利用分布參數(shù)評價批量棉纖維成熟度

章玉銘,徐步高

(1.浙江大唐紡織科技開發(fā)有限公司,浙江 諸暨 312000;2.西安工程大學(xué) 紡織科學(xué)與工程學(xué)院,陜西 西安 710048)

0 引 言

一直以來,不少學(xué)者致力于建立一套用于標(biāo)定棉纖成熟度與細(xì)度測量方法的所謂標(biāo)準(zhǔn)棉纖.1956年,Lord收集了100種標(biāo)定棉馬克隆值[1]的棉花.在80年代,國際紡織生產(chǎn)商聯(lián)合會(ITMF)與其他組織合作開發(fā)了一套含9種標(biāo)量的棉花,用于大規(guī)模纖維成熟度的測量[2].在1999年,Thibodeaux和Rajasekaran利用一種商用圖像測量系統(tǒng)來測量50多種種植在美國的棉纖維的截面圖像[3].在2000年,Hequet和Thibodeaux帶領(lǐng)的研究組完成了對來自世界各地的104種不同棉花大量纖維的截面圖像分析[4],建立了可用于標(biāo)定其他測量方法的棉纖維成熟度數(shù)據(jù)庫[5].在棉花研究領(lǐng)域,普遍認(rèn)為棉纖橫截面圖像可提供直接、可靠的成熟度信息.該課題組所用的“纖維圖像分析系統(tǒng)”(FIAS)[6]軟件幫助他們在較短時間完成了對大量纖維截面圖像的分析.但是,近來另一研究發(fā)現(xiàn)該軟件(FIAS)可能漏檢10%至40%的不成熟纖維,從而高估棉花樣品的總體成熟度[7].

不成熟纖維,尤其是死棉,具有較薄的纖維壁,在切片時,易被刀片劃傷,也容易橫向卷曲或折疊.這樣的纖維邊沿在圖像中很難被正確地檢測.在研究和使用FIAS的基礎(chǔ)上,發(fā)現(xiàn)FIAS不能自動修補(bǔ)斷開的纖維截面,且在“灌水”算法中易丟失不封閉纖維截面.另外,截面測量的均值長期以來被用作樣品的成熟度指標(biāo)[4-6],測量值的其他分布參數(shù)沒有被考慮其中.這種單一參數(shù)的方法也是不能反映復(fù)雜的棉纖成熟度的分布情況.因此,文中首先對FIAS的纖維檢測算法進(jìn)行改進(jìn),以提高其對不清晰、不完整纖維邊沿檢測的適應(yīng)性和準(zhǔn)確度，增加有效的纖維測量根數(shù),避免丟失不成熟纖維帶來的系統(tǒng)偏差.再用優(yōu)代后的算法完成104種棉花的截面圖處理,分析棉纖成熟度分布的幾種型態(tài),并提出了由分布曲線計算不同成熟度纖維含量的方法.將該方法與舊版本的FIAS數(shù)據(jù)進(jìn)行對比分析，并將優(yōu)化后的FIAS與手工標(biāo)記進(jìn)行驗證,對2 201幅圖像,近10萬根纖維進(jìn)行對比測試,得出優(yōu)化后的FIAS對纖維的漏檢率和誤檢率均降低至1%以下.

1 棉纖成熟度評定方法

棉纖維的截面圖像成熟度評定主要包括以下幾個步驟:棉纖維備樣[2-5],切片[3-4],橫截面圖像獲取及截面圖像處理和分析.本文改進(jìn)的FIAS軟件主要涉及圖像處理和分析部分,具體步驟為動態(tài)閾值的圖像分割，背景“灌水”，中軸線提取，中腔識別和參數(shù)測量,各步驟具體算法見文獻(xiàn)[6].在截面分析中,單纖維成熟度通常是由圓度或θ值的形狀參數(shù)來表征[3-4，6，8].θ由截面的周長(P)和凈面積(A)按公式θ=4πA/P2計算[9].所以,增加纖維外沿和其中腔邊沿檢測準(zhǔn)確是提高棉纖成熟度測量可靠性的關(guān)鍵.

