1.本发明属于化纤检测技术领域，涉及一种基于光谱图像颜色处理技术检测纤维染色的方法。
背景技术：
2.化纤行业作为一项关系国计民生的重要行业，它在满足人们衣着多样性、生活高品位方面做出极大贡献。化纤行业作为劳动密集型企业，随着劳动力成本的提高，化纤企业的竞争也越来越激烈，管控产品品质成为企业发展的根本，在化纤企业，检测纤维产品染色作为产品品质管控的重要一关，单纯依靠人工检测，存在检测标准不一，常常出现漏判和错判等误判情况，在织造半成品布后进行染整时才能反映出来，织造染整周期长，因原料染色问题导致客户无法完成订单造成合同违约，给公司带来巨大的经济损失。
3.目前方法有对初染染液及最终染色残液的最大吸收波长及吸光度的分析，达到织物的判色(公开号cn205719260u)，该方法无法确定织物实际染色效果，准确度低，以及织物染色后的条纹和段斑缺陷无法检测；采用工业相机采集图像，运用图像处理分析、报警控制等设备技术，将其rgb值、饱和度值、色度值作为检测染色色差的标准值(公开号cn100561146c、cn209727263u、cn105444891b和cn105371955b)，由于工业相机采集图像信息失真，带来处理数据的偏差，准确度低。
4.因此，研究一种高准确度检测纤维的染色色差，以及能检测纤维染色后的条纹和段斑的方法，解决现有技术检测准确度低和通过人工检测带来的误判、错判以及主观性强的问题具有十分重要的意义。
技术实现要素：
5.近年来，随着计算机技术、光谱图像、图像处理技术的成熟与完善，以及光电摄像器件的发展，基于光谱图像颜色检测技术在工程应用和科学研究领域获得迅速发展和高度重视，随着科技的发展，高光谱成像设备的成像质量越来越好，芯片的设计处理能力越来越强，高光谱图像包含更多的所拍摄目标的信息；为了解决现有技术中问题，本发明提供一种基于光谱图像颜色处理技术检测纤维染色的方法，目的是克服工业相机采集图像信息失真，带来处理数据的偏差，检测准确度低，提供一种准确度高且能大大提高检测效率的基于光谱图像颜色技术检测涤纶纤维染色的方法。
6.为达到上述目的，本发明采用的方案如下：
7.一种基于光谱图像颜色处理技术检测纤维染色的方法，包括如下步骤：
8.(1)确定补光参数；
9.(1.1)搭建补光装置；
10.(1.2)确定标准织物：先选取批号为a的样品丝，织成组织结构为x(如平纹)的织物，再对该织物进行染色和裁剪得到颜色为k的标准织物，标准织物的形状为正方形，面积为16～25cm2；
11.(1.3)将步骤(1.2)中标准织物(视为二维结构)平整地放置在补光装置的样品台上，并定义补光参数；补光参数包括补光灯的总功率b(由补光灯控制)、每个反光板的反光面与标准织物的测试面之间的夹角c；(补光灯功率来调节亮度，调节反光板的角度来调节漫反射角度)；
12.(1.4)确定m组补光参数：将总功率b的一个取值和夹角c的一个取值一一对应作为一组补光参数；m的取值由总功率b和夹角c的排列组合得到；
13.(1.5)在步骤(1.4)m组补光参数下，将检测区域分为若干个子区域，采用光谱成像仪(内置式扫描)在主波长(单波长)y下以行或列的方式依次对每段子区域进行扫描，其余行或列则被屏蔽掉，不输出数据，得到标准织物每段子区域的吸收数据，主波长y为颜色k所属波长；
14.(1.6)计算步骤(1.5)中每组补光参数下扫描得到的每段子区域的吸收数据，并进一步计算每组补光参数下各个子区域的吸收数据之间的cv值(变异系数)；
15.(1.7)比较步骤(1.6)每组补光参数下的cv值，以cv值最小时的补光参数作为标准补光参数，记录cv值最小时对应各个子区域的吸收数据s；
16.(2)制备待测织物：将与样品丝同批号的待测纤维织成组织结构为x的织物，并将该织物染成颜色为k的织物，作为待测织物；待测织物的尺寸和形状与步骤(1.2)中的标准织物相同；
17.(3)第一次判定
18.(3.1)先将步骤(2)中的待测织物平整地放置样品台上，在步骤(1)确定的标准补光参数下，采用与步骤(1.5)中相同的方法采集该待测织物的光谱数据信息，然后采用与步骤(1.6)中相同的方法计算每段子区域的吸收数据w；
19.(3.2)利用方差分析(单因素方差分析)(方差分析可以用于两个及两个以上样本均数差别的显著性检验，涉及全部数据，计算方便，准确性高)来判断数据间是否存在显著性差异：将s和w输入spss软件进行显著性数据分析，计算p值(p-value)；若p≤0.05，表明数据差异性显著，则判定为不合格，结束测试(表明样品存在异常，如样品本身问题，染色后造成吸色出现严重偏差，导致主色波长吸收数据的异常)，若p＞0.05，表明数据差异性不显著，继续步骤(4)；
