大作业模板

新疆农业大学机械交通学院 机电一体化课程（ 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 ）论文 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 目： 姓名与学号： 指导教师： 年级与专业： 所在学院： 课程评分： 二零一一年 月 日 棉花异性纤维检测技术的研究综述 【摘 要】 本文介绍和 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 了目前为止绝大多数对皮棉中异性纤维检测的研究。这些研究从棉花杂质的几何、物理和成分官能团光谱特性入手，应用可见光机器视觉、红外波段光谱图像和断层X 光摄影等检测技术，采用数字图像处理和化学计量学分析方法，分类识别各种皮棉杂质。 关键词 皮棉，异性纤维，检测 前 言 我国采摘棉花大部分是人工摘拾。这样对异性纤维的控制很不利。由于棉农对异性纤维的危害认识不足，采摘交售棉花时习惯用编织袋装棉花、用有色的或非棉线绳绑扎棉袋口等。在采摘、装棉、晒棉、运棉和售棉等过程中,难免混入叶子、铃壳、种皮和异性纤维等杂质。严重影响了棉纺厂的产品质量。异性纤维是困扰纺织企业的一大难题．每年纺织企业都要投入大量的人力、物力、财力进行人工挑拣。显然，在纺织清理和加工的每个环节，研究快速检测原棉中杂质，减少并消除它，这对于提高加工质量和效率是非常必要的。 1.原棉杂质检测的主要手段 在检测棉花中叶子，茎皮，秆和异性纤维等杂质时，可以从其基本物理特性入手，例如颜色、形状、大小、密度、表面密度和重量等；也可以从其化学成分方面入手来识别这些杂质，比如荧光效应和官能团光谱特性等。在具体方法上，对杂质的检测有机器视觉（可见光波段）、X光断层摄影、红外波段光谱或图像和紫外荧光光谱或图像等；在对杂质定性和定量分析的方法上，主要有固定线性判别式、聚类算法、贝叶斯学习算法和贝叶斯加权K均值聚类算法等数字图像处理方法。 根据以上皮棉杂质检测技术的特点，从原理上可分为基于图像技术的杂质检测研究和基于分光技术的杂质检测研究。一些典型的研究见表1。 表1 棉花杂质检测研究的文献整理 类型 范围 检测设备 杂质类型 检测率识别率（％） 文献 静态 国内 显微近红外成像 无色塑料、黄麻、编织袋、白头发丝、白羊毛、猪鬃 — 郏东耀等人，2004[1] 多光谱成像 无色塑料、黄麻、编织袋、白头发丝、白羊毛、猪鬃 — 郏东耀等人，2005[3] 反射成像 15种典型异性纤维 — 杨文柱等人，2009[4] 透射成像 白色或无色杂质：纸片、尼龙、编制带、黄麻、白头发 — 郏东耀等人，2005 [9] 透射成像 异性纤维，没有特指 95%识别率 李碧丹等人，2006 [10] 紫外荧光成像 白色丙纶丝，纸张；色泽较重的异性纤维；毛发的识别 99；100；50％ 罗德坡等人，2007[11] 静态 国外 反射成像 非棉纤维杂质（植物性杂质）与重力分析之间的相关系数 0.82 Taylor. 1990[12] 反射成像 植物性杂质：皮杂、杆、叶子和碎叶杂质分类。 96％；99％ Lieberman et al. 1997[17] 反射成像 植物性杂质：贝叶斯加权K-平均方法，不同颜色棉花识别 99.7% Zhang et al. 2002[24] 微断层X光摄影 茎皮、种皮碎片和聚丙烯杂质识别率 96% Pai et al. 2004[25] 微断层X光摄影 皮杂、叶子，种皮，聚丙烯。分类准确率；与AFIS结果的决定系数 89％；0.7091 Pavani.et al. 2004[26] 微断层X光摄影 植物性杂质：评价与AFIS和Shirley Analyzer结果相关系数分别为 0.93；0.85 Dogan et al. 2005[27] Nicolet FT-IR 所有杂质分类。匹配正确率为 90.64-96.55％ Himmelsbach et al. 2006 1.1 基于图像技术的杂质检测 在不同的光谱波段范围，采用不同图像扫描设备，采集或生成棉花图像，通过图像采集卡发送回计算机处理中心，经图像数据处理，判断有无杂质，提取杂质位置、大小和类型等特征，驱动提出装置来剔除。图像采集或生成的技术包括可见光波段机器视觉、红外波段图像、紫外荧光图像、X光断层摄影和多波段图像融合技术。如图1。 图1 基于图像技术的皮棉杂质检测原理示意图 Fig. 1 Schematic of detecting foreign matters of raw cotton based on imaging 1.棉花 2.反光板 3.可见光摄像机 4.多光谱图像仪 5.X射线探测器 6.计算机 7.喷头 8.光源 9.