選擇7種不同品種的棉花,獲得了1.5萬多幅橫截面圖像,同時使用未改進(jìn)和改進(jìn)后的FIAS軟件對圖像進(jìn)行分析.將橫截面測量的成熟度數(shù)據(jù)與Advanced Fiber Information System (AFIS)和 High Volume Instrument (HVI)的測量數(shù)據(jù)進(jìn)行相關(guān)分析.

1.1 纖維檢測算法的改進(jìn)

為把纖維截面從圖像中分離出來,舊版本FIAS采用了4個主要的圖像處理步驟:(1)動態(tài)閾值；(2)背景灌水；(3)纖維骨架；(4)中腔識別[7].當(dāng)圖像的光照均勻,對比度強(qiáng)時,這些處理步驟是有效的.但當(dāng)纖維自我卷曲、折疊、粘連造成奇異的截面形狀時,該算法經(jīng)常出現(xiàn)錯誤.相比之中,步驟(2)和(3)的可調(diào)參數(shù)較少.因此文中算法重點(diǎn)改進(jìn)決定纖維外沿與中腔的步驟(1)和(4).

1.1.1 動態(tài)閾值 在一幅8位的灰度值圖像中,光照強(qiáng)度的變化十分明顯.用固定閾值對整幅圖片進(jìn)行分割的方法并不有效.因此,采用動態(tài)閾值法將圖片轉(zhuǎn)換為二值化圖像最為合理.舊版本FIAS[6]通過一個特定大小的子窗口計算閾值信息Ti,從而將窗口內(nèi)的目標(biāo)像素與背景分離.Ti是由窗口內(nèi)像素的均值Mi和標(biāo)準(zhǔn)方差SDi通過式(1)所得,即

Ti=Mi—c×SDi.

(1)

其中，系數(shù)c的值在程序中設(shè)定為0.2[6],窗口固定為7×7像素.無論光照強(qiáng)度如何變化,系數(shù)c和窗口的尺寸都是不可調(diào)節(jié)的,因此所得Ti值可能并不是轉(zhuǎn)換二值化圖像所需的理想?yún)?shù).圖1(a)為一幅光照不均的圖片,用上述閾值方法所得的二值化結(jié)果如圖1(b)所示,其中的高強(qiáng)度噪聲增加了追蹤棉纖外沿的難度.圖1(a)中的深色區(qū)域相比淺色區(qū)域,對背景噪聲更為敏感,所以系數(shù)c的值應(yīng)該與窗口均值Mi相匹配,從而控制閾值的敏感度.通過觀察大量圖片發(fā)現(xiàn),明亮區(qū)域的噪聲值普遍低于深色區(qū)域,因此在明亮的窗口中,系數(shù)c的值應(yīng)該提升,從而降低閾值Ti.將基于區(qū)域信息的動態(tài)系數(shù)c標(biāo)定為ci，經(jīng)大量實驗分析,ci的經(jīng)驗計算公式為

ci=0.014Mi-2.694(R2=0.985 7).

(2)

通過動態(tài)系數(shù)ci計算所得圖1(a)的二值化圖像如圖1(c)所示.與圖1(b)相比較,不但大量噪聲數(shù)據(jù)被濾除,棉纖的外沿信息也被追蹤得更為完整.

(a) 原始圖像 (b) 優(yōu)化前的二值化圖像 (c) 優(yōu)化的二值化圖像圖 1 動態(tài)閾值處理圖像Fig.1 Dynamic threshold processing image

1.1.2 破損邊界修補(bǔ) 為了只保留閉合的棉纖外沿,需將二值化圖像圖1(c)中的一些背景噪聲以及破損的棉纖邊界從圖像中濾除.“背景灌水”是一種十分有效的方法.通過對白色的背景填補(bǔ)黑色像素,破損棉纖邊界的白色中腔被黑色像素填滿,從而“淹沒”在黑色的背景中.為了防止那些只有細(xì)小缺口的棉纖被灌水濾除,需將破損的邊界在灌水之前修補(bǔ)完整.

