羊绒和羊毛鉴别方法研究现状与展望

罗俊丽，路 凯，张泊平，张 洋，陈永刚，田金穗

(1.许昌学院 信息工程学院，河南 许昌 461000；2.许昌学院 许昌市虚拟现实技术重点实验室，河南 许昌 461000)

中国是世界上最大的羊绒原料生产、加工和面料出口国。羊绒是高档服装的原料，而受自然条件限制，羊绒产量不会有明显提高，羊绒已成为国际贸易中我国控制的一种纺织原材料。羊绒的外观、化学物理性能与羊毛都比较相似，而羊绒价格却高出羊毛十多倍。由于这2种纤维识别难度较大，市场上经常出现使用羊毛在羊绒原料中掺假的现象，针对羊绒和羊毛这2种动物纤维的鉴别，一直是毛纺加工领域、纺织品检测领域中重要的技术环节[1]。

显微镜检测法仍然是目前主要的羊绒鉴别方法，该方法主要是检测人员借助连接在显微镜的CCD摄像机来观察和分析纤维表面的视觉形态特征，凭借经验识别纤维的种类。这种人工识别的方法存在着很多不足，主要表现在：①识别结果主观性较强；②检测效率较低；③检测人力成本高。提高羊绒的检测准确率，降低检测成本，可以更好地防止原材料掺假，提高羊绒制品品质。在当前复杂多变的环境下，加强控制羊绒这一绝对优势原材料的生产、加工制造、质量监控等各个环节，对我国在国际贸易的博弈中掌握主动意义尤为突出。

几十年以来，研究者们针对动物纤维的鉴别方法进行了深入研究，发现羊绒和羊毛纤维在表面形态、纤维组成成分、基因特征上有一定差别，并据此提出了多种鉴别方法，主要包括以下几类：显微镜法[2-3]、近红外光谱法[4-8]、DNA法[9-12]、蛋白质组学检测法[13-14]、基于纤维图像处理和计算机视觉的方法[15-18]。本文主要对近年来研究者提出的各种羊绒和羊毛的鉴别方法展开综述，并对这些方法进行分析和比较，以期为羊绒、羊毛纤维的鉴别提供有利依据。

1 鉴别方法

1.1 显微镜法

显微镜法的主要流程是：检测人员将纤维放置于显微镜下，通过显微镜头或连接在显微镜的显示屏上观察纤维的外观形态，并以此来进行纤维种类的鉴别。常用于鉴别纤维外观形态包括：纤维形状，纤维细度，纤维细度的均匀度，纤维表面鳞片的形状、高度、厚度、密度分布，纤维光泽等。

国外学者在20世纪20年代开始在显微镜下研究动物纤维的鉴别方法，发现羊绒和羊毛纤维的直径和表面鳞片的高度有较为明显的差别，另外，不同种类动物纤维表面鳞片呈现出的形态结构亦有差别[2]。相比于光学显微镜，扫描电子显微镜(Scanning Electron Microscopy，SEM)能够拍摄分辨率更高的纤维图像，因此很多学者借助扫描电子显微镜研究纤维的辨别方法。在扫描电子显微镜下，能够发现羊绒和羊毛的鳞片厚度有明显区别，此外纤维鳞片的密度也可作为纤维鉴别的特征。

赵永聚等[3]在扫描电子显微镜下研究了羊绒和羊毛鳞片的形态结构，较为全面地总结了二者的区别：羊绒鳞片形状比羊毛鳞片的排列显得更为均匀，鳞片高度较大，鳞片厚度较小，鳞片间距大，纤维细度较为均匀；羊毛鳞片形状多呈现不规则的瓦状和斜环状，鳞片高度较小，密度大，部分鳞片边缘翘起的数量较多。