检测通道 1.1.1 可见光波段机器视觉 机器视觉主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。在皮棉杂质检测方面，早期国外学者侧重于棉花自带的植物性杂质的检测研究；后期国内学者侧重于非棉类的异性纤维的检测研究。 Lieberman 等人[1]用分层次聚类和神经网络算法处理棉花图像，识别棉花杂质，正确率分别是92 %和99.3 %。分层聚类法结合神经网络算法可以得到96.3%的准确度。Lieberman 等人[2]提出学习矢量量化方法(LVQ) 识别棉花样品中杂质。第一种分类结果，皮棉杂质为95 ，叶87 ，碎叶100 ，茎秆88 ;第二种分类， 皮棉杂质类为100 ， 非皮棉杂质类为97 。第三种分类结果，皮棉杂质类为95，叶子碎叶类为99，茎秆为88.。 1.1.2 紫外荧光和红外波段图像技术 原棉中纤维杂质的种类可以归纳为合成、植物和蛋白质纤维。利用不同物质在紫外荧光和红外光波照射下激发所发出的光强度不同的原理来分离杂质。 郏东耀等人[20]使用MU2300 型动态近红外CCD 相机(加10 倍放大镜头) ，采集皮棉中异性纤维近红外光谱图像，利用自适应图像增强和二值化图像处理，从皮棉背景中提取异性纤维。郏东耀等人[21]建立近红外光谱成像系统，确定940 nm 是区分棉纤维与多种异性纤维的最佳波段范围。处理和分析此波段近红外图像， 获得异性纤维图像。罗德坡等人[22]提出基于紫外线荧光效应的机器视觉方法，在线分拣棉花中异性纤维。用非线性阈值算法判断图像像素RGB 分量。结果表明:白色丙纶丝、纸张和一些反光物质拣出率达到99 %;色泽较重异性纤维可达100 %;头发丝只有50 %;部分与棉花色泽相近，不反光且不激发荧光的杂质检测困难。 1.1.3 X光断层摄影 利用X光对物体进行不同角度的摄影，从而在不破坏物体内部结构的前提下得到物体的内部图像。国外学者通过X光断层摄影技术提取原棉团内部图像，来剔除杂质。 Ajay 等人[23] 使用微断层X 光摄影装置系统(SkyScan-1074 X射线扫描仪) 扫描棉花样品，基于模糊逻辑方法分析微断层X 光原棉图像，自适应阈值算法分割杂质，标记杂质，分离背景图像。试验针对160 个已知杂质样本。结果表明: 识别率高达96 % 。Pavani 等人[24]应用三维断层X 摄像技术，通过图像处理和模式识别，产生样品三维图像， 检测和分类棉花中的杂质。该方法的优点是可以进行无损检测。扫描时间为15-20min。Dogan 等人[25]针对二维X 射线扫描图像背景棉花不一致等问题，通过尺度空间滤波背景标准化处理，保留杂质颗粒图像。通过对280 个试验样品X 光图像处理，与AFIS 棉花杂质分析系统和Shirley分析仪结果建立回归模型，相关系数分别为0.93 和0.85。 1.1.4 多波段图像融合技术 随着研究的深入发现，单波段图像仅能有效识别部分杂质，不同的杂质在不同波段的表现不同，而棉花杂质类型多，含量又大不相同。多波段图像融合技术能较好的解决这一问题。 郏东耀等人[26]采用TK-C1831EG型多光谱CCD 照相机(380～1100nm)采集最佳吸收波段异性物质图像。基于区域信息相关度权值小波分析算法融合多波段图像，分层图像分割，二值化图像分离杂质。结果表明:在405 nm和850 nm棉花和杂质的差异较明显。郏东耀等人[27]研究了光透射成像系统中光源种类、棉层厚度和皮棉运动速度等对棉纤维透射成像目标的影响。当光源为白光超亮二极管阵列，光照能量系数为0.70 、棉层厚度为4mm 时，获取透射图像，并分析图像，可有效检测皮棉中内部杂质。郏东耀等人[28]定量分析了光源种类、光源能量与透射效果的关系，分析增强皮棉杂质透射对比差异的方法。利用高速CCD 俘获非漫射光子，统计滤波处理增强成像目标。丁天怀等人[29]提出利用多颜色空间特征融合方法检测棉花中羊毛、白头发和塑料膜等杂质。构建颜色特征评价函数，抽取若干最优特征，利用区域信息相关度权值小波分析算法进行多特征融合， 获取近似目标的图像。融合图像比原始图像具有较高信息量值， 近似目标特征明显增强。 1.2 基于分光技术的杂质检测 分光技术即是利用紫外光或红外光照射物体，因为不同物质由于其分子结构不同，对不同波长线的吸收能力也不同，因此，每种物质都具有其特异的吸收光谱。如图2所示。 图2 基于分光技术的皮棉杂质检测示意图 Fig. 2 Schematic of detecting foreign matters of raw cotton based on spectroscopy technique Bohmer 等人[30]针对原棉中聚丙烯和聚乙烯杂质，建立线扫描CCD 照相机检测系统。在近红外1520 nm和1720 nm 波段采集图像，人工神经网络和自组织特性映射识别未分类样本中杂质。