目前，沒有一種通用的算法可以全局檢測所有破損邊界的端點(diǎn),端點(diǎn)的修補(bǔ)只能基于逐個追蹤棉纖外沿鏈的方法.其步驟為:(1)通過計算每個外沿點(diǎn)鄰域中的外沿鏈數(shù)量,檢測是否當(dāng)前棉纖的外沿含有“斷開點(diǎn)”(dead-end).如果一個外沿點(diǎn)的八鄰域中只含有一個外沿鏈信息,此點(diǎn)被判斷為斷開點(diǎn).(2)在當(dāng)前棉纖外沿鏈中搜索另一個斷開點(diǎn).(3)兩個斷開點(diǎn)之間的破損距離是否在允許范圍之內(nèi);同時,連接它們的外沿鏈長度是否超過之前所設(shè)定的棉纖周長.步驟(3)的意圖為防止兩個斷開點(diǎn)之間的斷開距離過于遙遠(yuǎn),同時避免兩個粘連棉纖斷開點(diǎn)之間的連接.在優(yōu)化的程序中,破損距離的連接長度設(shè)定為5個像素,邊界修補(bǔ)過程為直線連接兩個斷開點(diǎn).

圖2(a)列舉了一些具有代表性的破損邊界,圖2(b)為修補(bǔ)后的棉纖外沿.外沿修補(bǔ)在沒有改變棉纖原有形狀的前提下有效地防止它們被背景灌水去除.

(a) 破損邊界 (b) 修復(fù)邊界圖 2 破損邊界與修復(fù)邊界Fig.2 Damage boundary and fixed boundary

1.1.3 中腔識別 在橫截面圖像中,不是所有棉纖都擁有明顯的中腔.在圖3(a)中,1#,2#以及3#棉纖不成熟,無中腔;4#,5#和6#棉纖由于對比度較低,中腔不是很清晰;7#,8#和9#棉纖只擁有部分中腔.因此上述棉纖的中腔很容易被高估或者低估.

一旦一個棉纖的外沿被鎖定,通過計算其邊界內(nèi)部像素(像素強(qiáng)度的均值和方差)可以獲取一個新的局域閾值,從而精確提取該棉纖的中腔信息.由于中腔應(yīng)該位于整個棉纖的中間部分,如果邊界內(nèi)部的像素中存在不止一段黑色區(qū)域,那么棉纖的骨架(例如:中軸)可以用來定位中腔.在得到局域閾值以后,如果該棉纖內(nèi)部還是沒有發(fā)現(xiàn)中腔,則將該棉纖的骨架(一個像素寬度的線段)設(shè)定為中腔.因此,局域閾值的計算以及骨架計算的方法大大提升了中腔的尺寸以及位置的準(zhǔn)確性(圖3(b)所示).

(a) 原始圖像 (b) 檢測后的橫截面圖 3 原始圖像與檢測后的橫截面Fig.3 original image and extracted cross section

表1為部分優(yōu)化前和優(yōu)化后FIAS所得的棉纖檢測樣本.顯然,優(yōu)化前的FIAS會遺漏一些粘連棉纖,并且常常高估或低估中腔的信息.隨著算法的改善,優(yōu)化后的FIAS可以更為有效地分離粘連棉纖,同時更加準(zhǔn)確地定位棉纖中腔.

