D. Saravanan

Bannari Amman理工學院(印度)

軋棉纖維的質(zhì)量取決于其物理指標，包括纖維顏色、長度、強度、細度及纖維不含污染物與異物的水平。其中，棉纖維的污染至關重要，它決定了所得材料的質(zhì)量和價格。盡管可以采用標準檢測方法評估軋棉中是否存在污染物及污染程度[以每千克纖維中含有污染纖維的克數(shù)(g/kg)計]，但尚無標準確定織物階段污染物的可接受水平和大小。據(jù)瑞士蘇黎世國際紡織品制造商聯(lián)合會(ITMF)的報告，因污染引起的索賠額占棉花和混紡棉紗總銷售額的1.4%～3.2%。單個受污染的棉包在后續(xù)混合使用過程中，還可能會污染更多的棉包。

1 棉花污染

ITMF按照“受污染最多”和“受污染最少”“受黏性影響最大”和“受黏性影響最小”“受種皮碎片影響最大”和“受種皮碎片影響最小”等評價方式對棉花污染物、黏性和種皮進行分類。目前，也有研究根據(jù)污染物的性質(zhì)對其進行了進一步分類。調(diào)查顯示，2005—2016年，由各國抽取的樣本顯示，棉花污染程度呈上升或表現(xiàn)為持久性污染的趨勢。棉花行業(yè)應具備基于污染物含量實時對棉花進行分類的能力，即能夠定義污染物類型以對棉纖維進行分級并去除污染物。

自引入機器采摘以來，發(fā)達國家的棉花采摘和軋棉方式發(fā)生了巨大變化。但手工采摘仍是發(fā)展中國家的主要采摘方式。新的植棉方式也導致了新的污染物產(chǎn)生，如塑料地膜和滴灌帶的碎片。棉花采摘是一項遍布全球的季節(jié)性活動，并且大多數(shù)軋棉廠雇用臨時勞工從事軋棉作業(yè)，而這些雇用工人對工藝不熟練，可能無法遵循棉花加工的質(zhì)量要求并識別棉花缺陷。

2 檢測與追溯

目前已有許多基于商業(yè)技術的解決方案，如基于區(qū)塊鏈系統(tǒng)、示蹤纖維及軋棉時的DNA標記等，用于確保市售棉花的追溯。電子元器件、條形碼和射頻識別(RFID)系統(tǒng)的大量應用，以及信息的“云”存儲，方便了對單個棉包的源頭追溯，同時解決了與鑒定棉纖維源頭相關的主要問題。

盡管檢測可降低因污染引起的索賠風險，但其并不能確保所生產(chǎn)的紗線或織物不含異物?；谙率鰞煞矫嬖?，在早期處理階段清除污染物更有利：一方面，早期清除可防止污染物擴散到更大的范圍；另一方面，早期清除有助于避免后期更多的干預。污染物的類型、數(shù)量、污染行為及對棉纖維的黏附力各不相同，很難采用單一策略將所有污染物質(zhì)與棉纖維分離。若異性纖維(如化學纖維、動物纖維和其他非棉纖維)混入棉中，則在進行紡紗工藝前很難將其去除。此外，在去除棉花雜質(zhì)的過程中，這些異性纖維可能會折斷、縮短或撕裂并變得更細。由于棉纖維的色相閾值處于不同污染物(如其他服用纖維、白色棉絮、紙張、塑料線和布條等)的色相值范圍內(nèi)，這對圖像采集系統(tǒng)及算法的設計與開發(fā)提出了很大的挑戰(zhàn)。在處理線上，棉花通過各種機器通道和導管，其流動不均勻且速度不穩(wěn)定，這極大地影響了異性纖維的去除效率。

為能夠采取適當?shù)拇胧┫驕p少棉花中的雜質(zhì)，提高棉花加工效率和產(chǎn)品質(zhì)量，有必要對棉花中雜質(zhì)的性質(zhì)進行快速識別。人們已嘗試使用基于X射線微層析圖像分析、共現(xiàn)矩陣特征、小波、色彩空間模型、最佳波長成像及機器視覺等圖像處理方式檢測污染物。這些系統(tǒng)和方法在檢測白色和彩色污染物時具有不同的檢測效率。這些檢測系統(tǒng)大多采用圖像采集、圖像轉(zhuǎn)換、圖像處理和圖像后處理的序列檢測污染物。工業(yè)界對這些檢測系統(tǒng)的接受程度取決于檢測操作的簡便性、操作時間或速度及識別污染物的一致性。然而，研究人員在開發(fā)檢測算法時面臨一些挑戰(zhàn)，如污染物形狀和紋理的變化較大、對許多視覺和非視覺因素有依賴、污染物的位置和方向不確定、獲取大型數(shù)據(jù)庫的數(shù)據(jù)困難，這些都使得估算任務更難實現(xiàn)。特征選擇技術旨在通過減小維數(shù)并識別相關特征來簡化特征集，同時不影響預測精度。目前，總共有75個特征集被用于各種研究工作中，其中與顏色相關的特征集有27個，與紋理特征相關的有41個，與形狀特征相關的有7個。