Foulk 等人[31]通过中红外光谱学(波数4000～650 cm- 1) 对比分析纤维和杂质颗粒，与已知试样的光谱数据库数据对比， 确定棉花杂质来源。Himmelsbach 等人[32]针对典型的棉花杂质， 通过Nicolet Magna 850 FT-IR 型光谱仪(波数4500～650 cm-1) 采集棉花杂质的近红外光谱数据，建立了601个样本的光谱数据库，并进行光谱匹配识别检验。结果表明:不同杂质具有不同匹配光谱波段，匹配正确率最低为90.64 % ，最高为96.55 %。Allen 等人[33 ]讨论了棉花加工前后，棉花杂质在4000～650 cm- 1范围内红外光谱的变化。结果表明:当杂质尺寸减小和受热时，FT-IR 光谱都产生了相应的变化。Abidi 等人[34]采用通用衰减全反射傅里叶变换近红外仪器(UATR-FTIR) 分析被污染的棉花纤维，确定被污染棉花中1-O-α-D-吡喃葡萄糖基-D-呋喃果糖(Trehalulose) 含量与累计强度在I3280 、I1622和I1018处表现出高度相关。 2.异性纤维检测技术发展的特点与不足 2.1国内外研究的差异和特点 国外学者对棉花异性纤维检测的技术较早，主要研究内容是原棉类杂质，即棉花本身的碎叶，茎秆，茎皮等，这是由于国外采集棉花的过程受到的污染较国内少。而国内学者对棉花异性纤维检测的技术起步较晚，主要研究内容是非棉类杂质，如人的毛发，动物的毛发，编织袋的碎屑等异性纤维。早期研究主要使用机器视觉，现在逐渐偏向分光技术的使用。 2.2目前所应用的技术的不足之处 2.2.1 检测技术的局限性 使用最多的机器视觉技术，通过CCD摄像机能够快速无损的得到棉网表面的杂质，其前提是对棉层和均匀性的高要求，在对深层杂质的检测中效果较差；X光断层摄像技术可以检测深层的杂质，但是存在自身的噪声和检测效率低等问题，不适合在线检测；红外分光检测能够检测到棉网的内部杂质，适合离线检测，但是需要耗时建立模型，且与大于10m/s的高速纺纱不相配套；在融合技术方面，已有的技术仅在图像融合层面，没有进一步的研究开展。 2.2.2检测技术的针对性不足 许多研究没有考虑到实际应用情况，仅仅停留在实验室检测的基础上。在实际处理过程中，运动棉网的杂质位置和棉层厚度会直接影响到检测精度。同时，杂质类型和棉网背景都会极大影响检测和识别率，只有部分研究考虑到背景的影响。 2.2.3检测与原棉颜色相近且细小的杂质正确率很低 到目前为止的研究都没有很好的方法能够检测白色或同色的异性纤维，对形状较小的异纤，检出率更是微乎其微。 3.展望 综上所述，虽然对棉花异性纤维杂质检测的研究已经相当大的进展，检测技术上可以通过机器视觉、断层X光摄影、红外波段光谱和紫外荧光光谱；在对杂质定性和定量分析的方法上，可以通过固定线性判别式、聚类算法、贝叶斯学习算法和贝叶斯加权K均值聚类算法等数字图像处理方法。这些研究已经获得了不错的效果。 但是，仍有一些问题没有解决，如检测白色或同色的异性纤维，不同深度和类型的杂质检测，与检测器相对位置不同的杂质检测，不同棉花背景的杂质检测等等。这些技术问题是影响检出率的主要因素，有效地解决这些问题是今后的主要研究方向。 参考文献: [1].Lieberman M A , Patil R B. Clustering and neural networks to categorize cotton trash [J ] . Optical Engineering ,1994 ,33(5) :1 642～1 653. [2].Lieberman M A , Patil R B. Evaluation of learning vector quantization to classify cotton trash [J ] . Optical Engineering ,1997 ,36 (3) : 914～921. [3].Lieberman M A , Michael A L , Charles KB , et al. Determining gravimetric bark content in cotton with machine vision[J ] .Textile Research Journal ,1998 , 68(2) : 94～104. [4].Xu B G, Fang C , Huang R , et al. Chromatic image analysis for cotton trash and color measurements[J ] . Textile Research Journal ,1997 ,67(12) : 881～890. [5]. Xu B , Fang C , Watson M D. Clustering analysis for cotton