20.(4)第二次判定；
21.(4.1)确定管控值范围，记为开区间(d，h)；
22.(4.2)将步骤(3.1)中计算的每个子区域的吸收数据分别与步骤(4.1)中的开区间(d，h)进行比较；若任一一个子区域的吸收数据不在所述开区间内，则判定为不合格，结束测试；反之，则继续步骤(5)；
23.(5)第三次判定；
24.(5.1)分别对步骤(1)中的标准织物和步骤(2)中的待测织物，在标准补光参数下采用所述光谱成像仪在波长为380～780nm的范围进行扫描，扫描区域与步骤(1.5)中的检测区域相同，得到标准织物和待测织物的多光谱图像；
25.(5.2)将标准织物和待测织物的多光谱图像进行光谱重建得到标准织物和待测织物的lab色彩模型构成的图像，记为标准织物的lab图像和待测织物的lab图像；
26.(5.3)获取标准织物的lab图像和待测织物的lab图像的lab值；
27.(5.4)计算标准织物的lab图像和待测织物的lab图像之间的色差
△
e；
28.(5.5)定义色差阈值m；
29.(5.6)若步骤(5.4)中的
△
e＜m时，则待测织物判定为合格；反之则待测织物判定为不合格。
30.作为优选的技术方案：
31.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，所述补光装置为：光谱成像仪在水平设置且面积为16～25cm2的正方形样品台的正上方，在样品台的两侧对称放置两个白色反光板，反光面朝向样品台，白色反光板下边缘距离样品台外边缘4～6cm，在光谱成像仪的前后左右位置等间距放置若干补光灯，每个补光灯的外侧距离光谱成像仪边缘5～10cm。
32.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，补光灯的总功率b的取值范围为20～160w，夹角c的取值范围为30
°
～90
°
。
33.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，由总功率b和夹角c的排列组合得到是指：在总功率b的取值范围内按10w一个间距取值，夹角c按每10
°
一个间距取值，进行交叉组合，得到所有的排列组合。即总功率b分别为20w、30w、40w、50w、60w、70w、80w、90w、100w、110w、120w、130w、140w、150w和160w，夹角c分别为30
°
、40
°
、50
°
、60
°
、70
°
、80
°
和90
°
，共15
×
7＝105组。
34.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，检测区域为标准织物上9～16cm2的正方形区域，所述正方向区域与标准织物的中心点相同(不检测样品边缘，因样品边缘和样品台存在过度处，防止过度处光线不一，对检测造成误差)。
35.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，确定开区间(d，h)的具体过程如下：
36.选择若干个深色异常样本，并按照步骤(1.5)～(1.6)中的方法确定每个深色异常样本上检测区域中各个子区域的吸收数据，区别仅在于：步骤(1.5)中的补光参数为标准补充参数，检测区域为每个深色异常样本上异常片段所在的区域；将检测区域中各个子区域的吸收数据中的最小值作为h；
37.选择若干个浅色异常样本，并按照步骤(1.5)～(1.6)中的方法确定每个浅色异常样本上检测区域中各个子区域的吸收数据，区别仅在于：步骤(1.5)中的补光参数为标准补充参数，检测区域为每个浅色异常样本上异常片段所在的区域；将检测区域中各个子区域的吸收数据中的最大值作为d；
38.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，深色异常样本和浅色异常样本的采集过程为：
39.采集异常样本：由人工判色，标准按照灰卡比色定级，出现异常片段的样品与标准织物的色差等级《4.0级时，即为异常样本；异常片段为条纹和/或段斑，异常片段可分为两类：一类是深色，该异常片段比标准织物颜色深(即条纹和/或段斑均更深)，标准灰卡等级低于4.0级，记为深色异常样本；另一类是浅色，该异常片段比标准织物颜色浅(即条纹和/或段斑均更浅)，标准灰卡等级低于4.0级，记为浅色异常样本。
40.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，色差阈值m的确定过程为：选取若干可通过步骤(4)判定，但由人工按照灰卡比色进行定级判色，与标准
