目前,商检系统广泛采用人工识别的方法来确定棉和Lyocell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和经验,必将影响结果的客观性和准确性,同时,人工检测方法费时、费力且低效。因此,商检系统需要一种高速、客观、准确的棉和Lyocell纤维识别方法。在课题组成功研发“纤维图像自动采集和识别系统”的基础上,课题组实现了苎麻和棉纤维的自动识别。本课题主要研究系统在纤维识别种类上的扩展,对系统用于识别苎麻和棉的六个特征参数进行因子分析,提取出两个有效的间接特征参数。这两个间接特征参数有效地量化了棉和Lyocell纤维特征的差异。经过系统的验证,利用间接特征参数建立的识别方案的识别结果较为良好,对棉和Lyocell纤维的识别准确率都达到95%以上。本课题主要内容包括两个部分:第一部分,基于苎麻和棉纤维识别用的特征参数,对棉和Lyocell纤维进行分析。与苎麻和棉纤维相比,棉和Lyocell纤维的纵向表面具有更为明显的差异,尝试利用苎麻和棉纤维特征参数对棉和Lyocell纤维进行识别试验。通过对2000根棉纤维和2000根Lyocell纤维进行识别,得出系统识别准确率约为65%,显然这样的识别率无法满足实际的应用要求。为了进一步的提高识别率,针对特征参数的取值进行分析发现,Lyocell纤维的部分特征参数取值为零,这表明部分特征参数对棉纤维识别有效,而对Lyocell纤维识别无效。在构建系统识别公式时,特征参数取值为零的项无法对识别的最终结果做出有效贡献,这样必将造成系统的误判,所以必须进一步对特征参数进行深入的分析。通过特征参数提取原理和特征参数的概率分布曲线的研究,得出用于识别苎麻和棉纤维的六个特征参数仍能有效地量化棉和Lyocell纤维的纵向差异。通过对特征参数的相关性分析和聚类分析,得出六个特征参数之间是高度相关的并且可以被归分为三类特征的参数。为了满足棉和Lyocell纤维的识别要求,如果重新提取特征参数,那么整个系统都将重新构建,而原有的较为稳定、有效的识别部分也将被摒弃。于是,基于特征参数的分析,希望利用六个特征参数的线性组合得到间接特征参数,并且间接特征参数必须具有良好的独立性和明显的可分性,从而实现“部分特征参数失效”到“所有间接特征参数有效”的转换。第二部分,新识别方案的提出和验证。通过因子分析的方法获得两个公共因子,两个公共因子是由原来六个特征参数线性组合而成,通过分析表明公共因子具有良好的独立性和可分性,称这样的公共因子为间接特征参数。棉和Lyocell纤维的单个间接特征参数的可分性一般,但是,在以间接特征参数为坐标的二维空间里,棉和Lyceoll纤维形成的落点分布区域具有明显的可分性。课题组王荣武博士依据间接特征参数的这个特点,设计了新的模式识别方案。通过对2919根棉和2919根Lyocell纤维的识别表明,该方案的识别准确率达到95%以上,同时,对小样本抽样识别更为稳定。如果识别三种类纤维时,仍旧可以提取出具有良好独立性和明显可分性的间接特征参数,那么,可以实现三种纤维的有效识别。