性纤维到达对应喷阀的时间进行时间补偿，即要对计算出的时间减去延迟时间，以使系统提前启动电磁阀。最终的喷阀开启时间补偿是为了保证在有限的喷阀持续开启持续时间内，保证实际异性纤维达到喷阀前，该区域电磁阀已经开启；同时，异性纤维过去后，再稍持续开启；从而保证对异性纤维进行精准的剔除，并减少对原棉的浪费。

5 实验结果及分析

实验是在设计的棉花异性纤维在线清除系统上进行实际测试的，系统实际运行结果表明，所提出的方法能够检测出彩色布头、麻绳、鸡毛、丙丝等异性纤维。同时，系统算法经过多核并行优化，在原始20 ms的基础上，提高到3 ms之内，完全能够满足系统实时性要求。

由于实际中异性纤维大小、形态、颜色都各不一样，为了测试数据的标准化，除选用实际的异纤维进行测试之外，一般都采用彩色测试纸条的方法进行系统性能的评价。实验中主要用40 mm×2 mm的彩色纸条对算法进行了测试，图8所示的是部分测试色条的颜色样本。

图8 部分测试色条的颜色样本

测试在棉流速度约为12 m/s情况下，设置电磁阀喷吹持续时间为30 ms，多次向输棉通道内投放各颜色彩条，每种颜色测试条每次投进棉流通道20个，进行检测效果测试。表1所示的是多次测试的平均结果。

表1 彩色无荧光纸测试结果

进一步为了检测算法在不同棉流速度情况下的性能，在不同的风机转速下用40 mm×2 mm的红、绿、蓝3种颜色测试条进行检测，每种颜色每次投放20个，每一速度下测试10次。具体平均测试结果，如表2所示。

表2 不同棉流速度下的检测效果

从表2可以看出，棉流速度在8 m/s的情况下，由于输棉速度慢、棉流厚，检出的效果不太理想，喷出率在70%～75%左右；棉流速度在12 m/s和15 m/s情况下，喷出率基本一样，在85%以上。但速度在15 m/s时，由于棉流速度快，准确喷出异纤维需要的喷阀持续喷吹时间长，落棉量稍大，最终梳棉风机选用了40 Hz频率，梳棉速度大概在12 m/s下，进行棉花异纤维的检测及剔除。

从实际测试的结果来看，棉流速度在10 m/s以上时候，总体上异性纤维检出率在85%以上，喷出率在80%以上，与国内外同类系统相当。至于投进通道的彩条有些没检出，一部分是投进的纸条裹在棉流中了，另外就是对于浅色的异纤维，空间模型训练的时间还不够，随着时间的增加，检测效果会更精确。

6 结论

本文针对工程实际中要求检测算法准确、高效及灵活的特点，有针对性地提出了一种基于RGB空间统计模型的异性纤维分割方法。在此基础上，利用快速的连通区域分析方法及对棉流区域的划分和对电磁阀时间的补偿思想，可以精准地完成对异性纤维的剔除。通过对安装在实际的生产线上的系统进行测试，结果表明所设计的算法能够达到较高的检出率及较精准的剔除效果，是一种行之有效的方法。

[1]郭俊先，应义斌.皮棉中杂质检测技术与检出装备的研究进展[J].农业机械学报，2008，39（7）：107-113.

[2]郑文秀，王金星，刘双喜，等.棉花异性纤维的动态识别技术研究[J].仪器仪表学报，2009，30（10）：2203-2207.

[3]陈志国，须文波.一种机器视觉异纤高速清除系统[J].计算机工程与应用，2010，46（10）：199-201.

[4]瞿鑫，丁天怀.皮棉中异性纤维骨架快速提取算法[J].农业机械学报，2010，41（6）：177-181.

[5]郏东耀，丁天怀.棉花中异性纤维的多光谱检测[J].清华大学学报：自然科学版，2005，45（2）：193-196.

[6]郏东耀，丁天怀.利用纤维红外吸收特性的皮棉杂质检测新方法[J].红外与毫米波学报，2005，24（2）：147-150.

[7]华才健，苏真伟，乔丽，等.基于线激光的棉花中白色异性纤维检测[J].农业机械学报，2012，43（2）：181-185.

[8]Yang Wenzhu，Li Daoliang，Zhu Liang，et al.A new approach for image processing in foreign fiber detection[J].Computers and Electronics in Agriculture，2009，68（1）：68-77.

[9]张馨，李道亮，杨文柱，等.高分辨率棉花异性纤维彩色图像的快速分割方法[J].农业机械学报，2011，42（1）：159-164.

