羊绒和羊毛的鉴别一直是纺织行业具有挑战性的命题之一,目前已经提出对绵羊毛和山羊绒的鉴别中,显微镜鉴别方法一直保持着最重要,最广泛的地位。但光学显微镜很难得到羊毛绒很好的鳞片细节数据图像,它在很大程度上依赖于检测人员的经验,而扫描电子显微镜虽然可以很清晰的看到羊毛/羊绒的表面细节,但整个鉴别流程长,成本高。因此毛纺行业迫切需要快速,客观,准确的羊毛和羊绒识别系统。本课题提出通过分析羊毛和羊绒谱线图的方法识别羊毛和羊绒。谱线图,即是首先通过对羊毛和羊绒表面纹理的提取和聚类,得到纹理灰度图像,再经过对纹理灰度图像的膨胀,距离收缩得到羊毛和羊绒的纹理聚集块图像,为了更好地分析纹理聚集块所代表的鳞片特征,将纹理沿着指定轴线投影得到的图形即为谱线图。课题随机选取羊绒和羊毛各330根(比例1:1)进行算法的推算。从对羊毛和羊绒谱线的分割入手,在分割后的谱线图上利用MATLAB软件提取出了六个特征,通过分析六个特征的概率分布曲线图,筛选出对羊毛和羊绒识别单个贡献率高的三个特征,再对筛选出的三个特征进行相关性分析,从而确定用于建立识别函数和识别点的两个特征量。由于这两个特征量在同一坐标系内的落点图中存在交叉,为了降低这种交叉,课题引入低通滤波处理谱线图。试验证明,低通滤波对于羊毛和羊绒的识别能够起到起积极的作用。为了探索算法的有效性,首先对660根混合羊毛和羊绒样本进行识别,其识别误差为1.2%,由此初步认为该算法的有效性,然后再利用此算法对2060根的羊绒和羊毛混合样本进行鉴别,最终结果显示建立在此算法基础上的羊毛和羊绒识别率达到96.63%。另外,在此算法基础上对70根土种毛进行了分析,结果显示此种算法使得土种毛和羊绒的区分变得容易,但仍然未能达到理想的结果。由于羊绒和土种毛细度变异系数存在很大的差别,为此提出在算法基础上加入羊毛和羊绒细度变异系数鉴别可以得到较好的结果。通过分析该算法对样本容量以及样本中羊毛和羊绒所含比例的依赖程度表明,此算法对于选取的该批样本可以在保持识别率的条件下得到较高的稳定度。