羊絨和羊毛鑒別方法研究現狀與展望

羅俊麗，路 凱，張泊平，張 洋，陳永剛，田金穗

(1.許昌學院 信息工程學院，河南 許昌 461000；2.許昌學院 許昌市虛擬現實技術重點實驗室，河南 許昌 461000)

中國是世界上最大的羊絨原料生產、加工和面料出口國。羊絨是高檔服裝的原料，而受自然條件限制，羊絨產量不會有明顯提高，羊絨已成為國際貿易中我國控制的一種紡織原材料。羊絨的外觀、化學物理性能與羊毛都比較相似，而羊絨價格卻高出羊毛十多倍。由于這2種纖維識別難度較大，市場上經常出現使用羊毛在羊絨原料中摻假的現象，針對羊絨和羊毛這2種動物纖維的鑒別，一直是毛紡加工領域、紡織品檢測領域中重要的技術環節[1]。

顯微鏡檢測法仍然是目前主要的羊絨鑒別方法，該方法主要是檢測人員借助連接在顯微鏡的CCD攝像機來觀察和分析纖維表面的視覺形態特征，憑借經驗識別纖維的種類。這種人工識別的方法存在著很多不足，主要表現在：①識別結果主觀性較強；②檢測效率較低；③檢測人力成本高。提高羊絨的檢測準確率，降低檢測成本，可以更好地防止原材料摻假，提高羊絨制品品質。在當前復雜多變的環境下，加強控制羊絨這一絕對優勢原材料的生產、加工制造、質量監控等各個環節，對我國在國際貿易的博弈中掌握主動意義尤為突出。

幾十年以來，研究者們針對動物纖維的鑒別方法進行了深入研究，發現羊絨和羊毛纖維在表面形態、纖維組成成分、基因特征上有一定差別，并據此提出了多種鑒別方法，主要包括以下幾類：顯微鏡法[2-3]、近紅外光譜法[4-8]、DNA法[9-12]、蛋白質組學檢測法[13-14]、基于纖維圖像處理和計算機視覺的方法[15-18]。本文主要對近年來研究者提出的各種羊絨和羊毛的鑒別方法展開綜述，并對這些方法進行分析和比較，以期為羊絨、羊毛纖維的鑒別提供有利依據。

1 鑒別方法

1.1 顯微鏡法

顯微鏡法的主要流程是：檢測人員將纖維放置于顯微鏡下，通過顯微鏡頭或連接在顯微鏡的顯示屏上觀察纖維的外觀形態，并以此來進行纖維種類的鑒別。常用于鑒別纖維外觀形態包括：纖維形狀，纖維細度，纖維細度的均勻度，纖維表面鱗片的形狀、高度、厚度、密度分布，纖維光澤等。

國外學者在20世紀20年代開始在顯微鏡下研究動物纖維的鑒別方法，發現羊絨和羊毛纖維的直徑和表面鱗片的高度有較為明顯的差別，另外，不同種類動物纖維表面鱗片呈現出的形態結構亦有差別[2]。相比于光學顯微鏡，掃描電子顯微鏡(Scanning Electron Microscopy，SEM)能夠拍攝分辨率更高的纖維圖像，因此很多學者借助掃描電子顯微鏡研究纖維的辨別方法。在掃描電子顯微鏡下，能夠發現羊絨和羊毛的鱗片厚度有明顯區別，此外纖維鱗片的密度也可作為纖維鑒別的特征。

趙永聚等[3]在掃描電子顯微鏡下研究了羊絨和羊毛鱗片的形態結構，較為全面地總結了二者的區別：羊絨鱗片形狀比羊毛鱗片的排列顯得更為均勻，鱗片高度較大，鱗片厚度較小，鱗片間距大，纖維細度較為均勻；羊毛鱗片形狀多呈現不規則的瓦狀和斜環狀，鱗片高度較小，密度大，部分鱗片邊緣翹起的數量較多。

