陸曉芳，徐建英，田 越

（1.蘇州市纖維檢驗(yàn)院，江蘇 蘇州 215004；2.哈爾濱工程大學(xué)，黑龍江 哈爾濱 150001）

隨著社會(huì)的進(jìn)步和計(jì)算機(jī)技術(shù)的不斷發(fā)展，到 2021年，以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)為代表的人工智能有了長(zhǎng)足的進(jìn)步，計(jì)算機(jī)視覺(jué)（Computer Version，CV）和數(shù)據(jù)挖掘技術(shù)也蓬勃發(fā)展，使用計(jì)算機(jī)鑒別羊絨羊毛成為可能。本研究采用了貝葉斯網(wǎng)作為機(jī)器學(xué)習(xí)模型，使用python腳本語(yǔ)言，結(jié)合statsmodel、sklearn、pandas、Numpy和PyQt等PyPI庫(kù)，構(gòu)建了一個(gè)用于鑒別羊絨羊毛的自動(dòng)化系統(tǒng)。

1 相關(guān)理論與研究進(jìn)展

1.1 羊絨羊毛鑒別方法

1.1.1 顯微鏡法

羊絨價(jià)格昂貴，而羊絨與羊毛又都為角蛋白纖維，結(jié)構(gòu)相似，黑心商家往往將價(jià)格低的羊毛與羊絨混合充數(shù)，以降低成本并牟取不合法的利益。所以，鑒別羊絨羊毛成為檢測(cè)機(jī)構(gòu)不可缺少的工作，最常使用的是通過(guò)電子顯微鏡觀察羊絨羊毛的鱗片紋圖進(jìn)行區(qū)分[1]。山羊絨由鱗片和皮質(zhì)層組成，沒(méi)有髓質(zhì)層，鱗片邊緣光滑，類似環(huán)狀包覆于毛干，覆蓋間距比羊毛大，鱗片較薄且緊抱于毛干，開張角較小，橫截面多為規(guī)則圓形；而羊毛的鱗片多呈環(huán)狀，每個(gè)鱗片形成一個(gè)環(huán)套，套在毛干周圍，一個(gè)鱗片的根部被另一個(gè)鱗片的梢部覆蓋，粗毛多呈瓦狀和龜裂狀，橫截面一般為橢圓形[2]。

1.1.2 計(jì)算機(jī)圖像識(shí)別法

計(jì)算機(jī)圖像識(shí)別依賴掃描電鏡設(shè)備，然后使用CV技術(shù)，通過(guò)計(jì)算機(jī)分析替代人工肉眼觀察的方式，目的是利用計(jì)算機(jī)更高效、快速的特點(diǎn)解決人工鑒別反復(fù)勞動(dòng)的問(wèn)題。從目前的水平來(lái)說(shuō)，“替代”人工的程度還達(dá)不到，但是“輔助”人工決策有很大成效[3]。本研究設(shè)計(jì)構(gòu)建的系統(tǒng)依靠鱗片的直徑、鱗片的高度、鱗片的徑高比和鱗片的密度4個(gè)參數(shù)來(lái)判斷圖像的結(jié)果。

1.2 計(jì)算機(jī)圖像識(shí)別技術(shù)國(guó)內(nèi)研究進(jìn)展

目前，主流的識(shí)別羊絨羊毛的方法有以下幾種[4]：深度學(xué)習(xí)范疇的人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）、機(jī)器學(xué)習(xí)范疇的支持向量機(jī)（Support Vector Machine，SVM）以及決策樹（Decision Tree），亦有一些學(xué)者使用了聚類算法，例如K均值（K-Means）算法[5]等。

1.3 采用貝葉斯網(wǎng)模型的可行性分析

本研究采用的是貝葉斯網(wǎng)模型，是一種采用有向無(wú)環(huán)圖結(jié)構(gòu)（Directed Acyclic Graph，DAG）刻畫各個(gè)特征之間關(guān)系的模型。