預計到2020年底，全球紡織纖維消費量將超過1.2億 t，復合年增長率最低為4%，其中棉纖維有望達到25%?；诖?，需深入分析污染物的作用及其影響，并采取措施避免污染物的產(chǎn)生。

3 污染檢測系統(tǒng)

在顏色空間系統(tǒng)中，盡管人們已提出了很多表示顏色的系統(tǒng)，但RGB可謂是一個基本模型，它可以方便地融入其他系統(tǒng)，最大限度地提高檢測和分類精度。然而，任何基于顏色測量的系統(tǒng)都對光線敏感，因此，光強度、溫度和光照角度的差異會使測量結(jié)果發(fā)生變化?，F(xiàn)有的許多軟件都使用RGB系統(tǒng)，并且在計算機圖形學中，選擇RGB系統(tǒng)可簡化系統(tǒng)的體系結(jié)構和設計。但RGB在處理“真實世界”圖像時不是很有效，它是最不均勻的色彩空間系統(tǒng)之一，因為它無法將兩種顏色間的視覺差異用色點之間的距離表示。RGB系統(tǒng)對低強度區(qū)域的噪聲也很敏感。許多研究人員建議使用不同的顏色系統(tǒng)，如靈活使用HSL、YDbDr，YCbCr和YPbPr等顏色空間識別有黏性和無黏性的樹皮、細小污染物或昆蟲、白色異纖維、棉籽、異物及一般污染物和異性纖維，并將這些顏色空間轉(zhuǎn)換為RGB空間。

無論化學成分還是分子結(jié)構，棉纖維與異性纖維都存在明顯的差異，這也是使用光譜分析法區(qū)分棉纖維與異物的基礎。許多研究人員研究采用紅外(IR)，近紅外(NIR)，短波紅外(SWIR)和高光譜識別和檢測污染物及污染物性質(zhì)，光譜范圍涵蓋可見光和IR/NIR/SWIR能譜等。SWIR波段的成像系統(tǒng)具有獨特的遙感功能，可用于材料檢測、檢查和過程監(jiān)控等。高光譜圖像提供了遙感SWIR吸收特征的最有效的方法。這些系統(tǒng)具有狹窄的連續(xù)光譜帶，可準確區(qū)分吸收特征的波長位置與形狀。

X射線微層析成像采用不同的算法，以高分辨率對棉花污染物進行檢測與分類，并繞過了繁瑣的試樣制備環(huán)節(jié)。X射線圖像還可以方便地使用密度信息區(qū)分檢測對象。由于能夠生成物體的3D圖像，因此使用X射線微層析成像技術可有效提取污染物的準確形狀和大小。然而，X射線微層析成像研究中使用的低能掃描易導致感知衰減系數(shù)增大、低強度背景特征大量出現(xiàn)，以及在整個切片中出現(xiàn)均勻噪聲等問題。

隨著圖像捕捉系統(tǒng)的最新發(fā)展，機器視覺嘗試以新的方式整合現(xiàn)有技術，并用于解決現(xiàn)實世界中的問題，包括基于自動化的圖像的檢查、過程控制和指導系統(tǒng)。使用機器視覺提取的信息可以是簡單的好壞信號，也可以是一組復雜的數(shù)據(jù)集，如，圖像中每個檢測對象的身份、位置和方向。如此看來，與其他系統(tǒng)相比，機器視覺識別似乎更優(yōu)越。然而，該方法也存在缺陷，它依賴于用于分析系統(tǒng)獲取的圖像算法的開發(fā)。有關污染物檢測的算法、智能編碼系統(tǒng)、支持向量機技術及納入污染物檢測系統(tǒng)的各種機器學習方法的最新發(fā)展，均可以為污染物的檢測和消除提供優(yōu)化解決方案，減少對棉花行業(yè)經(jīng)濟的影響。

4 結(jié)語

隨著棉纖維利用率的不斷提高，通過重復使用和纖維回收實現(xiàn)可持續(xù)制造過程，還需一個智能的自學習系統(tǒng)，以識別不同加工階段的污染物，對其進行分類和去除。除了識別在全球棉纖維中已知的常規(guī)污染物外，棉花行業(yè)還需要一個健全的系統(tǒng)，以識別具有不同特征集的特定區(qū)域污染物并對其進行分類。 此外，還需通過適當?shù)募顧C制，鼓勵在棉花種植、收獲、軋棉及其他加工階段采取優(yōu)化措施，確保棉纖維的無污染供應。