目前檢測人員在實際應用中使用的仍然是顯微鏡檢測法，該方法操作簡單、成本較低。但這種方法需要檢測人員有比較豐富的操作經驗，且該方法過于依賴經驗，主觀性強，不同的操作人員得到的檢測結果往往有偏差，同一檢測人員在不同環境、使用不同儀器得到的結果也不完全相同。光學顯微鏡通常將動物纖維圖像放大400或500倍，在放大的圖像上進行觀察和鑒別。而掃描電子顯微鏡可以將纖維圖像放大幾千倍甚至幾萬倍，且圖像清晰度高，有一定的景深，能夠觀察到纖維上更為細致的特征，比如羊絨和羊毛纖維的鱗片厚度，而鱗片厚度是鑒別動物纖維的有效指標。但掃描電子顯微鏡的價格昂貴，樣本制作速度慢，通常只用于研究的用途，不適用于大量的快速檢測。

1.2 近紅外光譜法

近紅外光譜分析技術是利用近紅外光譜區包含的物質信息，借助化學計量法等技術手段，可以對有機物的組成進行定性或定量分析。在紡織工業上，使用近紅外光譜的方法可以分析混紡纖維中某種纖維的含量[4]。Zoccola等[5]收集了安哥拉兔毛、羊絨、羊毛、牦牛毛等纖維的近紅外光譜數據，使用獨立建模分類法對這些數據進行分類，實驗結果表明該方法可以初略地測試混紡纖維的成分含量。Zhou等[6]使用近紅外光譜儀獲取纖維混合物樣品的光譜信號，借助于多元方差分析對獲取的光譜信號進行分析。實驗中發現隨著樣品中羊絨含量的增加，近紅外光譜的吸收強度呈遞減趨勢，通過構建多元線性回歸模型能夠檢測纖維的含量。類似地，還有一些其他學者也利用纖維的近紅外光譜來測試其中纖維的含量[7-8]。使用近紅外光譜法鑒別羊絨等動物纖維，檢測過程比較簡單，不需要化學制樣，屬于無損檢測，有潛力發展成一種簡便快速的鑒別方法。近紅外光譜法鑒別的準確性依賴于建立的數學模型，且目前已有的研究中使用的樣本量較小，該方法需要進一步搜集更多樣本進行驗證。

1.3 DNA分析法

DNA攜帶有生物體的遺傳信息，可以借助不同動物纖維中包含的DNA信息不同來鑒別纖維。聚合鏈式反應(Polymerase Chain Reaction, PCR)技術可以對一小段DNA進行擴增，從而可以區分出不同動物纖維的基因序列差異。Tang等[9]改進了傳統的PCR技術，提出了基于TaqMan的熒光定量PCR技術，該技術具有更高的敏感性，并且能夠擴增DNA的同時來定量地檢測混合纖維比例。使用基于TaqMan的熒光定量PCR技術檢測羊絨和羊毛纖維中的DNA，在不同比例的羊絨、羊毛混紡纖維中進行均取得了比較準確的實驗結果。還有一些研究者也提出類似的方法來測試羊絨羊毛混合纖維中的比例[10-12]。

目前我國和國際上已有DNA分析法相關的標準，如GB/T 36433—2018《紡織品 山羊絨和綿羊毛的混合物DNA定量分析 熒光PCR法》與ISO 18074—2015《紡織品 采用DNA分析法識別某些動物纖維 山羊絨, 羊毛,牦牛絨及其混合物》。DNA分析法是一種比較可靠的技術，但這種方法所使用的設備非常昂貴，并且檢測過程比較復雜，通常需要專業的操作人員，隨著DNA分析法的進一步改進，該方法有可能在實際中推廣使用。

1.4 蛋白質組學分析法

羊絨和羊毛等動物纖維的主要成分是蛋白質，可以通過檢測纖維成分中的蛋白質氨基酸順序來鑒別羊絨和羊毛等動物纖維。張娟等[13-14]研究了質譜技術在羊絨和羊毛纖維鑒別領域的應用，通過羊絨和羊毛中提取的多肽的質譜圖特征峰值分析，在質譜網絡數據庫中檢索得出2種纖維包含的氨基酸的不同序列。

