高光譜成像技術(shù)最早與紡織領(lǐng)域有關(guān)的研究是從棉花雜質(zhì)檢測(cè)開(kāi)始的，研究對(duì)象為籽棉、皮棉、梳棉表面以及內(nèi)部的多種雜質(zhì)，雜質(zhì)包括普通雜質(zhì)、毛發(fā)、丙綸絲、有色線、地膜等無(wú)色、淺色和深色異性物質(zhì)。

通過(guò)分析棉花雜質(zhì)檢測(cè)相關(guān)的文獻(xiàn)，對(duì)其中的研究方法進(jìn)行了整理，見(jiàn)表1，這些研究方法也可以作為參考應(yīng)用到紡織其他檢測(cè)領(lǐng)域。

在籽棉雜質(zhì)檢測(cè)中，常金強(qiáng)等對(duì)120個(gè)機(jī)采籽棉樣本的圖像使用主成分分析（PCA）的方法對(duì)數(shù)據(jù)進(jìn)行降維，通過(guò)3種有監(jiān)督的分類(lèi)判別算法建立判別模型，結(jié)果顯示線性判別分析（LDA）模型結(jié)果最優(yōu)，可以有效識(shí)別植物性雜質(zhì)，但是對(duì)地膜的識(shí)別還存在誤判。

Wei等[9]以含有5種白色異性纖維的籽棉為研究對(duì)象，光譜采集范圍為400-1000 nm，對(duì)選取的子區(qū)域通過(guò)最小噪聲分離（MNF）方法降維、去噪，通過(guò)機(jī)器視覺(jué)評(píng)價(jià)確定最佳分割圖像，試驗(yàn)表明該方法能夠?qū)Π咨愋岳w維進(jìn)行有效識(shí)別，識(shí)別率達(dá)91%。針對(duì)籽棉中地膜難以有效識(shí)別的問(wèn)題，倪超等[2提出了一種新的算法，首先采集籽棉高光譜圖像，光譜范圍在1000-2 500nm，然后運(yùn)用深度學(xué)習(xí)中的自編碼器模型對(duì)數(shù)據(jù)進(jìn)行特征提取和降維，然后對(duì)樣本實(shí)現(xiàn)初步分類(lèi)，最后將結(jié)果分類(lèi)為地膜和非地膜，該算法大大提高了對(duì)地膜的識(shí)別率，基本滿(mǎn)足了實(shí)際生產(chǎn)需求。

在皮棉表面雜質(zhì)檢測(cè)中，劉巍等對(duì)高光譜反射、透射和反透射3種不同的成像模式進(jìn)行研究，對(duì)比雜質(zhì)在皮棉中的識(shí)別率，結(jié)果表明采用透射成像模式雜質(zhì)的識(shí)別率最高。

郭俊先等先獲取不同異性纖維的最佳波段圖像，然后采用像素級(jí)簡(jiǎn)單的圖像融合進(jìn)行識(shí)別，結(jié)果表明對(duì)多類(lèi)難檢異性纖維共存的檢測(cè)是可以實(shí)現(xiàn)的，針對(duì)白色豬毛和透明丙綸絲無(wú)法識(shí)別的問(wèn)題，提出可以采用結(jié)合全波段進(jìn)行像素判別分類(lèi)的解決方法。

Mustafic等利用高光譜熒光成像作為異性物質(zhì)分化的補(bǔ)充工具，首先利用基于興趣區(qū)域的方法提取皮棉和7種異物的平均光譜，然后采用主成分分析（PCA）方法，從425 ~700 nm 范圍內(nèi)的113個(gè)波長(zhǎng)中篩選出最優(yōu)特征，對(duì)所選波長(zhǎng)進(jìn)行線性判別分析（LDA），所有樣品的平均分類(lèi)率為90%。

張航等]對(duì)混入皮棉中的地膜識(shí)別進(jìn)行了研究，首先提取地膜的平均光譜數(shù)據(jù)，使用偏最小二乘回歸分析（PLSR）方法優(yōu)選出560.3、673.9.716.9 nm 和 798.8 nm 4個(gè)最優(yōu)波段，然后提取4個(gè)波段對(duì)應(yīng)的圖像，分別進(jìn)行兩次圖像融合，并移除小目標(biāo)得到最終圖像，該方法能較好地完成對(duì)地膜圖像的分割。

在梳棉表面雜質(zhì)檢測(cè)中，Zhang等23用液晶可調(diào)諧濾波器高光譜成像技術(shù)檢查棉絨表面異物，光譜采集范圍為900~1 700 nm，用線性判別分析方法對(duì)不同類(lèi)型的異物和棉絨進(jìn)行光譜特征分類(lèi)，采用留一驗(yàn)證和四倍交叉驗(yàn)證的分類(lèi)準(zhǔn)確率分別為96.5%和95.1%。

在梳棉內(nèi)部雜質(zhì)檢測(cè)中，郭俊先等針對(duì)棉網(wǎng)1~4 mm深度內(nèi)的雜質(zhì)進(jìn)行研究，采用3種不同的方法來(lái)提取雜質(zhì)的關(guān)鍵波長(zhǎng)，通過(guò)對(duì)比分析，采用與像素分類(lèi)器結(jié)合的包裝方法選擇的最優(yōu)波長(zhǎng)集合，能夠識(shí)別大部分普通雜質(zhì)，但是對(duì)白色豬毛和透明丙綸絲的識(shí)別率還有待提高。

對(duì)于梳棉內(nèi)部更深處的雜質(zhì)，郭俊先等[27]在波長(zhǎng)460-900 nm 范圍內(nèi)，采用像素分類(lèi)分割圖像處理，利用二次判別分析分類(lèi)像素，對(duì)雜質(zhì)和棉網(wǎng)進(jìn)行準(zhǔn)確分類(lèi)，但是對(duì)比度小的像素分類(lèi)較差如白色丙綸絲，且隨著棉網(wǎng)深度的增加檢測(cè)效率下降較快。

Zhang等采用透射模式對(duì)棉絨內(nèi)常見(jiàn)異物進(jìn)行檢測(cè)和分類(lèi)，對(duì)獲取的圖像，利用最小噪聲分?jǐn)?shù)旋轉(zhuǎn)獲得組分圖像，從141個(gè)波長(zhǎng)波段中識(shí)別出最佳光譜波段，利用 LDA 和 SVM分別在光譜水平和像素水平對(duì)異物進(jìn)行分類(lèi)，使用選定的最佳波長(zhǎng)，光譜和圖像的分類(lèi)精度達(dá)到95%以上。

Jiang等使用最小冗余最大關(guān)聯(lián)算法作為特征選擇方法，篩選出最適合異物分類(lèi)的波長(zhǎng)，通過(guò)比較使用LDA、SVM 和ANN的分類(lèi)性能來(lái)評(píng)估所選波長(zhǎng)的通用性，共選擇12個(gè)波長(zhǎng)作為異物分類(lèi)的最佳特征集，LDA、SVM 和 ANN的平均分類(lèi)率分別為91.25%.86.67%和 86.67%，該研究探索了一種高光譜成像最佳波長(zhǎng)選擇的新方法，提高了分類(lèi)精度和速度。

?

?

?

?

?