基于Mask R-CNN深度学习的羊绒羊毛纤维识别技术

来源:用户上传      作者:从明芳 李子印 卢鸯 韩高锋 谢凌佳 王启真

　　摘 要：为提高羊绒羊毛纤维定量的自动化程度，引入基于掩模区域卷积神经网络（Mask R-CNN）深度学习技术，对通过光学显微镜采集的图片进行图片处理、算法模型优化，以及学习和训练，建立起山羊绒和绵羊毛的自动识别模型。采用测试集对所建立的模型进行了验证测试，结果表明，对山羊绒和绵羊毛纤维的自动识别正确率达到95%以上，证实了所建立的识别技术的可行性。
　　关键词：山羊绒;绵羊毛;图像处理;深度学习;Mask R-CNN
　　中图分类号：TS102.3
　　文献标志码：A
　　文章编号：1009-265X（2022）02-0036-05
　　Recognition technology of cashmere and wool fibers based onmask R-CNN deep learning
　　CONG Mingfang1， LI Ziyin2， LU Yang1， HAN Gaofeng1，XIE Lingjia1， WANG Qizhen2
　　（1.Zhejiang Light Industrial Products Inspection and Research Institute， Hangzhou 310018， China;
　　2.College of Optical and Electronic Technology， China Jiliang University， Hangzhou 310018， China）
　　Abstract： To enhance the level of automation for wool fiber quantification， the mask R-CNN deep learning technology was introduced for the processing of the pictures collected by the optical microscope， optimization of algorithm model， learning and training. An automatic recognition model of cashmere and sheep wool was established. Through the verification test using a test set， it was found that the accuracy of automatic recognition of cashmere and sheep wool fibers reached more than 95%， confirming the feasibility of the recognition technology developed in this paper.
　　Key words： cashmere; sheep wool; image processing; deep learning; mask R-CNN
　　收稿日期：20210402 网络出版日期：20210804
　　基金项目：国家市场监督管理总局科技计划项目（2019MK031）
　　作者简介：从明芳（1986-），女，浙江杭州人，工程师，硕士，主要从事纺织品检测方面的研究。
　　通信作者：卢鸯，E-mail：69270913@qq.com
　　山羊绒纤维因条干均匀、手感柔滑、表面光泽好，被誉为“纤维之王”，素有“软黄金”之美称，由于产量稀少而价格昂贵[1]。山羊绒与绵羊毛同属蛋白质纤维，在外观形态上非常相似，但价格差距悬殊，因此有些不良商家利用这一特点在羊绒制品中掺入细支绵羊毛、改性绵羊毛等以次充好。为切实维护企业、商家利益与消费者保护权益，打击假冒伪劣，需要对相关制品中羊绒羊毛的成分含量进行准确定量。目前对山羊绒与绵羊毛的鉴别和定量方法有显微镜法、扫描电镜法、光谱法、染色法、DNA分析法等[2-5]，其中应用最广泛的是显微镜法，即通过观察山羊绒与绵羊毛在显微镜下纤维直径、鳞片厚度和光滑程度、翘角大小等形态特征来进行鉴别，在区分
　　出纤维种类后，根据根数比计算得到含量。但是由于这些形态特征并不十分明显，通过人工目测识别与计数，不仅对人员的专业技能要求高，耗时耗力，而且准确度受主观因素影响较大，不同机构、不同检测人员的检验结果常常会有较大的差异[6]。
　　随着计算机图像技术和人工智能技术的高速发展，应用显微图片与图像处理技术结合实现自动识别已成为山羊绒纤维鉴别技术研究的发展方向之一[2]，近年来有不少将图像识别、深度学习理论等应用于山羊绒和绵羊毛鉴别的研究和探索[6-9]，但目前市场上仍未见标准化、能广泛使用的自动识别方法和设备。从已有的实践探索中可知，计算机图像识别法的结果与所建模型数据库的完整性密切相关，不仅要求模型数据库具有代表性，并且要有足够的数据量，否则可能对结果造成不良的影响[1]。本文在采集大量山羊q及绵羊毛纤维数据库样本基础上，将其在显微镜下观测的图像进行存储，通过图片处理、算法模型优化，采用掩模区域卷积神经网络（Mask region-based convolutional neural networks，Mask R-CNN）进行学习和训练，期望将两类纤维的识别准确度提高，为实现替代人工的自动识别提供参考。
　　1 实 验
　　1.1 样本采集
　　为提高自动识别数据库的代表性，本文在纤维样本的采集上一方面涵盖从原料到成品，包括羊毛散纤维、羊毛毛条、羊毛织片、羊毛呢料、羊绒散纤维、羊绒织片、羊绒呢料等多种类型样品。因为不同类型的样品所经历的加工过程不同，在显微形态上可能会有所差异[10]。另一方面尽量采集得到来自不同产地、不同种类和不同品质的羊毛、羊绒样品。

转载注明来源:https://www.xzbu.com/1/view-15427027.htm