表1兩種FIAS對棉纖檢測的比較

Table 1 The comparison of two kinds of FLAS for cotton fiber detection

1.2 成熟度分布特點(diǎn)

一幅標(biāo)準(zhǔn)的640×480像素的圖像往往包含10到100個數(shù)量的棉纖橫截面.不同圖像中橫截面的θ值也是獨(dú)立測量的,分布于[0,1]之間.通過對大量圖像中棉纖橫截面的測量,棉纖成熟度θ的描述統(tǒng)計,包括:均值Mθ,標(biāo)準(zhǔn)方差SDθ,偏態(tài)Sθ,以及峰態(tài)Kθ,都可以成為檢測成熟度分布的特征值.在同一分布模型下,均值和標(biāo)準(zhǔn)方差描述的是中心趨勢和分布差異,而偏態(tài)和峰態(tài)則表示分布的對稱性和峰值點(diǎn).由于頻率分布不均衡,偏態(tài)的值可以是負(fù)的,正的或者零.負(fù)偏態(tài)意味著整個分布向均值的左側(cè)拉伸,又稱為左偏移(left-skewed or left-tailed),數(shù)據(jù)更多地集中在均值的右邊;正偏態(tài)則完全相反;在零偏態(tài)的情況下,均值兩側(cè)分布曲線相稱.峰態(tài)數(shù)據(jù)越大,峰值部分越突出,分布尾線也越長;峰態(tài)數(shù)據(jù)越小,峰值部分越圓滑,分布尾線也越短.因此,偏態(tài)和峰態(tài)的值決定了分布的正態(tài)性.許多例如t-tests,F-tests之類的經(jīng)典統(tǒng)計方法對非正態(tài)分布的數(shù)據(jù)并不適用.

圖 4 樣本包3044與3055的成熟度分布比較Fig.4 The maturity distribution of sample 3044 and 3055

圖4為相同均值、標(biāo)準(zhǔn)方差及峰態(tài)，不同偏態(tài)下棉纖樣本包3044和樣本包3055的成熟度(θ)分布.X軸代表棉纖的成熟度,Y軸代表數(shù)量在整個樣本包中的百分比.經(jīng)計算,2個樣本包具有幾乎相同的均值(0.475和0.479),標(biāo)準(zhǔn)方差(0.180和0.172),和峰態(tài)(-0.535和-0.532),但是它們的偏態(tài)值不同(0.376和0.232).而且2個樣本包的成熟度分布差異很大.即使它們的均值幾乎相同,但樣本3044中不成熟的棉纖個數(shù)也更多.因此,不能只通過計算均值的方法進(jìn)行區(qū)分,成熟度的分布狀態(tài)在棉纖成熟度比較和排序中起到了關(guān)鍵的作用.

1.3 成熟度分布的型態(tài)

由圖4可見,不同的樣品包,棉纖成熟度分布型態(tài)完全不同.成熟度分布的型態(tài)反映出樣品包中各成熟階段纖維含量的百分比. 在描述分布形狀的幾個參數(shù)中,偏態(tài)是最主要的區(qū)分值. 偏態(tài)為負(fù)數(shù)時,說明不成熟纖維含量更高；當(dāng)偏態(tài)為正數(shù)時,說明纖維較集中分布在高成熟度的區(qū)域內(nèi). 因此,偏態(tài)反映出纖維成熟度的分布情況. 根據(jù)偏態(tài)值(Sθ)的不同,成熟度分布曲線可以被分為五大型態(tài),如表2所示.

表 2 成熟度分布型態(tài)Table 2 The distribution pattern of maturity

圖 5 成熟度分布型態(tài)Fig.5 The distribution patterns of maturity

不同型態(tài)代表不同成熟度聚積的情況:型態(tài)Ⅰ中的主要成分為極度不成熟的死棉;而型態(tài)Ⅴ中有大量過于成熟的棉纖.圖5列舉了5種成熟度分布的型態(tài),它們不但均值不同,其他分布參數(shù)也有很大的差異,因此,每一種分布型態(tài)都代表了一種級別的棉纖成熟度.未成熟的棉纖維強(qiáng)力較弱,若樣品包纖維主要成分為不成熟的纖維,如型態(tài)Ⅰ和型態(tài)Ⅱ,則在加工過程中由于不成熟纖維容易斷裂,降低了纖維的平均長度,且不成熟纖維染色牢度較差,影響織物最終的外觀和質(zhì)量,同時不成熟纖維含量較多也會造成紡紗斷頭增多,從而影響生產(chǎn)效率. 因此,通過5種分布型態(tài),可大致判定樣品包內(nèi)纖維的成熟度情況,從而確定后續(xù)加工的各項工序參數(shù)的設(shè)置及配棉的設(shè)計.

