高光譜相機(jī)對紡織品進(jìn)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(jī)）對于密度和空氣阻力相似的織物容易出錯。化學(xué)分選的準(zhǔn)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(zhì)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(jìn)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(jī)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(xué)和物理特性，這就是為什么機(jī)械分揀機(jī)和普通相機(jī)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(jìn)行訓(xùn)練，并針對混合面料樣品進(jìn)行測試。當(dāng)使用 5% 像素閾值進(jìn)行排序時，該模型的準(zhǔn)確率為 100%，當(dāng)使用 1% 像素閾值進(jìn)行排序時，

準(zhǔn)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(jìn)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(xùn)練集表現(xiàn)出很強的相關(guān)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(nèi)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(jìn)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(jìn)行分類和重新利用。