樸素的貝葉斯網(wǎng)模型采用了“屬性條件獨(dú)立”的假設(shè)，即假設(shè)影響圖像判斷結(jié)果為羊絨或者羊毛的各個(gè)屬性互不影響，換言之，每個(gè)屬性獨(dú)立影響結(jié)果。貝葉斯網(wǎng)又稱“信念網(wǎng)”（belief network），不同于樸素的貝葉斯網(wǎng)模型，貝葉斯網(wǎng)結(jié)構(gòu)有效地表達(dá)了屬性間的條件獨(dú)立性。給定父節(jié)點(diǎn)集B＝{G, θ}，貝葉斯網(wǎng)假設(shè)每個(gè)屬性與其非后裔屬性相獨(dú)立，于是將屬性（x1, x2,..., xn）聯(lián)合概率密度分布定義為下式：

式中：yi是xi的后裔屬性。

用來(lái)判斷圖像識(shí)別結(jié)果的4個(gè)屬性（鱗片的直徑、鱗片的高度、鱗片的徑高比和鱗片的密度）很明顯存在這樣的關(guān)系，即鱗片的直徑、鱗片的高度是鱗片的徑高比的后裔。從這個(gè)角度來(lái)講，貝葉斯網(wǎng)模型適用于羊毛羊絨的圖像識(shí)別，而且也有不少前人的經(jīng)驗(yàn)可供參考[6]。

2 系統(tǒng)總體設(shè)計(jì)

2.1 數(shù)據(jù)清洗

在檢查時(shí)發(fā)現(xiàn)，已有數(shù)據(jù)存在部分?jǐn)?shù)據(jù)缺失的問(wèn)題，所以需要進(jìn)入數(shù)據(jù)清洗的步驟，接著通過(guò)歸一化處理，找到了其他一些錯(cuò)誤數(shù)據(jù)。出現(xiàn)問(wèn)題的數(shù)據(jù)主要集中在鱗片的直徑、鱗片的高度、鱗片的徑高比3個(gè)參數(shù)，使用線性回歸擬合的辦法推測(cè)出丟失的數(shù)據(jù)，而鱗片密度的數(shù)據(jù)缺失和錯(cuò)誤出現(xiàn)較少，選擇將這部分錯(cuò)誤的數(shù)據(jù)直接丟棄，最后一共還有10 131條數(shù)據(jù)。

2.2 系統(tǒng)流程

（1）將根據(jù)電子顯微鏡觀察到的鱗片的直徑、鱗片的高度、鱗片的徑高比、鱗片的密度等數(shù)據(jù)錄入excel表格中，并由python的pandas庫(kù)讀取數(shù)據(jù)。

（2）使用train_test_split方法，將數(shù)據(jù)隨機(jī)劃分成兩份。

（3）將60%訓(xùn)練集傳入貝葉斯網(wǎng)模型。

（4）使用訓(xùn)練好的模型取預(yù)測(cè)40%的測(cè)試集，計(jì)算出正確率。

（5）使用模型預(yù)測(cè)其他數(shù)據(jù)的結(jié)果。

3 結(jié)語(yǔ)

隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)的發(fā)展與成熟，未來(lái)人類社會(huì)會(huì)發(fā)生巨大的變化。本研究設(shè)計(jì)與實(shí)現(xiàn)的基于貝葉斯網(wǎng)的羊毛羊絨鑒別系統(tǒng)，使用python語(yǔ)言設(shè)計(jì)。技術(shù)路線使用了Numpy、skleran、statsmodels、pandas和PyQt等庫(kù)進(jìn)行分析和編程，實(shí)現(xiàn)了預(yù)測(cè)圖片的功能，準(zhǔn)確率達(dá)到了93%，可以輔助工作人員的鑒別工作，極大地減少工作人員的工作量；同時(shí)，使用了PyQt構(gòu)建系統(tǒng)的UI部分，圖形界面更加促使人機(jī)友好。