蛋白質組學分析法是利用纖維所含蛋白質進行判別，所以不受纖維拉伸和脫鱗等纖維處理的影響。目前該方法更多的用于纖維的定性檢測，在定量檢測方面還需要進一步研究。

1.5 基于圖像處理與計算機視覺的方法

1.5.1 基于纖維圖像處理技術的方法

隨著計算機圖像處理技術的廣泛使用，一些學者開始用圖像處理技術來幫助進行纖維的鑒別，主要是用于測量纖維直徑等纖維的外觀形態指標。目前質檢機構在使用顯微鏡檢測法時通常也參考纖維直徑，但主要還是依賴檢測人員的經驗。

劉亞俠等[15]從羊絨和羊毛光學顯微鏡圖像中提取了纖維鱗片翹角、鱗片厚度、纖維直徑、鱗片高度、密度等11個特征，使用支持向量作為分類器得到了90.25%的識別率。陶偉森等[16]從羊絨和羊毛纖維的光學顯微鏡中提取纖維直徑、鱗片密度、鱗片面積、鱗片相對面積，以及提取的8個紋理特征，使用支持向量機作為分類器，獲得的羊毛和羊絨的總識別率為93.1%。

石先軍[17]的方法比較全面地考查了纖維表面的各種外觀形態特征，并且分析不同特征組合鑒別效果，可以看做是對之前的研究者們基于圖像處理技術纖維鑒別技術的總結，詳細分析了羊絨和羊毛纖維表面形態特征值，從圖像中提取纖維的直徑、直徑變異系數，以及鱗片的高度、徑高比、面積與相對面積、周長、鱗片的矩形度等18個特征值，使用統計法分析了這些特征值的最優組合，然后建立分類模型對羊毛和羊絨纖維圖像進行識別。

基于纖維圖像處理技術的鑒別方法比較直觀，是對傳統顯微鏡檢測法的改進。該類方法利用計算機圖像處理技術將纖維外觀形態指標量化，借助統計學模型對纖維進行區分。但這類方法有一定局限性，若采集的纖維圖像不夠清晰，則很難獲取纖維外觀形態的各個指標，這時不適用該類方法。

1.5.2 基于計算機視覺的方法

由于近年來計算機視覺技術的快速發展，涌現出很多新的算法，因而目前基于計算機視覺的纖維鑒別方法成為研究熱點。

Lu等[18]使用視覺詞袋模型(Bag of Words，BoW)來進行纖維的鑒別，該方法從剔除背景后的纖維圖像中提取尺度不變特征變換(Scale Invariant Feature Transform，SIFT)特征，使用BoW模型來描述纖維圖像中特征，分類器使用的是支持向量機，其識別率穩定在90%以上。

Xing等[19]從羊絨和羊毛纖維圖像中提取方向梯度直方圖(Histogram of Oriented Gradient, HOG)紋理特征，使用支持向量機獲得了最高92.5%的識別率。

路凱等[1]使用深度學習模型在大樣本下對羊絨/羊毛纖維進行鑒別，樣本中包含蒙古青絨、國產白絨、蒙古紫絨等5種不同類別的纖維，5種纖維的總識別率達到92%以上。路凱等[1]還研究了遷移學習方法在纖維圖像鑒別中的應用，實驗結果顯示遷移學習有助于提高模型對纖維識別能力。此外還有一些其他基于圖像技術和計算機視覺技術的研究[20-23]。

基于計算機視覺的方法是基于圖像處理技術類方法的升級，該類方法不是從纖維表面提取形態的測量值，而是從纖維圖像中提取抽象的視覺特征，這樣就將求取纖維表面形態的差別轉化為尋求提取出來的視覺抽象特征差別。

1.6 其他檢測方法

除了前面幾種檢測方法以外，還有一些方法，如溶液法和著色劑法[24-26]，這些方法僅有少量的文獻記錄，這里不再展開敘述。

2 分析與比較

前文對用于羊絨和羊毛鑒別的顯微鏡檢測法、近紅外光譜法、蛋白質組學分析法、DNA分析法、圖像及計算機視覺技術法進行了介紹，表1是對常用的幾種羊絨和羊毛鑒別方法所用技術手段、以及各自的優缺點的簡要總結。

