摘  要：研究了自动化分析方法在棉麻混合物定量分析中的应用，通过棉、麻及其混合样品的定量分析，分析了自动化分析方法的识别准确性、重复性，以及混合纤维定量测试中的实际应用情况和试验结果准确性的影响原因及解决方法，探讨了该方法在棉麻混合物定量分析中应用的可行性。试验表明:自动化分析方法对棉的识别率为98．89%，对亚麻的识别率为98.15%；重复性试验纤维质量分数的极差均＜3.50%，混合样品定量分析纤维质量分数差≤3.0%的占比为92.1%；影响自动化分析结果准确性的原因包含纤维根数统计不准确、直径测量不准确、纤维根数统计和直径测量错误3种情况。对于大部分样品自动化分析方法能满足定量分析误差＜3%的要求，但与显微投影法相比还存在一定差距，可作为一种辅助检测分析方法应用于实际检测。

关键词：定量分析；棉；亚麻；自动化分析方法；人工显微投影法

棉纤维和麻纤维是纺织品中常用的纤维材料，它们都属于植物纤维素纤维，化学成分相近，混纺后不能用化学分析方法或机械分离方法测定其纤维含量。目前，棉、麻混纺织物常规的定量分析方法为显微投影法^[1]，该方法使用显微镜人工识别纤维种类，测量纤维直径或横截面积，并计数一定数量的纤维，从而计算出各种纤维的质量百分比。显微投影法完全依赖人工，一个样品的检测常需要检验员进行数百上千次的对焦、直径测量、计数等重复操作，周期长、强度大、效率低、单调重复、主观因素影响大，难以满足检测行业向智能化、自动化发展的需求。近年来伴随着人工智能技术的发展和深度学习技术的成熟^[2,3]，纺织品纤维成分自动化检测技术应运而生，并逐步应用于纺织品检测行业。基于此，本文参照相关资料开发了一种纺织品纤维成分自动化分析方法^[4,5,6,7,8]，替代传统的人工显微镜法测试棉麻混纺产品，以达到自动化分析纤维成分的目的。与传统方法相比，纺织品纤维成分自动化分析方法操作简单、直观准确、快速高效、无需过多的人工参与，能对不同种类的纺织品进行纤维细度、定性和定量分析，是一种智能化的分析方法。

1试验部分

1.1仪器设备

奥林巴斯BX-43型纤维细度分析仪；NE900型耐可视显微镜；STAGE XY型自动显微控制器；FiberRecognion型纤维自动识别系统；Y172型哈氏切片器。

1.2纤维成分自动化识别系统及工作原理

FiberRecognion纺织品纤维成分全自动分析系统主要由光学显微镜、相机、控制单元、分析装置(含算法模块)、显示单元、XYZ轴高精度电动平台等、组成，具体组成见图1。

图1 纺织品纤维成分自动化分析系统示意图

如图1所示，分析装置的控制模块通过采集相机输出实时图像，经控制单元控制高精度电动平台沿X轴Y轴平移、Z轴聚焦，实现纤维切片自动移位，自动进行三轴扫描式图像采集，并由算法模块自动实现目标提取、直径测量、种类识别和计数，试验结果由管理模块记录并完成报表输出。

1.3试验样品

纯棉样品、纯亚麻样品、不同比例棉/亚麻混合样品，均为深圳市计量质量检测研究院库存样品。

2结果与讨论

2.1自动化分析方法识别的准确性

分别采用人工显微投影法和自动化分析方法测试10个不同的纯棉、纯亚麻样品，对比分析自动化分析方法识别的准确性。

采用两种试验方法分别测试10组纯棉样品和10组纯亚麻样品的含量、折算根数和直径，试验结果见表1、表2。

表1 纯棉样品试验结果

表2 纯亚麻样品试验结果

由表1可知，人工显微投影法测得棉质量分数的平均值为99.90%，误差范围为0～0.36%，折算根数^[1]平均值为999根，误差范围为0～4根；自动化分析方法测得棉含量的平均值为98.89%，误差为0.64%～1.93%，折算根数平均值为988根，误差范围为6～20根。试验结果表明:两种方法测得棉质量分数差异的平均值为1.01%，棉质量分数差异<2%；折算根数差异的平均值为11根，与两次试验每种纤维折算根数之差不大于10根的要求较为接近^[1]；纤维直径差异平均值为0.56μm，纤维直径差异<1μm。这说明，两种方法测试棉纤维的含量、直径、折算根数试验结果的差异较小，自动化分析法对棉识别的准确率较高，但低于人工显微投影法对棉识别的准确率。

