基于鱗片紋圖主特征的羊絨與羊毛識別研究.pdf

1、細羊毛與羊絨的鑒別一直是纖維鑒別中的難點問題。由于兩者外觀形態(tài)和理化性能具有頗多的相似性，致使其分辨難度較大。目前提出了很多羊絨與羊毛的鑒別方法，但目前行業(yè)公認的標準依舊是顯微鏡方法。
　　顯微鏡鑒別法主要依據(jù)纖維鱗片特征的差異來鑒別，檢驗結(jié)果的準確性與檢驗員的經(jīng)驗息息相關。因此將羊絨與羊毛混合測不準是客觀事實，且目前羊毛細化和羊絨粗化的情況比較嚴重，故將羊絨與羊毛纖維的準確判識更加困難。隨著計算機應用技術的飛速發(fā)展，將顯微鏡檢測

2、與計算機技術結(jié)合來檢測成為一種趨勢。
　　本文利用BEIONF6纖維細度儀采集圖像，顯微鏡來觀察纖維鱗片特征，由計算機來儲存獲取的圖像，利用圖像處理工具對采集的圖像進行處理，提取鱗片的紋圖信息，如:細度、鱗片高度、周長、面積、相對周長、相對面積、厚度、徑高比、翹角等，但較多地集中在前幾個或其他指標，而較少關注光學顯微鏡較難觀測且不易測準的鱗片翹角。本文根據(jù)鱗片輪廓的形態(tài)，建立求解鱗片翹角與厚度的數(shù)學模型，并依此結(jié)果研究了鑒別澳毛與

3、羊絨的可能性和準確性。通過對澳毛和羊絨鱗片翹角和厚度的統(tǒng)計、分布密度函數(shù)及其兩類錯誤概率的分析，得出兩類錯誤之和的誤判率少于11.3％的結(jié)果。這為羊絨與澳毛混合體的鑒別提供了又一特征組合指標。
　　由原來的8個參數(shù)指標加之本文新提出的2指標，得到表征鱗片形態(tài)的10個參數(shù)，并對10個特征參數(shù)進行統(tǒng)計分析，得它們的擬合曲線參數(shù)，對比分析羊絨與羊毛的理論曲線，求出其兩類錯誤值，比較得出較優(yōu)的參數(shù)指標。并對10個參數(shù)進行相關性分析，選出獨

4、立性較強且兩類錯誤值較小的指標，并對它們的復合指標進行討論，根據(jù)這些指標建立主因子識別模型，綜合識別模型，基于SPSS的聚類分析模型，以及貝葉斯模型，得出貝葉斯模型具有較高的準確度，根據(jù)上述模型的準確性的高低建立羊毛羊絨的串聯(lián)識別模型。具體結(jié)果如下:
　　(1)根據(jù)纖維的形態(tài)特征建立的澳毛羊絨的鱗片翹角模型具有較高的精度。鱗片翹角和鱗片厚度是澳毛羊絨鑒別的特征指標，對澳毛羊絨的鑒別具有重要的意義。
　　(2)對于參數(shù)指標的組

5、合，不是組合參數(shù)越多越好。在翹角厚度比指標中，翹角的兩類錯誤達21.46％，厚度的兩類錯誤達41.81％，翹角厚度比的兩類錯誤達11.3％;而在h2·Ad、(dh)2、(dh)2/Ad等組合指標中，其兩類錯誤分別為60.21％、62.11％、79.61％。準確度大大降低;而(dh)2/(Ad·Pd)組合指標的兩類錯誤為30.62％，準確度大大提高。
　　(3)在前人的基礎上提出了具有可行性的鱗片翹角與鱗片厚度指標，因為澳毛鱗片翹角

6、與羊絨鱗片翹角差異性顯著，而根據(jù)澳毛和羊絨的鱗片翹角的理論值兩者概率分布的交疊性質(zhì)，α=15.12％，β=6.34％，兩者的絕對錯誤達21.46％;鱗片厚度之間也存在顯著性差異，此時α=22.2％，β=19.61％，兩者的絕對錯誤達41.81％。鱗片翹角優(yōu)于鱗片厚度。當θ1＞θ2，t1＜t2時，得復合指標θ1/t1＞θ2/t2，比值增大，使得兩類纖維的交疊部分較小，提高了準確度，故能作為區(qū)分兩種纖維的復合指標。
　　(4)提取的1

7、0個特征參數(shù)之間不是完全獨立，經(jīng)相關性分析后，得出鱗片翹角(1＃)的α=6.34％，β=15.12％;兩者的絕對錯誤達21.46％;直徑（2#）的α=22.33％，β=15.75％，兩者的絕對錯誤達38.08％;徑高比（3#）的α=20.68％，β=21.13％，兩者的絕對錯誤達41.81％;及鱗片厚度（4#）的α=22.2％，β=19.61％，兩者的絕對錯誤達41.81％;相互獨立的4指標具有較強的顯著性。
　　(5)對于纖維的