表1 羊絨和羊毛纖維鑒別方法的比較

近紅外光譜法和蛋白質組學法都是通過檢測纖維的成分差異來判斷類別。近紅外光譜方法是借助近紅外光譜儀，根據不同類別的纖維中含氫基團對近紅外吸收程度不同而產生的近紅外光譜的差異，通過使用化學計量法分析混合纖維中羊絨或羊毛的含量；蛋白質組學法通過檢測纖維成分的蛋白質中氨基酸順序的差異來鑒別纖維。

DNA分析法是基于遺傳特征的方法，從技術上來講是一種較為先進的方法，PCR等擴增DNA技術的應用，解決了動物纖維中少量的線粒體DNA的提取困難，從而推進了DNA分析法在纖維鑒別中的應用。

顯微鏡檢測、基于圖像及計算機的視覺技術方法都是依賴纖維外觀形態進行纖維鑒別，不同在于：①顯微鏡檢測法主要是依賴主觀經驗進行人工鑒別；②基于圖像處理技術的方法主要是對纖維圖像進行預處理和分割，從分割后的圖像中測量(計算)纖維外觀形態的指標，然后再建立辨別模型進行纖維的鑒別；③基于計算機視覺特征的方法主要是先從圖像中提取纖維的外觀視覺抽象特征，然后將視覺特征輸入到模型進行纖維的鑒別。基于圖像處理技術和計算機視覺特征的鑒別方法也要借助顯微鏡進行鑒別，并且也是通過人工來進行載玻片的制備，只是判別的依據是測量的指標值或建立模型進行客觀的判別。人工顯微鏡方法的檢測速度比較慢，且主觀性較強，而基于圖像處理和計算機視覺技術的方法速度快且檢測標準由訓練的模型決定，較為客觀。從技術發展的角度來看，使用計算機視覺的鑒別方法比圖像處理技術更為先進一些，該方法也是目前的研究熱點。

近年來研究者們提出的基于圖像處理和計算機視覺方法纖維識別方法較多，表2是其中典型方法的比較，其中根據特征提取方法又可以分為人工指定特征提取方法和卷積神經網絡特征提取2類方法。

從表2可以看出，基于人工指定特征的方法的模式主要是使用機器學習中的分類器，對提取的特征進行有監督的學習，其中提取的特征或者是纖維直徑，鱗片高度、密度、面積等經典測量指標，或者是SIFT、HOG、灰度共生矩陣等計算機視覺特征，或者是測量指標和計算機特征的混合。卷積神經網絡模型集成了特征提取和分類器，主要使用經典的卷積神經網絡模型對預處理后的纖維圖像進行有監督學習。在文獻[15,16]與[19-21]中，基于人工指定特征的方法都是對羊毛纖維和羊絨纖維進行二分類，而文獻[1]與[22]是基于卷積神經網絡方法對多個類別的羊絨纖維和羊毛纖維進行分類，且得到了較高的識別率。文獻[15,16]與[19,21,22]中所用樣本數量都少于1 000，這些方法能否在更大的數據集中也適用還有待進一步驗證。

表2 基于圖像處理和計算機視覺方法纖維識別方法的比較

3 總結與展望

本文介紹了近年來研究者們提出的各種羊絨纖維和羊毛纖維的鑒別方法，并對這些方法進行分析和比較。隨著近年來計算機視覺技術的發展，基于計算機視覺的方法越來越受到重視，該方法的發展趨勢是纖維自動鑒別，其中顯微鏡圖像的自動采集也是技術難點之一，目前的基于纖維表面視覺特征的研究主要集中于纖維特征提取和分類算法上，纖維圖像的自動采集方法鮮有文獻提及，這也是今后纖維檢測領域的重要研究內容。近紅外光譜和蛋白質組學方法發展趨勢是制作成便捷快速的定量檢測設備。DNA分析方法的準確性和可靠性都很高，但設備昂貴，操作方法復雜。

總的來看，基于人工經驗的顯微鏡檢測方法在相當長的一段時間里仍然是主要的檢測方法，近紅外光譜法、蛋白質組學法、DNA分析法、計算機視覺檢測等方法隨著研究的進展，有望被應用到實際檢測工作中。