1.4 棉纖種類和含量

基于對棉纖截面特征的分析,棉纖一般可以劃分為死棉、不成熟棉和成熟棉.表3給出了每一類別棉纖的4個實例圖片及其θ范圍.極度不成熟的棉纖稱為死棉,這些棉花在成長初期就停止了生長,因此內(nèi)壁非常薄,斷開后呈現(xiàn)很細(xì)的帶狀.死棉的θ值一般低于0.3.生長到一定程度,并出現(xiàn)了明顯的棉纖壁和中腔的棉纖稱為不成熟棉,其θ值一般介于0.3到0.6之間.成熟棉指的是那些生長充分,呈圓形或者橢圓形狀,中腔較小的棉纖，其θ值應(yīng)該高于0.6.因此,死棉、不成熟棉和成熟棉可以通過θ值進(jìn)行簡單分類.

相比成熟棉,死棉更容易纏繞形成棉結(jié)[10],不但破壞紗線的結(jié)構(gòu),且會大大降低紡紗效率.同時,由于缺少纖維質(zhì)含量,棉結(jié)具有較快的解吸附率,在印染過程中無法上色[11].所以,死棉也是染布中產(chǎn)生白色污點(diǎn)的主要因素[12-13],從而嚴(yán)重影響了布料的市場價值.另一方面,成熟棉擁有較強(qiáng)的力度以及上色性,它是棉花成熟度判斷的關(guān)鍵.在成熟度分布圖中,3種棉纖的含量可以根據(jù)圖6標(biāo)識的θ值范圍進(jìn)行百分比的累加.

表3基于成熟度θ值的棉纖分類

Table 3 The classification of cotton fiber based on the value ofθ

2 實驗結(jié)果

2.1 優(yōu)化后FIAS測試結(jié)果的準(zhǔn)確性分析

將優(yōu)化前和優(yōu)化后版本的FIAS測試結(jié)果用PA和CA表示.由于優(yōu)化前的FIAS對不清晰或不完整的棉纖邊界無法準(zhǔn)確識別,因此在處理過程中添加了手動編輯的功能.對錯誤識別的棉纖雙擊鼠標(biāo),標(biāo)記為刪除,其數(shù)據(jù)會從結(jié)果中去除.手動編輯所得的PA結(jié)果用PAM表示.優(yōu)化后的FIAS改進(jìn)了棉纖識別功能,錯誤識別的棉纖會自動從結(jié)果中去除,同時增加了手動編輯工具.操作者可以修補(bǔ)不清晰的棉纖邊界,分離粘連棉纖,以及通過鼠標(biāo)或者繪畫筆刪除異樣對象.手動編輯工具可以重復(fù)使用,直到操作者對識別結(jié)果滿意為止.手動編輯所得CA結(jié)果用CAM表示,由于手動編輯能夠通過修補(bǔ)和刪除異常對象得到正確清晰的棉纖邊界,因此認(rèn)為CAM數(shù)據(jù)為正確值,該結(jié)果可以作為驗證對象,用來鑒別CA數(shù)據(jù)的準(zhǔn)確性.