目前检测人员在实际应用中使用的仍然是显微镜检测法，该方法操作简单、成本较低。但这种方法需要检测人员有比较丰富的操作经验，且该方法过于依赖经验，主观性强，不同的操作人员得到的检测结果往往有偏差，同一检测人员在不同环境、使用不同仪器得到的结果也不完全相同。光学显微镜通常将动物纤维图像放大400或500倍，在放大的图像上进行观察和鉴别。而扫描电子显微镜可以将纤维图像放大几千倍甚至几万倍，且图像清晰度高，有一定的景深，能够观察到纤维上更为细致的特征，比如羊绒和羊毛纤维的鳞片厚度，而鳞片厚度是鉴别动物纤维的有效指标。但扫描电子显微镜的价格昂贵，样本制作速度慢，通常只用于研究的用途，不适用于大量的快速检测。

1.2 近红外光谱法

近红外光谱分析技术是利用近红外光谱区包含的物质信息，借助化学计量法等技术手段，可以对有机物的组成进行定性或定量分析。在纺织工业上，使用近红外光谱的方法可以分析混纺纤维中某种纤维的含量[4]。Zoccola等[5]收集了安哥拉兔毛、羊绒、羊毛、牦牛毛等纤维的近红外光谱数据，使用独立建模分类法对这些数据进行分类，实验结果表明该方法可以初略地测试混纺纤维的成分含量。Zhou等[6]使用近红外光谱仪获取纤维混合物样品的光谱信号，借助于多元方差分析对获取的光谱信号进行分析。实验中发现随着样品中羊绒含量的增加，近红外光谱的吸收强度呈递减趋势，通过构建多元线性回归模型能够检测纤维的含量。类似地，还有一些其他学者也利用纤维的近红外光谱来测试其中纤维的含量[7-8]。使用近红外光谱法鉴别羊绒等动物纤维，检测过程比较简单，不需要化学制样，属于无损检测，有潜力发展成一种简便快速的鉴别方法。近红外光谱法鉴别的准确性依赖于建立的数学模型，且目前已有的研究中使用的样本量较小，该方法需要进一步搜集更多样本进行验证。

1.3 DNA分析法

DNA携带有生物体的遗传信息，可以借助不同动物纤维中包含的DNA信息不同来鉴别纤维。聚合链式反应(Polymerase Chain Reaction, PCR)技术可以对一小段DNA进行扩增，从而可以区分出不同动物纤维的基因序列差异。Tang等[9]改进了传统的PCR技术，提出了基于TaqMan的荧光定量PCR技术，该技术具有更高的敏感性，并且能够扩增DNA的同时来定量地检测混合纤维比例。使用基于TaqMan的荧光定量PCR技术检测羊绒和羊毛纤维中的DNA，在不同比例的羊绒、羊毛混纺纤维中进行均取得了比较准确的实验结果。还有一些研究者也提出类似的方法来测试羊绒羊毛混合纤维中的比例[10-12]。

目前我国和国际上已有DNA分析法相关的标准，如GB/T 36433—2018《纺织品 山羊绒和绵羊毛的混合物DNA定量分析 荧光PCR法》与ISO 18074—2015《纺织品 采用DNA分析法识别某些动物纤维 山羊绒, 羊毛,牦牛绒及其混合物》。DNA分析法是一种比较可靠的技术，但这种方法所使用的设备非常昂贵，并且检测过程比较复杂，通常需要专业的操作人员，随着DNA分析法的进一步改进，该方法有可能在实际中推广使用。

1.4 蛋白质组学分析法

羊绒和羊毛等动物纤维的主要成分是蛋白质，可以通过检测纤维成分中的蛋白质氨基酸顺序来鉴别羊绒和羊毛等动物纤维。张娟等[13-14]研究了质谱技术在羊绒和羊毛纤维鉴别领域的应用，通过羊绒和羊毛中提取的多肽的质谱图特征峰值分析，在质谱网络数据库中检索得出2种纤维包含的氨基酸的不同序列。

