基于贝叶斯网的羊绒羊毛识别模型

陆晓芳，徐建英，田 越

（1.苏州市纤维检验院，江苏 苏州 215004；2.哈尔滨工程大学，黑龙江 哈尔滨 150001）

随着社会的进步和计算机技术的不断发展，到 2021年，以机器学习和深度学习为代表的人工智能有了长足的进步，计算机视觉（Computer Version，CV）和数据挖掘技术也蓬勃发展，使用计算机鉴别羊绒羊毛成为可能。本研究采用了贝叶斯网作为机器学习模型，使用python脚本语言，结合statsmodel、sklearn、pandas、Numpy和PyQt等PyPI库，构建了一个用于鉴别羊绒羊毛的自动化系统。

1 相关理论与研究进展

1.1 羊绒羊毛鉴别方法

1.1.1 显微镜法

羊绒价格昂贵，而羊绒与羊毛又都为角蛋白纤维，结构相似，黑心商家往往将价格低的羊毛与羊绒混合充数，以降低成本并牟取不合法的利益。所以，鉴别羊绒羊毛成为检测机构不可缺少的工作，最常使用的是通过电子显微镜观察羊绒羊毛的鳞片纹图进行区分[1]。山羊绒由鳞片和皮质层组成，没有髓质层，鳞片边缘光滑，类似环状包覆于毛干，覆盖间距比羊毛大，鳞片较薄且紧抱于毛干，开张角较小，横截面多为规则圆形；而羊毛的鳞片多呈环状，每个鳞片形成一个环套，套在毛干周围，一个鳞片的根部被另一个鳞片的梢部覆盖，粗毛多呈瓦状和龟裂状，横截面一般为椭圆形[2]。

1.1.2 计算机图像识别法

计算机图像识别依赖扫描电镜设备，然后使用CV技术，通过计算机分析替代人工肉眼观察的方式，目的是利用计算机更高效、快速的特点解决人工鉴别反复劳动的问题。从目前的水平来说，“替代”人工的程度还达不到，但是“辅助”人工决策有很大成效[3]。本研究设计构建的系统依靠鳞片的直径、鳞片的高度、鳞片的径高比和鳞片的密度4个参数来判断图像的结果。

1.2 计算机图像识别技术国内研究进展

目前，主流的识别羊绒羊毛的方法有以下几种[4]：深度学习范畴的人工神经网络（Artificial Neural Network，ANN）、机器学习范畴的支持向量机（Support Vector Machine，SVM）以及决策树（Decision Tree），亦有一些学者使用了聚类算法，例如K均值（K-Means）算法[5]等。

1.3 采用贝叶斯网模型的可行性分析

本研究采用的是贝叶斯网模型，是一种采用有向无环图结构（Directed Acyclic Graph，DAG）刻画各个特征之间关系的模型。

朴素的贝叶斯网模型采用了“属性条件独立”的假设，即假设影响图像判断结果为羊绒或者羊毛的各个属性互不影响，换言之，每个属性独立影响结果。贝叶斯网又称“信念网”（belief network），不同于朴素的贝叶斯网模型，贝叶斯网结构有效地表达了属性间的条件独立性。给定父节点集B＝{G, θ}，贝叶斯网假设每个属性与其非后裔属性相独立，于是将属性（x1, x2,..., xn）联合概率密度分布定义为下式：

式中：yi是xi的后裔属性。

用来判断图像识别结果的4个属性（鳞片的直径、鳞片的高度、鳞片的径高比和鳞片的密度）很明显存在这样的关系，即鳞片的直径、鳞片的高度是鳞片的径高比的后裔。从这个角度来讲，贝叶斯网模型适用于羊毛羊绒的图像识别，而且也有不少前人的经验可供参考[6]。

2 系统总体设计

2.1 数据清洗

在检查时发现，已有数据存在部分数据缺失的问题，所以需要进入数据清洗的步骤，接着通过归一化处理，找到了其他一些错误数据。出现问题的数据主要集中在鳞片的直径、鳞片的高度、鳞片的径高比3个参数，使用线性回归拟合的办法推测出丢失的数据，而鳞片密度的数据缺失和错误出现较少，选择将这部分错误的数据直接丢弃，最后一共还有10 131条数据。

2.2 系统流程

（1）将根据电子显微镜观察到的鳞片的直径、鳞片的高度、鳞片的径高比、鳞片的密度等数据录入excel表格中，并由python的pandas库读取数据。

（2）使用train_test_split方法，将数据随机划分成两份。

（3）将60%训练集传入贝叶斯网模型。

（4）使用训练好的模型取预测40%的测试集，计算出正确率。

（5）使用模型预测其他数据的结果。

3 结语

随着机器学习和深度学习等技术的发展与成熟，未来人类社会会发生巨大的变化。本研究设计与实现的基于贝叶斯网的羊毛羊绒鉴别系统，使用python语言设计。技术路线使用了Numpy、skleran、statsmodels、pandas和PyQt等库进行分析和编程，实现了预测图片的功能，准确率达到了93%，可以辅助工作人员的鉴别工作，极大地减少工作人员的工作量；同时，使用了PyQt构建系统的UI部分，图形界面更加促使人机友好。