棉纖樣品包2996中的2 201幅圖片作為CA和CAM測試對象,首先利用優(yōu)化后的FIAS對所有圖像進(jìn)行批量處理,隨后對圖片逐一進(jìn)行手動編輯.圖7展示了CA和CAM結(jié)果的成熟度分布的直方圖及各種分布參數(shù).盡管在θ區(qū)域附近兩個分布曲線存在細(xì)小差別,但其相似度很高(R2=0.999),兩組分布參數(shù)的值也很相似.由此可見,除去一些不可修復(fù)的不成熟棉纖部分,CA測試可以提供非常準(zhǔn)確、可靠的數(shù)據(jù)結(jié)果.鑒于CA和CAM結(jié)果的高度一致性,也無需再對CA的結(jié)果進(jìn)行手動編輯.

圖 6 成熟度分布圖 圖 7 樣品包2996的成熟度直方圖以及分布參數(shù)Fig.6 The maturity distribution diagram Fig.7 The maturity histogram and distributed parameters of sample 2996

2.2 優(yōu)化后 FIAS的未成熟棉識別效果分析

使用CA、PA和PAM方法對7種樣品包中的所有圖片進(jìn)行處理,所識別的棉纖數(shù)量如表4所示.表Δ代表CA與PA或PAM所識別數(shù)量的差值除以CA所識別的數(shù)量.通過與CA的7個數(shù)據(jù)結(jié)果進(jìn)行比較,PA的遺漏識別率為0.57%到5.31%,再對PA中錯誤的識別結(jié)果進(jìn)行刪除后,PAM的遺漏識別率升至59%以上.這也意味著優(yōu)化后的FIAS可識別更多的棉纖,通過對不成熟棉數(shù)量檢測的提升,不成熟棉在成熟度分布中的偏差得到很好的糾正.

表 4 棉纖識別數(shù)量比較Table 4 The comparison of identification number

2.3 FIAS系統(tǒng)棉纖維成熟度參數(shù)的測試結(jié)果與分析

2.3.1 成熟度均值Mθ與成熟率Mr表5將3種測試方法在7個樣品包中所得的成熟度均值Mθ與FIAS成熟率Mr和HVI的馬克隆值進(jìn)行比較.由于PA方法中很多不成熟棉被識別為成熟棉,因此PA所得7個Mθ普遍高于PAM和CA方法.通過手動移除這些不準(zhǔn)確的棉纖,PAM中Mθ的值有所降低,但仍高于CA的結(jié)果.盡管如此,3種方法的Mθ之間相互關(guān)聯(lián),并且與FIAS成熟率Mr之間的線性相關(guān)性幾乎相同.CA與PAM測試結(jié)果大幅提升了與馬克隆值之間的二次相關(guān)性.3種方法的Mθ可以通過公式(Mr=Mθ/0.577[4])得到各自的成熟率,并與FIAS的成熟率進(jìn)行比較.從表5可以發(fā)現(xiàn),除去樣品包3075,PA的成熟率普遍高于FIAS;而除去3074, CA的成熟率卻普遍低于FIAS.

表 5 成熟度均值(Mθ)的比較Table 5 The comparison of maturity average (Mθ)

注:* 線性回歸計算所得,** 二次回歸計算所得

2.3.2 標(biāo)準(zhǔn)方差SDθ、偏態(tài)Sθ和峰態(tài)Kθ表6列舉了另3種成熟度分布的描述參數(shù):標(biāo)準(zhǔn)方差(SDθ),偏態(tài)(Sθ),和峰態(tài)(Kθ).PA與CA的各SDθ值幾乎相同,并且由于PAM中的異樣對象被手動刪除,PAM的各SDθ值呈現(xiàn)最低.值得一提的是,7種樣品包使用CA方法得到的SDθ竟然完全相同.CA所獲的Sθ值均高于另兩種方法,并且除去3074,它們的值都是正的,基本為PA結(jié)果的2倍,從而導(dǎo)致3種方法所得的成熟度分布型態(tài)幾乎相差了一個等級.基于“超峰態(tài)”的概念,表格中的Kθ得到了調(diào)整(減去3),從而使正態(tài)分布的峰態(tài)值為零.當(dāng)Kθ為負(fù)時,較為平滑的峰值會呈現(xiàn)在均值周圍,稱之為偏峰形.根據(jù)表中的Kθ數(shù)值,7種樣品包的3種測試方法所得成熟度分布均為偏峰形.