织物对比色差《4.0级的不合格样品，将该每个不合格样品替换为步骤(5.1)～步骤(5.3)中的待测织物进行测试，得到每个不合格样品的色差
△
e，取其中的最小值m作为阈值。
41.如上所述的一种基于光谱图像颜色处理技术检测纤维染色的方法，每段子区域的宽度为2～5mm。
42.本发明采用多光谱图像处理技术，光谱技术采集的光谱图像由多通道的数组成的图像，具有更高的光谱分辨率(达到纳米级)和灵敏度，得到高质量图像数据信息，比采用工业相机rgb图像具有更高的准确度。
43.为提高判别准确度，本发明采取：
44.(1)增加补光装置，针对织物结构的表面不平整，因为织物组织结构由经纬交叉或线圈相互串套而成，交叉组织点处有高低起伏，存在阴暗和光亮处，阴暗和光亮处对光谱波长的吸收存在差异，造成多光谱颜色检测区域lab图像存在明暗不均，造成lab颜色值出现偏差，利用补光装置使阴影部分的细节能获得恰当的曝光，能有效提高光谱图像采集的准确性，从而提高织物染色色差的精确性；
45.(2)设置管控区间，因在主色波所在的波长下，异常染色织物(条纹和段斑)对主色波长的吸收不同，由造成的原因可分为两类，一类是深色条纹和段斑，一类是浅色条纹和段斑，人工判色按灰卡比色定级，出现条纹和段斑的所在区域与标准织物色差等级《4.0级，光谱检测异常样本时吸收数据也明显偏离标准织物平均值，会有较显著的反映，根据异常样本的吸收数据大小设置管控范围，待测织物检测时，超出范围时，判定为不合格，可以对纤维染色后出现条纹和段斑异常缺陷进行判定；
46.(3)染色色差检测，在步骤(2)的基础上，利用多光谱(波长在380-780nm范围)采集图像，多光谱图像进行光谱重建得到织物的lab色彩模型构成的图像，获取所述检测区域lab图像中的lab值，计算标准织物和待测织物lab值之间的色差，根据色差的阈值，判定染色结果，测试结果准确度高，可避免误判、错判以及主观性强的问题，有着极高的精确度。
47.有益效果
48.本发明的一种基于光谱图像颜色处理技术检测纤维染色的方法，测试结果准确度高，可避免误判、错判以及主观性强的问题，且方法简单，使用范围广。
具体实施方式
49.下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。
50.一种基于光谱图像颜色处理技术检测纤维染色的方法，包括如下步骤：
51.(1)确定补光参数
52.(1.1)搭建补光装置：光谱成像仪在水平设置且面积为25cm2的正方形样品台的正上方，在样品台的两侧对称放置两个白色反光板，反光面朝向样品台，白色反光板下边缘距离样品台外边缘6cm，在光谱成像仪的前后左右位置等间距放置8个补光灯，每个补光灯的外侧距离光谱成像仪边缘10cm；
53.(1.2)确定标准织物：先选取批号为a(规格为55/36dtex/f)的样品丝，织成组织结
构为平纹的织物；再对该织物进行染色(分散蓝)和裁剪得到颜色为蓝色的标准织物，标准织物的形状为正方形，面积为16cm2；
54.(1.3)将步骤(1.2)中标准织物平整地放置样品台上，并定义补光参数；补光参数为补光灯的总功率b和每个反光板的反光面与标准织物的测试面之间的夹角c；
55.(1.4)确定63组补光参数：将总功率b的一个取值和夹角c的一个取值一一对应作为一组补光参数；补光灯的总功率b的取值范围为20～100w，夹角c的取值范围为30
°
～90
°
；63组补光参数的确定方式为：在总功率b的取值范围内按10w一个间距取值，夹角c按每10
°
一个间距取值，进行交叉组合，得到所有的排列组合；即总功率b分别为20w、30w、40w、50w、60w、70w、80w、90w、100w，夹角c分别为30
°
、40
°
、50
°
、60
°
、70
°
、80
°
和90
°
，共9
×
7＝63组。
56.(1.5)在步骤(1.4)63组补光参数下，将检测区域分为10个子区域，采用光谱成像仪在主波长670nm(为所述蓝色所属波长)下以列的方式依次对每段子区域进行扫描，每次扫描时其余列则被屏蔽掉，不输出数据，得到标准织物每段子区域的吸收数据，其中，检测区域为标准织物上9cm2的正方形区域，所述正方向区域与标准织物的中心点相同，每段子区域的宽度为3mm；
57.(1.6)计算步骤(1.5)中每组补光参数下扫描得到的每段子区域的吸收数据，并进一步计算每组补光参数下各个子区域的吸收数据之间的cv值；
58.(1.7)比较步骤(1.6)每组补光参数下的cv值，以cv值最小时的补光参数作为标准补光参数(补光灯功率为40w，反光板与织物夹角c为50
°
)，记录cv值最小时对应各个子区域的吸收数据s(分别为1.11、1.10、1.12、1.11、1.12、1.05、1.08、1.07、1.11和1.13)；