[10]丁天怀，郏东耀.利用多颜色空间特征融合方法检测近似目标[J].清华大学学报：自然科学版，2006，46（2）：176-179.

[11]Tantaswadi P，Vilainatre J，Tamaree N.Machine vision for automated visual inspection of cotton quality in textile industry usingcolorISOdiscriminationcontour[J].Computersand Industrial Engineering，1999，37（12）：347-350.

[12]Qu Xin，Ding Tianhuai.A fast feature extraction algorithm for detection of foreign fiber in lint cotton within a complex background[J].Acta Automatica Sinica，2010，36（6）：785-790.

[13]李国辉，苏真伟，夏心怡.基于不规则成像机器视觉的棉花白色异纤检测算法[J].农业机械学报，2010，41（5）：164-167.

[14]杨文柱，李道亮，魏新华，等.基于改进遗传算法的棉花异性纤维目标特征选择[J].农业机械学报，2010，41（4）：173-178.

[15]赵学华，李道亮，杨文柱，等.基于改进蚁群算法的棉花异性纤维目标特征选择方法[J].农业机械学报，2011，42（4）：168-173.

[16]付腾，赵建军，张磊.基于空间模型的棉花异性纤维识别算法[J].郑州轻工业学院学报，2009，24（1）：87-90.

[17]杜春燕，吕宇涛，刘秀兰.异纤检测系统图像处理数学模型和算法的研究[C]//第九届全国青年通信学术会议论文集.北京：电子工业出版社，2004：1153-1159.

[18]左文明.连通区域提取算法研究[J].计算机应用与软件，2006，23（1）：97-98.

[19]张二虎，冯江.Blob分析中基于游程链的连通区域标记[J].应用科学学报，2008，26（5）：536-540.

[20]Huang Chengjie，Wu Zhijun，Li Zhilong，et al.Simultaneous measurement of particle velocity and size based on gray difference and autocorrelation[J].Science China：Technology Science，2010，53（10）：2833-2838.

CHEN Yajun,ZHANG Erhu,MOU Yongqiang

Department of Information Science,Xi’an University of Technology,Xi’an 710048,China

Aiming at the problem of foreign fibers in cotton spinning enterprise,a fast and efficient detecting and locating method for foreign fibers in cotton is proposed.In order to achieve fast segmentation of the fibers from cotton,a detecting model of foreign fibers and the model parameters offline learning method are established in RGB color space.Then morphological processing and connected area analysis algorithm are implemented for accurate location of the different foreign fibers in cotton.Furthermore, eliminating time compensation thought is put forward according to the test of electromagnetic valve response characteristics, which can guarantee the precision of elimination of the foreign fibers.The experimental results prove that this method can achieve to detect and eliminate most of the fibers in cotton.

foreign fibers detecting;color space model;connected area analysis;electromagnetic valve;eliminating time compensation

针对一直困扰棉纺企业的异性纤维问题，从工程实际出发，提出一种快速高效的棉花异纤维在线检测及定位方法。该方法在RGB颜色空间建立了一种判断异性纤维的检测模型及模型参数的离线学习方法，以实现棉花与异性纤维的快速分割；基于形态学处理及连通区域分析算法实现异纤维的准确定位。进一步通过对剔除系统中电磁阀的响应特性测试，提出了剔除时间补偿的思想，可以保证对异性纤维的精准剔除。实验结果表明，该方法能够有效地检测并剔除棉花中的大部分异性纤维。

异性纤维检测；颜色空间模型；连通区域分析；电磁阀；剔除时间补偿

A

TP391.41；TN911.73

10.3778/j.issn.1002-8331.1302-0009

CHEN Yajun,ZHANG Erhu,MOU Yongqiang.Online detecting method for foreign fibers based on color space model and connected area analysis algorithm.Computer Engineering and Applications,2013,49（19）：162-166.

陕西省科学技术发展研究计划项目（No.2013K07-18）；陕西省教育厅科学研究计划项目（No.2010JK731）。

陈亚军（1980—），男，博士生，讲师，CCF会员，主要研究方向：图像分析与机器视觉，智能信息处理；张二虎（1965—），男，博士，教授，博士生导师，主要研究方向：图像分析与机器视觉，模式识别，智能信息处理；牟永强（1987—），男，硕士生，研究方向：图像处理。E-mail：chenyj@xaut.edu.cn

2013-02-04

2013-05-13

1002-8331（2013）19-0162-05