2.3.3 成熟度分布直方圖 使用CA、PA和PAM 3種方法對樣品包2999中所有圖片進(jìn)行處理,所得成熟度分布直方圖如圖8所示.盡管3種方法所得Mθ值相似(分別為0.48,0.45和0.45),但直方圖差異明顯.CA的直方圖呈現(xiàn)嚴(yán)重的右偏移,并在死棉區(qū)域(θ< 0.3)出現(xiàn)尖銳的峰值.然而,PA和PAM直方圖卻只有細(xì)微的右偏移,由于手動去除了錯誤識別的棉纖,PAM中統(tǒng)計棉纖數(shù)量的直方圖高度偏低.

表 6 成熟度分布參數(shù)Table 6 The distributed parameters of maturity

基于CA方法的7種樣品包的成熟度分布如圖9所示.從中可以發(fā)現(xiàn)這些樣品包成熟度區(qū)別很大,有正態(tài)分布的3074,也存在嚴(yán)重右偏移的3075.它們之間的區(qū)別通過偏度參數(shù)Sθ就可反應(yīng):3074的Sθ為-0.03,而3075的Sθ為0.61.在這7個樣品包中,有2組分布曲線相似的樣品包:2996與3009,和2999與3008,并且它們的分布參數(shù)Mθ,SDθ,Sθ和Kθ都相當(dāng)接近.3016的峰度為絕對值最大的負(fù)數(shù)(-0.60),它的分布曲線峰值最平坦.因此,對不同樣本之間進(jìn)行的成熟度比較應(yīng)該綜合地基于這4種描述參數(shù).

圖 8 樣品包2999的成熟度直方圖熟度分布 圖 9 7種樣品包CA測試的成熟度分布Fig.8 The maturity histogram of sample 2999 Fig.9 The maturity distribution of seven samples with the method of CA

2.3.4 死棉、不成熟棉和成熟棉含量 根據(jù)θ值的大小,可以將棉纖簡單地分為死棉、不成熟棉和成熟棉.同時,一個棉纖樣本中每種棉纖的含量(比例)也可通過成熟度的分布圖進(jìn)行統(tǒng)計.對7種樣品包通過PA,PAM和CA測試后的各種棉纖含量進(jìn)行計算，結(jié)果見表7.3種測試均發(fā)現(xiàn)7種樣品包的不成熟棉所占比例最大(除去3074,其余均超過了50%).3種測試的結(jié)果中,不成熟棉的含量與其Mθ的相關(guān)性不高,死棉含量和成熟棉含量卻與其Mθ擁有很高的相關(guān)性(死棉的相關(guān)性均為負(fù),成熟棉的相關(guān)性均為正).由此可見,死棉和不成熟棉參數(shù)與整個樣品包的成熟度相關(guān).通過比較PA和CA的測試結(jié)果,死棉含量增長,增長幅度從0.87%(3074)到6.96%(3008)不等.成熟棉含量下降,下降幅度從-2.14%(3074)到-6.78%(3009)不等.這些變化說明優(yōu)化后的FIAS具備檢測死棉和避免將其識別為成熟棉的能力.PA測試最大的缺陷是將卷曲的死棉判斷為成熟棉,從而錯誤地統(tǒng)計了死棉和成熟棉的數(shù)量.

3 結(jié) 論

(1) 優(yōu)化后的FIAS程序不但提升了對不同成熟度棉纖的檢測能力,同時有效地降低了優(yōu)化前程序中不成熟棉的錯誤率.CA測試的成熟度分布結(jié)果與手動編輯棉纖的結(jié)果高度關(guān)聯(lián)(R2=0.999),因此優(yōu)化后的FIAS程序免除了手動編輯.

