棉花异性纤维的动态识别技术研究项目来源于“十一五”国家科技支撑计划子课题“棉花加工成套技术装备研究与开发”(2006BAD11A14-3)。棉花中异性纤维含量虽很少,危害却很大,会对棉纺织品的质量造成不良影响,从而影响棉纺织企业的经济效益,降低国产棉花的国际竞争力。棉花异性纤维的动态识别技术研究对于提高我国棉花质量检验技术水平,促进棉花公平交易具有非常重要的意义。针对棉花异性纤维含量检验过程中手工挑拣方法存在的效率低、误差大等实际问题,本文研究了一种基于机器视觉技术的棉花异性纤维的动态识别方法,实现了棉花异性纤维的分类识别与重量统计。主要完成了以下工作:1.设计了棉花异性纤维识别系统总体结构,该系统包括图像采集系统和图像处理系统,图像采集系统用于采集棉流的多光谱动态图像;图像处理系统对所采集图像进行分析处理,实现棉花异性纤维的分类识别与重量统计;2.提出了一种基于Mean-shift自适应阈值技术的棉花异性纤维图像分割方法,Mean-shift算法对于图像的整体光照度和棉层背景要求不是很高,算法具有很高的稳健性,并且具有快速完成图像分割,准确区分出不同的物体,有效避免分割结果过于细碎等优点;3.设计了棉花异性纤维图像处理识别方案,首先对棉花异性纤维原始图像进行灰度处理,得出其灰度直方图,运用Mean-shift自适应阈值技术完成棉花异性纤维图像分割,然后采用膨胀处理和中值滤波技术完成棉花异性纤维形态学处理和增强处理,得出清晰的二值图像,最后利用挖空内点法和8-邻域搜索法进行整体轮廓提取和目标轮廓提取;4.提取棉花异性纤维轮廓图像的特征参数,利用粗糙集理论对异性纤维特征参数进行了数据分析,得到有效的异性纤维特征属性值,运用决策树方法完成了异性纤维的分类识别工作;5.提出了一种棉花异性纤维的重量统计方法,进行了重量误差测试,建立了棉花异性纤维的重量统计模型。本文选择了黑色塑料布、蓝色丝绸、红色丝绸、麻绳、头发、不带荧光的红色丙纶丝、带荧光的白色塑料布、带荧光的白色丙纶丝和羽毛9种典型异性纤维作为研究对象,进行了图像处理、分类识别与重量统计。实验结果表明,该方法的棉层检测速度达到40m/h,识别精度达到95%以上,重量统计误差在±8%以内。