论文标题：An intelligent identification method for foreign fibers in seed cotton based on hyperspectral imaging with the PCA-AlexNet model

期刊：Frontiers of Agricultural Science & Engineering

作者：Ling ZHAO, Quang LI, Xin YU, Yaning CHANG

发表时间：20 Jun 2025

DOI： 10.15302/J-FASE-2025639

微信链接：点击此处阅读微信文章

Dec 2025, Volume 12 Issue 4

· 第十六篇 ·

▎论文ID

An intelligent identification method for foreign fibers in seed cotton based on hyperspectral imaging with the PCA-AlexNet model

基于高光谱成像与PCA-AlexNet模型的原棉异纤智能识别方法

文章类型：Research Article

发表年份：2025年

第一作者：赵岭

通讯作者：赵岭

Email: zhaoling@lcu.edu.cn

作者单位：聊城大学机械与汽车工程学院

Cite this article :

Ling ZHAO, Quang LI, Xin YU, Yaning CHANG. An intelligent identification method for foreign fibers in seed cotton based on hyperspectral imaging with the PCA-AlexNet model. Front. Agr. Sci. Eng., 2025, 12(4): 883-899 DOI:10.15302/J-FASE-2025639

· Graphical abstract ·

· 主 要 内 容 ·

新疆长绒棉因品质优良广泛应用于高端纺织品生产，但在机械采摘、加工过程中易混入塑料薄膜、棉铃壳、头发、聚丙烯纤维等异物。目前，我国长绒棉清洁主要依赖人工分拣，工人长期工作易视觉疲劳，导致检测准确性和一致性下降。传统异物识别技术多依赖RGB图像颜色特征或荧光反应，但白色、透明或与棉纤维颜色相近的异物 (如塑料薄膜、白色包装绳) 难以区分，无色透明且无荧光反应的塑料薄膜更是给分类带来挑战。那么，如何精准识别长绒棉中这些难检测的异物纤维，提升分拣效率与自动化水平呢？

聊城大学机械与汽车工程学院赵岭副教授等提出了一种基于高光谱成像与PCA-AlexNet模型的智能识别方法，为解决这一难题提供了新方案。

实验结果显示，PCA-AlexNet-23模型在多类异物识别中表现优异：总体准确率达97.2%，平均准确率95.2%，Kappa系数93.1%，均优于支持向量机、人工神经网络、LDA-VGGNet等传统模型。在实际分拣测试中，异物去除率超过85%。该模型尤其擅长识别白色、透明或与棉纤维颜色相似的异物，解决了传统方法对这类纤维识别能力不足的问题。

PCA技术通过保留数据中最关键的特征信息，有效降低了高光谱数据的维度，避免了冗余信息干扰；而优化后的AlexNet模型则能自动提取光谱和空间联合特征，提升分类精度。相比3D卷积神经网络参数多、训练耗时的缺点，该模型采用2D卷积结构，在保证精度的同时减少了计算成本。

目前新疆长绒棉机械化采收和加工技术尚处于起步阶段，该方法为长绒棉异物的自动化分拣提供了核心技术支撑，有助于减少人工依赖，提高生产效率。未来，研究团队计划进一步扩大异物种类数据集，优化数据预处理技术，并探索多源数据融合方法，以持续提升高光谱多目标识别算法的性能，推动新疆长绒棉产业向高效、全自动机械化方向发展。

· 主 要 图 表 ·

图1 高光谱成像系统图。1，高光谱相机；2，卤素灯；3，平台升降装置；4，相机焦距调节装置；5，平台传送带；6，工业计算机。

图2 模型准确率与损失率曲线：(a) PCA-17模型，(b) PCA-20模型，(c) PCA-23模型，(d) PCA-26模型。

图3 PCA-AlexNet-23模型混淆矩阵。(a) 未归一化的混淆矩阵；(b) 归一化的混淆矩阵。

1, 塑料地膜；2, 棉铃壳；3, 叶片碎片；4, 人发；5, 聚丙烯纤维 (丙纶)；6, 彩色线绳；7, 棉秆；8, 背景；9, 黄棉；10, 原棉。

图4 PCA-AlexNet-23模型的处理结果。(a) 预测结果 (PCA-23)；(b) 灰度图像；(c) 高斯滤波及开运算处理结果。

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn