高光譜相機對紡織品進行分類以便回收

高光譜相機對紡織品進行分類以便回收

在眾多節(jié)約和減少浪費的努力中，紡織品仍然是最大的挑戰(zhàn)之一。只有 15% 被回收和再利用，而其余 85% 最終被填埋。

紡織品回收項目面臨的挑戰(zhàn)是在高吞吐量下辨別外觀相似的織物。

傳統(tǒng)分選方法（如空氣分級機）對于密度和空氣阻力相似的織物容易出錯?；瘜W分選的準確性很高，但需要破壞現(xiàn)有材料，

并且不適用于某些織物（如羊毛）。

其他依賴 RGB 或多光譜成像的傳感器只能提供不同面料的光譜特性，無法充分區(qū)分不同質地的面料。理想解決方案是非接觸式分類器，

它可以高速對不同的面料和混紡面料進行分類。

提供了不同顏色的布料，每塊布料的棉、羊毛或合成混紡比例各不相同。使用高光譜相機NIR掃描臺上的布料樣品，并使用分類軟件處理高光譜數(shù)據(jù)。 

布料品種包括：

丙烯酸纖維

棉布

亞麻布

尼龍

聚酯纖維

粘膠

羊毛

近紅外波段的織物平均光譜，一些天然織物比如棉和絲的譜線幾乎一樣

近紅外波段的很多織物和棉有接近的譜線

許多織物品種具有相似的化學和物理特性，這就是為什么機械分揀機和普通相機很難區(qū)分它們的原因。
從近紅外范圍（900 nm 至 1700 nm）收集的不同織物的光譜圖也可以看出這一點。

為了解決這個問題，我們針對不同的面料建立了一個二元分類模型，以確定樣品是否包含特定材料。在對頁頂部顯示的分類模型中，我們創(chuàng)建了三個類別：背景、滌綸面料和非滌綸面料。分類模型僅針對純面料樣品進行訓練，并針對混合面料樣品進行測試。當使用 5% 像素閾值進行排序時，該模型的準確率為 100%，當使用 1% 像素閾值進行排序時，

準確率為 98%。有了這樣的成功率，定制模型可以通過針對特定類型的面料進行排序并使用多階段排序選項來提供更好的性能。

第一張圖片是近紅外掃描的織物樣本的偽rgb著色，其中95%是滌綸和5%是羊毛。

第二張圖是圖像的逐像素分類，說明分類模型能夠區(qū)分織物中含有滌綸的區(qū)域和含有羊毛的區(qū)域。

訓練集表現(xiàn)出很強的相關性，并且利用回歸可視化工具，不同的織物線比肉眼更明顯。

許多織物在 NIR 光譜范圍內具有不同的光譜特征，高光譜成像和分類模型可以配對使用以識別這些織物。專門的二元模型提供了一種多階段方法來對相似的純織物進行分類。對于混紡織物，高光譜成像提供了一種估算百分比成分的方法。高光譜在線織物分類用于對我們的回收織物進行分類和重新利用。