目前,商检系统广泛采用人工识别的方法来确定苎麻和棉纤维混纺品的成份百分比,这种检测方法主要依赖于检测人员的主观判断,此外检测人员的经验,技术等因素会影响结果的客观性和准确性。不仅如此,人工检测方法是费时,费力和低效的。因此,商检系统需要一种高速、客观、准确的苎麻和棉纤维识别方法。这也正是本课题研究的主要目的:实现苎麻和棉纤维种类识别和成份分析的全自动系统。本文介绍了基于计算机图像处理和模式识别技术,利用纤维纵向图像分析,实现苎麻和棉纤维种类识别和成份分析的全自动系统,旨在取代人工识别苎麻和棉纤维。该系统以全自动为设计宗旨,建立了一整套全新的,利用纤维表面纹路特征分析识别纤维种类的方法,实现了无人工干预情况下,客观、准确的识别纤维种类,计算纤维宽度和纤维计数,并结合目前商检系统使用的国家标准,将识别结果换算成纤维重量百分比,达到了识别准确率高于93%的水平。系统的第二台样机具备很好的自动识别检测速度,通常识别一个试样片仅需要3～4分钟。本课题研究的主要内容有:系统硬件的搭建和自动控制的实现,包括显微镜系统的改造,三维载物台的基础控制和复杂控制;采用C++语言编写系统软件,利用多线程技术实现三维载物台移动控制部分、数字摄像机图像采集部分、图像处理分析和纤维种类识别部分的协同工作;设计完善的纤维识别流程,获取可用于识别苎麻和棉纤维的特征指标,分析特征参数的概率分布曲线,建立用于苎麻和棉纤维识别的公式,并确定公式中的权重系数;自动识别系统的测试和分析等。系统的硬件构成,主要有显微镜成像系统、数字摄像机、三维自动载物台。硬件系统构建,包括硬件的组合以及相关控制的实现。苎麻和棉纤维的全自动识别,一定要基于一个可控制的全自动硬件平台,为此,对普通的光学显微镜进行了改造,将原来手动的载物台更换为三维自动载物台,并通过R232串口控制该载物台的精确移动;同时,利用USB2.0接口的数字摄像机,实现动态的图像采集。两者的结合,使得硬件系统具备了可控制的平台移动和图像采集的功能。在硬件平台的基础上,文中结合系统实现的两个关键步骤:纤维图像的全自动定位采集和纤维种类无人工干预图像识别,详细地阐述了系统的原理和实现方法。这两个关键步骤实现了以下功能:利用建立的三维自动载物台的显微硬件系统,实现纤维图像自动采集,全景扫描,自动聚焦,纤维目标的定位采集等复杂功能的软硬件控制;通过快速的全景图缝合和分析处理功能,实现全景图的分析,准确定位纤维目标,作到不丢失、不重复的纤维图像定位采集;创建了利用纤维表面纹路特征分析识别纤维种类的方法,并在自动系统中实现;提出利用纤维纵向图像识别苎麻和棉的特征参数,使其能够很好的定量描述纤维表面特征的差异;获得这些识别参数稳定的概率分布曲线,在此基础上,利用最大概率原理建立纤维种类识别公式;通过迭代的自适应识别测试获取识别公式中的权重系数,利用该公式在自动系统中实现纤维的无人工干预识别,并达到了预期的苎麻和棉纤维识别率。文中还对系统的实现中一些比较重要的问题进行了深入探讨,并给出相应的解决方案。主要有:系统中六个特征参数的相关分析;识别公式建立及其原理;与另一种方法进行了比较后,所选取的更合理的纤维图像定位采集方法;采用了图像缝合处疑似断点的连接修复方法,大幅度提高了全景纤维骨架像提取以及全景缩略图的分析结果的准确性;解决了纤维交叉骨架异型处理以及骨架短枝删除等问题。在实现了苎麻和棉纤维全自动识别系统后,对系统的有效性,稳定性和可再现性进行了分析和测试。经过对不同国家、不同产地、超过30,000根苎麻和棉纤维进行的自动识别测试,证明本系统可有效的实现纤维种类的自动识别,获取纤维的宽度,纤维的根数,进而折算出纤维的重量混纺比,并达到了预期识别准确率。同时,还对系统稳定性进行了测试和分析,系统在对不同种类纤维的的大批量识别中表现了较高的稳定性。系统的再现性测试也取得了良好的效果,对相同试样进行的自动识别实现了很高的可再现性。本文还对影响系统识别率的因素、系统检测的速度,纤维切片的最佳长度,混纺比检测所需要的的最少纤维根数,以及系统存在的几点问题进行了讨论。本文结合数字图像处理和模式识别技术,创新性的提出了利用纤维表面纹路分析来识别具有纵向表面差异的纤维种类的方法,实现了苎麻和棉纤维的全自动识别系统。可以预见,该方法可应用在其他具有相同化学性质、不同纤维表面特征的两种类纤维的自动识别中。例如,同属于纤维素类的棉与粘胶,以及同属于蛋白质纤维的羊毛和羊绒。