中文摘要：

自上世纪八十年代起，许多学者基于不同的检测手段，进行了棉花杂质识别和分类的研究。但是，棉花表面无色、浅色和透明的杂质，棉花内的浅色杂质，尤其不含荧光物质的细小杂质，是棉花中难检杂质，是棉花检测的难点问题。本课题基于高光谱成像分析系统，利用其结合光谱和图像信息的特点，应用生物物料学、光学、数学、图像处理和模式识别等学科知识，系统研究皮棉中这类难检杂质的高光谱图像检测机理和数据分析方法，深入探讨杂质颜色、质地、大小、位置以及皮棉厚度对其识别分类的影响，突破高光谱图像分析中的关键问题，获取各类难检皮棉杂质识别和分类的特征信息，建立基于光谱、图像及其融合信息的皮棉杂质识别和分类的最优算法，提高皮棉中这类难检杂质的识别准确度，克服机器视觉、多光谱成像和近红外光谱检测等技术的局限性，探索皮棉检测的新途径，为进一步研发皮棉杂质高精度检测装备提供理论和实验应用基础。

结论摘要：

棉花是重要的经济作物，纺织工业的重要原料。棉花杂质不仅影响棉花定级和定价，同时影响纺纱和棉纺织品质量。国内外学者采用机器视觉技术、断层X光摄影和紫外荧光成像等技术，有效检测了棉花中着色较深、面积较大和含有荧光物质的部分杂质。但棉花表面纤细、浅色、白色和透明杂质，以及棉花内部的常见杂质，效果不佳。本研究使用高光谱成像分析系统，以梳棉表面一些难检异性纤维，梳棉内部不同深度的常见杂质为研究对象，基于不同信息建立杂质检测的方法和算法，以及杂质重量预测和分类。结果表明1）针对梳棉表面一些难检杂质，使用像素分类方法，异性纤维总识别率为79.17％。黑色人发、灰色丙纶丝、黑色猪毛、白色丙纶丝和透明地膜碎片的识别率分别是100、100、95.65、90.36和67.21％；使用单类杂质分割的最佳波长图像做灰度平均融合，多类型杂质的验证集总识别率为75.86％。黑色毛发、灰色和白色丙纶丝识别率为100％，白色猪毛不能识别；黑色毛发的高光谱图像和RGB图像识别率分别是97.10和81.48％。而高光谱图像可以检测出44.44％的白色猪毛，RGB图像为0。2）针对棉网内层一定深度放置的多种杂质检测，采用像素分类方法，在深度为1-2、3-4和5-6mm的棉网内，杂质识别率分别为87.8、79.5和82.6％，其中，普通杂质识别率分别为95.5、80.7和82.6％。在深度为1-2和3-4mm棉网内，异性纤维的识别率分别为81.9和60.6％。彩色丙纶丝、有色线和有色布块的效果最佳，黑色毛发次好，灰色、白色丙纶丝检测不佳。3）杂质分类和计量，基于高光谱图像分割后二值图像的杂质区域特征，采用PLS预测多类丙纶丝重量的相关系数r值为0.729；基于马氏距离的判别分析分类丙纶丝、毛发和地膜碎片三种异性纤维，总正确率为86.10％；采用近红外光谱信息，3个主成分的PLS预测普通杂质含量相关系数r为0.9059，预测均方根误差为0.823。综上可知，高光谱图像可以有效检测梳棉表面的黑色毛发、灰色丙纶丝和白色丙纶丝，能够检测部分透明丙纶丝和地膜碎片，效果好于RBG图像；可以检测棉网内1-6mm深度的普通杂质、彩色丙纶丝、有色线和有色布块，能够检测部分黑色毛发和灰色丙纶丝。普通杂质的检测效果最佳。结合近红外漫反射技术和化学计量学分析方法，可以用于棉花杂质含量预测。