蛋白质组学分析法是利用纤维所含蛋白质进行判别，所以不受纤维拉伸和脱鳞等纤维处理的影响。目前该方法更多的用于纤维的定性检测，在定量检测方面还需要进一步研究。

1.5 基于图像处理与计算机视觉的方法

1.5.1 基于纤维图像处理技术的方法

随着计算机图像处理技术的广泛使用，一些学者开始用图像处理技术来帮助进行纤维的鉴别，主要是用于测量纤维直径等纤维的外观形态指标。目前质检机构在使用显微镜检测法时通常也参考纤维直径，但主要还是依赖检测人员的经验。

刘亚侠等[15]从羊绒和羊毛光学显微镜图像中提取了纤维鳞片翘角、鳞片厚度、纤维直径、鳞片高度、密度等11个特征，使用支持向量作为分类器得到了90.25%的识别率。陶伟森等[16]从羊绒和羊毛纤维的光学显微镜中提取纤维直径、鳞片密度、鳞片面积、鳞片相对面积，以及提取的8个纹理特征，使用支持向量机作为分类器，获得的羊毛和羊绒的总识别率为93.1%。

石先军[17]的方法比较全面地考查了纤维表面的各种外观形态特征，并且分析不同特征组合鉴别效果，可以看做是对之前的研究者们基于图像处理技术纤维鉴别技术的总结，详细分析了羊绒和羊毛纤维表面形态特征值，从图像中提取纤维的直径、直径变异系数，以及鳞片的高度、径高比、面积与相对面积、周长、鳞片的矩形度等18个特征值，使用统计法分析了这些特征值的最优组合，然后建立分类模型对羊毛和羊绒纤维图像进行识别。

基于纤维图像处理技术的鉴别方法比较直观，是对传统显微镜检测法的改进。该类方法利用计算机图像处理技术将纤维外观形态指标量化，借助统计学模型对纤维进行区分。但这类方法有一定局限性，若采集的纤维图像不够清晰，则很难获取纤维外观形态的各个指标，这时不适用该类方法。

1.5.2 基于计算机视觉的方法

由于近年来计算机视觉技术的快速发展，涌现出很多新的算法，因而目前基于计算机视觉的纤维鉴别方法成为研究热点。

Lu等[18]使用视觉词袋模型(Bag of Words，BoW)来进行纤维的鉴别，该方法从剔除背景后的纤维图像中提取尺度不变特征变换(Scale Invariant Feature Transform，SIFT)特征，使用BoW模型来描述纤维图像中特征，分类器使用的是支持向量机，其识别率稳定在90%以上。

Xing等[19]从羊绒和羊毛纤维图像中提取方向梯度直方图(Histogram of Oriented Gradient, HOG)纹理特征，使用支持向量机获得了最高92.5%的识别率。

路凯等[1]使用深度学习模型在大样本下对羊绒/羊毛纤维进行鉴别，样本中包含蒙古青绒、国产白绒、蒙古紫绒等5种不同类别的纤维，5种纤维的总识别率达到92%以上。路凯等[1]还研究了迁移学习方法在纤维图像鉴别中的应用，实验结果显示迁移学习有助于提高模型对纤维识别能力。此外还有一些其他基于图像技术和计算机视觉技术的研究[20-23]。

基于计算机视觉的方法是基于图像处理技术类方法的升级，该类方法不是从纤维表面提取形态的测量值，而是从纤维图像中提取抽象的视觉特征，这样就将求取纤维表面形态的差别转化为寻求提取出来的视觉抽象特征差别。

1.6 其他检测方法

除了前面几种检测方法以外，还有一些方法，如溶液法和着色剂法[24-26]，这些方法仅有少量的文献记录，这里不再展开叙述。

2 分析与比较

前文对用于羊绒和羊毛鉴别的显微镜检测法、近红外光谱法、蛋白质组学分析法、DNA分析法、图像及计算机视觉技术法进行了介绍，表1是对常用的几种羊绒和羊毛鉴别方法所用技术手段、以及各自的优缺点的简要总结。