trash classification[J ] . Textile Research Journal , 1999 ,69(9) :656～662. [6]. B. Xu, J. Su, D.S. Dale. Cotton color grading using a neural network[J]. Textile Research Journal, 70(5), 430-436, 2000. [7]. Tae J K, Kim S C. Objective evaluation of the trash and color of raw cotton by image processing and neural network[J ] .Textile Research Journal , 2002 ,72(9) :776～782. [8]. Siddaiah M , Prasad N R , Lieberman M A , et al. Identification of trash types and computation of trash content in ginned cotton using soft computing techniques[C] . Midwest Symposium on Circuits and Systems , Las Cruces , NM 1999. [9]. 金守峰,袁建畅,张 慧.基于Matlab 的棉花异性纤维检测及定位算法[J ] . 中国棉花加工,2004 (4) :29～30. [10]. 金守峰,张 慧,王 宁.三基色最佳阈值算法识别原棉异性纤维[J].山东纺织科技，2008（3）：1~3. [11].符宝鼎,袁建畅,郭彩霞. 基于RGB 颜色模型棉花杂质的识别算法[J ] . 北京纺织,2005 ,26 (5) :48～51. [12].李碧丹,丁天怀,郏东耀. 皮棉异性纤维剔除系统设计[J ] . 农业机械学报, 2006 ,37 (1) :107～110. [13].赵燕,袁建畅. 原棉异物在线检测系统剔除机构的分析研究[J ] . 上海纺织科技,2006 ,34 (1) :21～22 ,27. [14].常蕾.基于DSP的棉花异性纤维检测系统总体 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 研究[J]。科技前沿，2007（8）：56~59. [15]　郭彩霞,袁建畅,金守峰. 基于BP 网络的棉花中异性纤维识别算法[J ] . 西安工程科技学院学报,2006 ,20 (5) :542～544. [16].高伟,王志衡,赵训坡.基于HIS颜色空间的棉花杂质高速实时检测方法[J].自动化学报,2008,34(7)：730~735. [17].郑文秀,刘双喜,魏新华,王金星.棉花异性纤维图像分割方法研究与实现[J].中国棉花加工,2008 (4)：24~26. [18].冯显英,任长志,解守华.基于阀岛技术的异性纤维清除系统结构与设计[J].机床与液压,2006(11)：139~140. [19].冯显英,任长志,黄燕云. 基于机器视觉的异性纤维检测系统[J]. 山东大学学报(工学版),2006,36(4):4~8 [20].郏东耀,丁天怀. 纤维红外吸收特性及其在皮棉杂质检测中的应用[J ] . 农业工程学报,2004 ,20 (3) :104～108. [21].郏东耀,丁天怀. 利用纤维红外吸收特性的皮棉杂质检测新方法[J ]. 红外与毫米波学报,2005 ,24 (2) :147～150. [22].罗德坡,朱邦太. 紫外线荧光效应及其在棉花异性纤维分拣系统中的应用[J ] . 河南科技大学学报:自然科学版,2007 ,28 (2) :63～67. [23]. Ajay P , Sari-Sarraf H , Member S , et al. Recognition of cotton contamination via X2ray micro-tomographic image analysis[J ] . IEEE Transactions on Industry Applications , 2004 ,40(1) :77～85. [24].Pavani S K, Dogan M S , Sari-Sarraf H , et al. Segmentation and classification of four common cotton contaminants in X-ray micro-tomographic images [ C] . Proceedings of SPIE , Machine Vision Applications in Industrial Inspection XII , San Jose , CA , USA , 2004. [25]. Dogan M S , Sari-Sarraf H , Hequet E F. Cotton trash assessment in radiographic x-ray images with scalespace filtering and stereo[C] . Proceedings of SPIE , Machine Vision Applications in Industrial Inspection XIII , San Jose , CA , USA , 2005. [26].