由表2可知，人工显微投影法测得亚麻平均质量分数为99.97%，误差范围为0～0.21%，平均折算根数为996根，误差范围为0～10根；自动化分析方法测得亚麻质量分数平均值为98.15%，误差为1.25%～2.44%，误差平均值为1.85%，平均折算根数为936根，误差范围为48～81根。试验结果表明:两种方法测得亚麻质量分数差异的平均值为1.83%，亚麻质量分数差异<2%；折算根数平均差异为61根，但自动化方法将亚麻误判为棉的直径较小，对亚麻含量的结果影响也较小；纤维直径差异平均值为0.25μm，纤维直径差异<1μm。这说明，两种方法测试亚麻纤维的含量、直径试验结果的差异较小，折算根数测试结果对亚麻含量的影响较小，自动化分析法对亚麻的识别准确率较高，但低于人工显微投影法对亚麻的识别准确率。

2.2自动化分析方法重复性

分别采用人工显微投影法和自动化分析方法测试4种不同棉/亚麻混合样品的纤维含量、折算根数，人工显微投影法由3名实验员分别测试2组数据，自动化分析方法测试6组数据，试验结果见表3。

表3 棉/亚麻混合样品重复性试验结果

由表3可知:对4个不同样品进行6次重复试验，人工显微投影法的质量分数极差为1.94%～4.71%，折算根数的极差为17～53根；自动化分析方法的棉质量分数极差<3.5%，为1.26%～3.16%，折算根数的极差为10～16根。试验结果表明，对同一样品进行多次重复性试验，自动化分析方法测得棉含量极差和棉折算根数极差均小于人工显微镜的结果，自动化分析方法的试验结果重现性优于人工方法，测试结果更稳定。

2.3自动化分析方法的实际应用

在相同试验条件下，分别采用人工显微投影法和自动化分析方法测试165个棉/亚麻混合样品的纤维质量分数，统计试验结果差异≤3%的样品数量和比例，试验结果见表4。可知，分别采用人工显微投影法和自动化分析方法测试棉/亚麻样品的纤维含量，两种方法测得同一样品纤维质量分数差异≤3.0%的数量为152个，比例为92.1%。试验结果表明，采用自动化分析方法定量分析棉/亚麻混合样品试验结果和显微投影法相比存在一定的差异，对于大部分样品能满足定量分析误差<3%的要求^[9]，但仍存在不能完全满足的情况。可见该方法在实际应用中还不能全面替代人工检测方法，但可作为一种辅助检测的分析方法。

表4 棉/亚麻混合样品试验结果

2.4自动化分析方法准确性的影响原因及解决方法

棉/麻混纺产品定量分析方法的计算公式^[1]中影响试验结果准确性的主要因素有纤维根数和纤维直径。对人工显微投影法和自动化分析方法试验结果差异>3%的样品数据进行研究，分析可能影响自动化分析方法输出结果准确性的原因。

影响自动化分析结果准确性的原因主要有纤维根数统计不准确、直径测量不准确、纤维根数统计和直径测量错误3种情况，其中纤维根数统计和直径测量错误主要由纤维种类误判造成。纤维根数统计不准确包括纤维识别不全、纤维识别后不能分类统计、图像模糊未识别、纤维黏合交叉重叠、纤维聚集交叉重叠、多根纤维误判为1根等原因；直径测量不准确包括纤维粘连、纤维扭曲交叉等原因；纤维根数统计和直径测量错误包括棉误判为麻、麻误判为棉、其他纤维(化纤、动物毛等)误判为麻/棉、气泡误判为麻/棉、玻片边缘误判为麻/棉、杂质误判为麻/棉等原因。