59.(2)制备待测织物
60.先将与样品丝同批号的待测纤维(共有3束待测纤维样品)分别织成组织结构为平纹(与标准织物相同)的织物，并将该织物染成颜色为蓝色(与标准织物相同)的织物，作为待测织物(分别对应样品1、样品2和样品3)；待测织物的尺寸和形状与步骤(1.2)中的标准织物相同；
61.(3)第一次判定
62.(3.1)对样品1、样品2和样品3逐一进行测试：先将步骤(2)中的待测织物平整地放置样品台上，在步骤(1)确定的标准补光参数下，采用与步骤(1.5)中相同的方法采集该待测织物的光谱数据信息，然后采用与步骤(1.6)中相同的方法计算每段子区域的吸收数据，然后计算出各个子区域的吸收数据w；其中，样品1对应的w1(1.13、1.08、1.06、1.12、1.11、1.11、1.12、1.13、1.12和1.12)，样品2对应的w2(1.18、1.17、1.15、1.20、1.22、1.21、1.20、1.25、1.24和1.23)样品3对应的w3(1.13、1.08、1.55、1.11、1.12、1.05、1.08、1.07、1.11和1.13)；
63.(3.2)利用方差分析(单因素方差分析)来判断数据间是否存在显著性差异：将s和w1、w2、w3输入spss软件进行显著性数据分析，计算p值(p-value)；其中，样品1得到p值为0.36，p＞0.05，表明数据差异性不显著，继续步骤(4)；样品2得到p值为1.8
×
10-7
，p≤0.05，表明数据差异性显著，则判定为不合格，结束测试；样品3得到p值为0.38，p＞0.05，表明数据差异性不显著，继续步骤(4)；
64.(4)第二次判定
65.(4.1)确定管控值范围，记为开区间(d，h)，具体过程如下：
66.采集异常样本：由人工判色，标准按照灰卡比色定级，出现异常片段的样品与标准织物的色差等级《4.0级时，即为异常样本；异常片段为条纹和/或段斑，异常片段可分为两类：一类是深色，该异常片段比标准织物颜色深，标准灰卡等级低于4.0级，记为深色异常样本；另一类是浅色，该异常片段比标准织物颜色浅，标准灰卡等级低于4.0级，记为浅色异常样本；
67.选择50个深色异常样本，并按照步骤(1.5)～(1.6)中的方法确定每个深色异常样本上检测区域中各个子区域的吸收数据，区别仅在于：步骤(1.5)中的补光参数为标准补充参数，检测区域为每个深色异常样本上异常片段所在的区域；将检测区域中各个子区域的吸收数据中的最小值作为h(值为0.8)；
68.选择50个浅色异常样本，并按照步骤(1.5)～(1.6)中的方法确定每个浅色异常样本上检测区域中各个子区域的吸收数据，区别仅在于：步骤(1.5)中的补光参数为标准补充参数，检测区域为每个浅色异常样本上异常片段所在的区域；将检测区域中各个子区域的吸收数据中的最大值作为d(值为1.5)；
69.(4.2)将步骤(3.1)中计算的每个子区域的吸收数据分别与步骤(4.1)中的开区间(0.8，1.5)进行比较：
70.若待测织物中任一一个子区域的吸收数据不在所述开区间内，则判定为不合格，结束测试；反之，则继续步骤(5)；
71.其中，样品1的所有子区域的吸收数据都在所述开区间内，继续步骤(5)；样品3有一个子区域(1.55)不在所述开区间内，则判定为不合格，结束测试；
72.(5)第三次判定
73.(5.1)分别对步骤(1)中的标准织物和步骤(2)中的待测织物(样品1)，在标准补光参数下采用所述光谱成像仪在波长为380～780nm的范围进行扫描，扫描区域与步骤(1.5)中的检测区域相同，得到标准织物和待测织物的多光谱图像；
74.(5.2)将标准织物和待测织物的多光谱图像进行光谱重建得到标准织物和待测织物的lab色彩模型构成的图像，记为标准织物的lab图像和待测织物的lab图像；
75.(5.3)获取标准织物的lab图像和待测织物的lab图像的lab值；
76.测试待测织物lab平均值(l测＝51，a测＝-0.52，b测＝82)，标准织物lab平均值(l标＝50，a标＝-0.50，b标＝80)
77.(5.4)计算标准织物的lab图像和待测织物的lab图像之间的色差
△
e(值为3.2)；
78.(5.5)确定色差阈值：选取80个可通过步骤(4)判定，但由人工按照灰卡比色进行定级判色，与标准织物对比色差《4.0级的不合格样品，将该每个不合格样品替换为步骤(5.1)～步骤(5.3)中的待测织物进行测试，得到每个不合格样品的色差
△
e，取其中的最小值m(值为5.0)作为阈值；
79.(5.6)步骤(5.4)中的
△
e为3.2，
△
e＜5.0，则待测织物判定为合格。