(2) 單一參數(shù)值對非正態(tài)分布的大批量棉纖進(jìn)行成熟度分析是不合理的,往往容易產(chǎn)生錯誤結(jié)果.棉纖維成熟度分布曲線能準(zhǔn)確反應(yīng)批量棉成熟度分布特征,其偏態(tài)可作為分布曲線的形態(tài)分類參數(shù).根據(jù)偏態(tài)將批量棉纖維的成熟度分為5個基本型態(tài),可用于批量棉纖維成熟度的基本分類,該分類可為棉纖維后續(xù)加工的參數(shù)設(shè)置、配棉等提供參考.

(3) 根據(jù)成熟度分布,死棉含量,不成熟棉含量以及成熟棉含量可以通過累加對應(yīng)成熟度范圍中的概率值得到.對大多數(shù)的批量棉纖樣本,不成熟棉在成熟度分布中占據(jù)主體,但是死棉和成熟棉含量與衡量總體成熟度水平的成熟度均值Mθ高度關(guān)聯(lián),因此在對批量棉成熟度的評估中,死棉和成熟棉含量應(yīng)為最主要的因素.死棉含量影響最終成品的強(qiáng)度、染色性和棉結(jié),在紡織加工過程應(yīng)予以高度重視.

表 7 死棉、不成熟棉和成熟棉含量Table 7 The content of dead cotton, immature cotton and mature cotton

注:R*為該表中棉纖含量與表5中CA測試Mθ之間的相關(guān)系數(shù)

參考文獻(xiàn)(References)：

[1] LORD E.Airflow through plugs of textile fibers Part Ⅱ:The micronaire test of cotton[J].Journal of Textile Institute，1956，47(1):16-47.

[2] BOYLSTON E K，THIBODEAUX D P，EVANS J P.Applying microscopy to the development of a reference method for cotton fiber maturity[J].Textile Research Journal，1993，63(2):80-87.

[3] THIBODEAUX D P，RAJASEKARAN K.Development of new reference standards for cotton fiber maturity[J].Journal of Cotton Science，1999，4:188-193.

[4] HEQUET E，WYATT B，ABIDI N，et al.Creation of a set of reference material for cotton fiber maturity measurements[J].Textile Research Journal，2006，76(7):576-586.

[5] BOYLSTON E K，EVANS J P，THIBODEAUX D P.A quick embedding method for light microscopy and image analysis of cotton fibers[J].Journal of Biotechnic and Histochemistry，1995，70(1):24-27.

[6] XU B G，HUANG Y.Image analysis for cotton fibers Part II:Cross-sectional measurements[J].Textile Research Journal，2004，74(5):409-416.

[7] PADMARAJ L，KRIFA M，XU B G.Evaluating immature fiber Bias in cotton fiber cross-section analysis[C].Proceedings Beltwide Cotton Conferences，2011:1476.

[8] MATIC-LEIGH R，CAUTHEN D A.Determining cotton fiber maturity by image analysis Part I:Direct measurement of cotton fiber characteristics[J].Textile Research Journal，1994，64(9):534-544.

[9] PIERCE F T，LORD E.The fineness and maturity of cotton[J].Journal of Textile Institute，1939，30(12):173-210.

[10] FRYDRYCH M Matusiak,SWICH T.Cotton maturity and its influence on nep formation[J].Textile Research Journal，2001，71(7):595-604.

[11] CHEEK L，WILCOCK A.Relationship between direct dye characteristics and coverage of immature fiber neps in dyed cotton fabric[J].Journal of the Society of Dyers and Colourists，1988，104(12)：477.

[12] PETER U，BOWES Q.Quality variations in cotton and their effects on bleaching，dyeing and finishing[J].Melli and Textilberichte，1989，70:135-137.

[13] BEL P D，XU B G，YAO X.White speck potential for mechanically harvested cottons[J].AATCC Review，2011，11(4):59-65.