郏东耀,丁天怀. 棉花中异性纤维的多光谱检测[J ] . 清华大学学报:自然科学版,2005 ,45 (2) :193～196. [27].郏东耀,丁天怀. 检测皮棉内部杂质的透射成像影响因素分析[J ] . 农业机械学报,2005 ,36 (2) :65～69. Jia Dongyao , Ding Tianhuai. Analysis of some influence factors of transmission imaging system for detection of foreign material buried in cotton[J ] . Transactions of the Chinese Society for Agricultural Machinery , 2005 ,36 (2) :65～69. (in Chinese) [28].郏东耀,丁天怀. 皮棉杂质透射检测及成像目标增强方法[J ] . 物理学报,2005 ,54 (9) :4 058～4 064. [29].丁天怀,郏东耀. 利用多颜色空间特征融合方法检测近似目标[J ] . 清华大学学报:自然科学版,2006 ,46 (2) :176～179. [30]. Bohmer S , Budzier H , Krause V , et al. Two channels NIR camera system to detect foreign matter in raw cotton [ C] .Proceedings of QUIRT , Padova , Italy , 2006. [31]. Foulk J , McAlister D , Himmelsbach D , et al. Mid2infrared spectroscopy of trash in cotton rotor dust [J ] . The Journal of Cotton Science , 2004 ,8(4) :243～253. [32]. Himmelsbach D S , Hellgeth J W , Mcalister D D. Development and use of an attenuated total reflectance/ fourier transforminfrared (ATR/ FT2IR) spectral database to identify foreign matter in cotton [ J ] . Journal of Agricultural and Food Chemistry ,2006 ,54 :7 405～7 412. [33]. Allen A , Foulk J , Gamble G. Preliminary fourier2transform infrared spectroscopy analysis of cotton trash[J ] . The Journal of Cotton Science ,2007 ,11(1) : 68～74. [34]. Abidi N , Hequet E. Fourier transform infrared analysis of cotton contamination [J ] . Textile Research Journal , 2007 ,77(2) :77～84. 大作业模板基本要求 第一，内容来源 · 以课程内容为命题基础，国内外发展为方向，写发展综述，或者写结构、原理理论，以及设计为主； · 如果是设计：题目可自拟，也可模仿，例如数码照相机、电压力煲、全自动洗衣机、自动门（红外、视觉、激光）、水果自动分级线（重量、外观、尺寸、着色、内部糖度和硬度）、果品采摘机器人（室内、室外；苹果、香梨、哈密瓜、大枣、石榴；日光下、人为补光；藤架、匍匐等等）、指纹、脸部识别防盗系统等等。 · 论文要求：第一，字数（文字）3500－4000，不包括图和其他字符所占字数；第二，图表升华文章主旨；第三，电子版和纸版各一份，版本一致；第四，于2011年6月20号前提交。 · 设计要求：第一，字数（文字）3500－4000，不包括图和其他字符所占字数；第二，图表升华文章主旨；第三，电子版和纸版各一份，版本一致；第四，于2011年6月20号前提交。 设计指导例子： 基于机器视觉的单通道水果多品质检测和分级设备的设计 ①机械输送系统，可以做机架和传动机构，水果单列化部件，水果清理部件。 ②自动控制系统，包括采集控制、输送控制，分级控制等。 ③计算机视觉系统，包括触发部件、光源模块、传感器模块、采集模块、计算机等。 ④高速分级系统，包括翻转和输送部件、分级部件 设计要求：（1） 水果实现单列化；（2）在视觉检测前，清理果面灰尘和污点；（3）水果在视觉系统中自动翻转，拍摄多角度图像，设计合适的速度，满足输送速度与拍摄图像的匹配；（4）信息处理后，根据水果的重量/大小、形状、颜色等外观品质指标，依据国家标准，分级到不同的收集平台。（5） 生产线规模：单通道。（6）与果品接触的部分全部采用符合食品安全的材料，保证果品的质量与安全；（7）不损伤水果。 设计的思路和方法： （1）整体设计方案（至少有三个方案）：关键部件的类型（机械、光电、传感器等），基本结构和组成。机具的关键参数确定（包括工作速度、工作能力、输送速度、传递动力和扭矩估算、最外尺寸、空间位置等）等等。 （2）绘制简图，并讨论后确定。 （3）绘制模块图，关键部件的组成结构简图，并阐述工作原理。 （4）撰写好设计说明书简本。 · 电子版命名模板：姓名－机电一体化大作业－提交日期.doc · 请妥善保存好自己的论文作业，如有任意两篇作业雷同（相似度超过30％），两篇作业均被认定为剽窃，发回重写。如二次修改仍然达不到要求，成绩记为‘不及格’。（尽管题目可能相似，但是如果是自己撰写和整理的作业，与他人之间不会有大幅面的雷同内容。考察相似度的主要不同点包括：写作表达习惯，文章的切入点，文献的选择，图像和表格的制作，观点讨论，个人评论等等） 第二，模板格式，参见上节模板，作业完成后删除本节‘大作业模板基本要求’ · 首页不要更改模板格式，沿用模板，只更改个人信息； · 正文中字体、字号和格式可以自由选择。注意区分标题类型，以及与正文的区分。字数见上述，页数不限，由字数控制。 · 图文兼有，表述要有理有据。 附录一 文献、资料查阅网址 1.图书馆：http://lib.xjau.edu.cn/ →电子资源 电子图书 ——（ 限农大IP范围访问） 北大方正电子图书 电子期刊 ——（ 限农大IP范围访问） 中国期刊全文数据库 万方博硕士论文数据库 中国经济信息专网 自建数据库 ——（ 限农大IP范围访问） 博硕士学位论文全文数据库 免费外文全文数据库 ——（ 限农大IP范围访问） HighWire Press 数据库 Directory of Open Access Journal Free Full Text 免费外文二次文献 ——（ 限农大IP范围访问） Wiley InterScience 数据库 ScienceDirect 数据库 学术搜索引擎 Google 学术搜索 Scientific Literature Digital Library SCIRUS for scientific information only Google 图书搜索 百度文档搜索 →其它资源 中国年鉴全文数据库 2.国家专利 http://www.sipo.gov.cn/sipo2008/zljs/ 查询国外专利 欧洲专利局专利数据库：http://ep.espacenet.com/ 美国专利商标局专利数据库：http://www.uspto.gov/ WTO知识产权组织：http://www.wipo.gov/ 3.其它有用的资源和网址 学术期刊和博硕士论文，http://scholar.google.com.hk/ 英语 翻译 阿房宫赋翻译下载德汉翻译pdf阿房宫赋翻译下载阿房宫赋翻译下载翻译理论.doc ，http://www.google.com.hk/language_tools?hl=zh-CN 美国农业部实验室，http://asae.frymulti.com/toc.asp International Society for Optical Engineering 国际光学工程学会，http://www.spiedl.org/ 美国电气和电子工程师协会(IEEE)，http://ieeexplore.ieee.org/Xplore/guesthome.jsp PAGE 9 _1270617334.vsd � � � � 落棉 1 净棉 9 8 7 6 5 4 3 2 _1268206530.vsd � 光谱预处理 建立预测模型 预测未知样品 光谱采集 化学方法测定杂物含量 红外和紫外波段 原棉样品 定标方程