表1 羊绒和羊毛纤维鉴别方法的比较

近红外光谱法和蛋白质组学法都是通过检测纤维的成分差异来判断类别。近红外光谱方法是借助近红外光谱仪，根据不同类别的纤维中含氢基团对近红外吸收程度不同而产生的近红外光谱的差异，通过使用化学计量法分析混合纤维中羊绒或羊毛的含量；蛋白质组学法通过检测纤维成分的蛋白质中氨基酸顺序的差异来鉴别纤维。

DNA分析法是基于遗传特征的方法，从技术上来讲是一种较为先进的方法，PCR等扩增DNA技术的应用，解决了动物纤维中少量的线粒体DNA的提取困难，从而推进了DNA分析法在纤维鉴别中的应用。

显微镜检测、基于图像及计算机的视觉技术方法都是依赖纤维外观形态进行纤维鉴别，不同在于：①显微镜检测法主要是依赖主观经验进行人工鉴别；②基于图像处理技术的方法主要是对纤维图像进行预处理和分割，从分割后的图像中测量(计算)纤维外观形态的指标，然后再建立辨别模型进行纤维的鉴别；③基于计算机视觉特征的方法主要是先从图像中提取纤维的外观视觉抽象特征，然后将视觉特征输入到模型进行纤维的鉴别。基于图像处理技术和计算机视觉特征的鉴别方法也要借助显微镜进行鉴别，并且也是通过人工来进行载玻片的制备，只是判别的依据是测量的指标值或建立模型进行客观的判别。人工显微镜方法的检测速度比较慢，且主观性较强，而基于图像处理和计算机视觉技术的方法速度快且检测标准由训练的模型决定，较为客观。从技术发展的角度来看，使用计算机视觉的鉴别方法比图像处理技术更为先进一些，该方法也是目前的研究热点。

近年来研究者们提出的基于图像处理和计算机视觉方法纤维识别方法较多，表2是其中典型方法的比较，其中根据特征提取方法又可以分为人工指定特征提取方法和卷积神经网络特征提取2类方法。

从表2可以看出，基于人工指定特征的方法的模式主要是使用机器学习中的分类器，对提取的特征进行有监督的学习，其中提取的特征或者是纤维直径，鳞片高度、密度、面积等经典测量指标，或者是SIFT、HOG、灰度共生矩阵等计算机视觉特征，或者是测量指标和计算机特征的混合。卷积神经网络模型集成了特征提取和分类器，主要使用经典的卷积神经网络模型对预处理后的纤维图像进行有监督学习。在文献[15,16]与[19-21]中，基于人工指定特征的方法都是对羊毛纤维和羊绒纤维进行二分类，而文献[1]与[22]是基于卷积神经网络方法对多个类别的羊绒纤维和羊毛纤维进行分类，且得到了较高的识别率。文献[15,16]与[19,21,22]中所用样本数量都少于1 000，这些方法能否在更大的数据集中也适用还有待进一步验证。

表2 基于图像处理和计算机视觉方法纤维识别方法的比较

3 总结与展望

本文介绍了近年来研究者们提出的各种羊绒纤维和羊毛纤维的鉴别方法，并对这些方法进行分析和比较。随着近年来计算机视觉技术的发展，基于计算机视觉的方法越来越受到重视，该方法的发展趋势是纤维自动鉴别，其中显微镜图像的自动采集也是技术难点之一，目前的基于纤维表面视觉特征的研究主要集中于纤维特征提取和分类算法上，纤维图像的自动采集方法鲜有文献提及，这也是今后纤维检测领域的重要研究内容。近红外光谱和蛋白质组学方法发展趋势是制作成便捷快速的定量检测设备。DNA分析方法的准确性和可靠性都很高，但设备昂贵，操作方法复杂。

总的来看，基于人工经验的显微镜检测方法在相当长的一段时间里仍然是主要的检测方法，近红外光谱法、蛋白质组学法、DNA分析法、计算机视觉检测等方法随着研究的进展，有望被应用到实际检测工作中。