纤维根数统计不准确情况的解决办法主要为:针对纤维识别不全、纤维识别后不能分类统计、多根误判为1根等情况，需收集相关数据，标注后进行机器学习，生成新的目标分割算法模型来解决；针对图像模糊影响纤维特征识别的情况，需要调整调焦步程、调整硬件参数、优化清晰度判断算法或进行后期人工干预；针对纤维黏合交叉重叠、纤维聚集交叉重叠的情况，需进一步提高系统的图像分割能力，并尽量分散纤维，使其均匀分布，或针对缠绕重叠等特别复杂的情况进行后期人工干预。

直径测量不准确解决办法主要为:针对纤维粘连、纤维扭曲交叉引起纤维轮廓识别不准确导致直径测量不准确的情况，需增加特殊样本优化目标分割模型，结合直径测量算法进行优化。

纤维根数统计和直径测量错误的解决办法主要为:针对棉误判为麻、麻误判为棉的情况，需大量收集数据，经人工判别标注后，让机器学习这类纤维形态特征，以提高机器的识别能力；针对玻片边缘误判、气泡误判、杂质误判的情况，需收集相关无效目标数据，让机器学习无效数据特征，生成新的有效图像算法模型。

3结语

本文研究了棉/亚麻混合样品纤维含量的自动化检测方法，分析了方法识别的准确性和重复性，以及该方法在混合纤维定量分析中的实际应用情况，总结了自动化分析方法准确性的影响原因及解决方法。试验结果表明:自动化分析方法对棉的识别率为98.89%，对亚麻的识别率为98.15%，重复性试验纤维含量的极差均<3.50%，混合样品纤维的质量分数差≤3.0%的比例为92.1%；影响自动化分析结果准确性的原因为纤维根数统计不准确、直径测量不准确、纤维根数统计和直径测量错误3种情况。目前，自动化分析方法与人工显微投影法的试验结果相比还存在一定的差距，对于大部分样品能满足要求，可作为一种辅助检测分析方法。后期可以从提高系统识别的准确性和进行试验数据人工干预两个方面提高混合纤维定量分析的准确率和鉴别的精度。

参考文献

[1]中华人民共和国工业和信息化部．FZ/T 30003---2009麻棉混纺产品定量分析方法显微投影法[S]．北京:中国标准出版社，2009．

[2]郝雅洁，李富忠．计算机智能化图像识别技术的探讨[J]．物联网技术，2019,9(8):55-57．

[3]潘全，万小蕙，夏正球．图像自动识别与采集技术在麻/棉织物检测中的应用[J]．纺织检测与标准，2020,6(3):16-20．

[4]王云发，程鑫桥，黄飞，等．基于卷积神经网络的亚麻与棉自动识别系统[J]．纺织检测与标准，2018,4(6):19-23．

[5]于红彬，夏彬，王泽武．基于图像处理的棉花表面杂质自动识别[J]．上海纺织科技，2020,48(6):17-19,64．

[6]郭荣幸．基于纤维图像的横截面轮廓提取和识别技术[J]．现代丝绸科学与技术，2016,31(1):35-37．

[7]高亮，王旭，王荣武．木棉和棉的自动识别[J]．东华大学学报(自然科学版)，2017,43(1):95-101,133．

[8]陈珂．计算机图像分析在纺织品检验中的应用[J]．黑龙江科技信息，2014(35):56．

[9]中华人民共和国国家质量监督检验检疫总局．GB/T29862-2013纺织品纤维含量的标识[S]．北京:中国标准出版社，2013.

文章摘自：张海煊,程鑫桥,杜静,黄飞,王云发,楼品琪.自动化分析方法在棉/麻混合物定量分析中的应用[J].上海纺织科技,2021,49(09):54-57.DOI:10.16549/j.cnki.issn.1001-2044.2021.09.015.