棉花中混入的毛发、麻绳、塑料薄膜等异纤严重降低了棉花及棉制品的质量,给企业造成巨大经济损失。为了提高棉花和棉制品的质量,全面且准确地从棉花中检测出异纤至关重要。本研究设计了基于线阵CCD相机的近红外波段扫描成像棉花异纤检测系统,采用传统图像算法和深度学习图像算法开展了异纤目标检测的研究。成功搭建了异纤检测系统,完成了异纤图像的采集、处理,实现了异纤目标的检测识别。研究的具体内容和结果如下:一、根据实际生产中技术指标的要求设计了用于棉花异纤检测的模拟图像采集系统,并对系统中的CCD相机、镜头、光源等主要设备进行选型,搭建了棉层宽为180.22mm、镜头到棉层距离为440mm的模拟图像采集系统,用于实现对棉花异纤的图像采集。二、利用搭建好的采集系统对棉花中常见异纤样本在不同波长下进行了图像采集,并采用传统图像算法对采集到的图像进行相应的处理与分析,实现了异纤的检测。然后对异纤的检测结果和灰度特征进行了对比分析与总结,结果为:在808nm波长下,有色异纤的检测率为100%,白色或透明异纤的检测率为71%,异纤的总检测率为83%且无错误检测。这表明在近红外波段检测白色或透明异纤的方案是可行的,并具有较好的检测效果。三、由于传统图像算法在近红外波段对异纤检测仍存在不全面和不准确的问题,提出了采用基于深度学习的YOLOv3目标检测算法对异纤进行检测研究。研究发现,与传统图像算法相比,YOLOv3算法具有更好的检测效果,该算法对异纤目标的检测率可达到100%,且每种异纤的检测准确率均可达到85%及以上。研究结果表明:近红外波段检测白色或透明异纤的方案切实可行,基于深度学习的YOLOv3算法对异纤的检测效果比传统图像算法更好,为进一步研究棉花异纤检测提供了借鉴。