GB/T 45519-2025 (English) Textiles—Fiber quantitative analysis—Intelligent identification method using microscope
ICS59.080.01
CCS W 04
中 華 人 民 共 和 國 國 家 標 準
GB/T45519—2025
紡織品 纖維定量分析
顯微鏡智能識別法
Textiles—Fiberquantitativeanalysis—
Intelligentidentificationmethodusingmicroscope
2025-04-25發布 2025-11-01實施
國 家 市 場 監 督 管 理 總 局
國 家 標 準 化 管 理 委 員 會
發 布
前 言
本文件按照 GB/T1.1—2020《標準化工作導則 第1部分:標準化文件的結構和起草規則》的規定
起草。
請注意本文件的某些內容可能涉及專利。本文件的發布機構不承擔識別專利的責任。
本文件由中國紡織工業聯合會提出。
本文件由全國紡織品標準化技術委員會(SAC/TC209)歸口。
本文件起草單位:中紡標(深圳)檢測有限公司、內蒙古鄂爾多斯資源股份有限公司、五邑大學、浙江
嘉欣絲綢股份有限公司、欣賀股份有限公司、紹興邁寶科技有限公司、嵊州雅戈爾毛紡織有限公司、廣州
優測智能科技有限公司、中紡標檢驗認證股份有限公司、珠海華倫造紙科技有限公司、蘭波(蘇州)智能
科技有限公司、深圳市計量質量檢測研究院、深圳市菲雀蘭博科技研究中心有限公司、山東宏鉅紡織有
限公司、際華三五零九紡織有限公司、蘇州生生源紗業有限公司、中國計量大學。
本文件主要起草人:陳沛、袁俊、田智芳、朱虹、李妍、劉士杰、巫瑩柱、王云發、馬海燕、紅霞、周新祥、
許仙梅、孟令紅、馬志強、馬艷粉、陳文婕、張韻超、吳惠萍、陳國漢、李君軍、王玉、劉俊偉、張建正、苗馨勻、
許晨愿、陳太明、龐瑞冬、樊宇。
Ⅰ
GB/T45519—2025
紡織品 纖維定量分析
顯微鏡智能識別法
1 范圍
本文件描述了采用顯微鏡智能識別法自動測定紡織品纖維含量的方法。
本文件適用于山羊絨、綿羊毛及其混紡的各類紡織品,也適用于棉、麻(如亞麻、苧麻)及其混紡的各
類紡織品。
本文件不適用于纖維因損傷嚴重、粘連而無法識別的各類紡織品。
其他縱面形態特征有明顯差異的纖維混紡的紡織品參照使用。
2 規范性引用文件
下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中,注日期的引用文
件,僅該日期對應的版本適用于本文件;不注日期的引用文件,其最新版本(包括所有的修改單)適用于
本文件。
GB/T6529 紡織品 調濕和試驗用標準大氣
GB/T40905.1—2021 紡織品 山羊絨、綿羊毛、其他特種動物纖維及其混合物定量分析 第1
部分:光學顯微鏡法
FZ/T01057.3 紡織纖維鑒別試驗方法 第3部分:顯微鏡法
FZ/T30003—2024 紡織品 麻棉混紡產品定量分析方法 光學顯微鏡法
3 術語和定義
下列術語和定義適用于本文件。
3.1
纖維智能分析系統 intelligentanalysissystemforfibers
集現代計算機軟件識別技術與顯微鏡技術的光電一體化纖維圖像檢測的儀器。
注:通過三維自動平臺和攝像頭獲取到清晰的纖維縱面圖像數據,然后輸送給算法模塊,提取單根的纖維圖像,利
用深度學習的網絡模型對纖維進行自動識別,最終確認纖維種類,將獲得的纖維直徑和定性結果返回給系統
軟件控制模塊進行記錄,實現對纖維的定量分析。
4 原理
在光學顯微鏡上,纖維智能分析系統自動獲取到清晰的纖維縱面圖像數據并進行分析,實現對纖維
種類的自動識別和纖維直徑的自動測量,從而得出樣品中各組分的質量分數。
5 儀器、工具及試劑
5.1 儀器
纖維智能分析系統:由光學數碼顯微鏡(應包含攝像頭組件、物鏡、X-Y 軸電動載物臺、Z 軸可調
1
GB/T45519—2025
節、光學放大成像組件)和計算機、顯示器等配件組成。符合以下要求。
a) 光學數碼顯微鏡放大倍數應至少為300倍。
b) 載物臺步進位移裝置,呈“弓”字形走位,路徑采圖覆蓋率應≥70%。
c) 自動聚焦攝像頭,能將視野中的纖維自動對焦、自動采集圖像。
d) 系統成像分辨率應優于1μm/像素。
e) 具有纖維自動分析軟件,具有能自動判別纖維類別、自動測量纖維直徑及自動計算等功能。
f) 分析軟件可自動存儲電子分類纖維圖像,作為數字化留樣,其中包含已測纖維的種類標記和直
徑數據。
g) 纖維圖像文件可在分析軟件中按視場順序載入,允許人工回看或人工復驗;可人工編輯識別數
據,并保存記錄。
5.2 工具
5.2.1 標準刻線尺:精確度0.01mm。
5.2.2 載玻片:(25±1)mm×(76±1)mm,或其他同等規格。
5.3 試劑
液體石蠟,分析純(折光系數介于1.43~1.53之間)。
6 試樣制備和調濕
6.1 試驗樣品的取樣和制備按照 GB/T40905.1、FZ/T30003規定執行。
6.2 實驗室樣品應在 GB/T6529規定的標準大氣中調濕至少4h。
7 試驗步驟
7.1 儀器(模型)校正
按附錄 A 的要求對儀器(模型)定期校驗核查。
7.2 纖維類型分析
紡織品纖維類型鑒別按照 FZ/T01057.3規定執行。
7.3 定量分析
7.3.1 開啟纖維智能分析系統,根據7.2纖維類型鑒別結果,在儀器界面上選擇毛絨或棉麻的測試
類型。
7.3.2 將6.1制備的載玻片置于儀器載物臺上指定位置,選取合適的測試起點。
7.3.3 啟動含量檢測功能,呈“弓”字形自動走位,相鄰視野進行自動采集。纖維智能分析系統自動采
集纖維圖像,保存每個視場的聚焦圖片,并自動完成纖維識別和直徑測量工作。測量點應位于自然形態
下的纖維局部區域。每種纖維直徑測量用的纖維根數不少于 300 根,每個試樣測量總根 數 不 少 于
1500根。
7.3.4 測試完成后,纖維智能分析系統依據 GB/T40905.1、FZ/T30003自動計算出每種纖維種類相應
的質量分數(含量)、纖維平均直徑、標準差、變異系數等數據。
7.3.5 按照7.3.1~7.3.4測試平行樣。
注1:必要時,測試完成后調出測試過程中保存的各視場的電子分類纖維圖像,進行人工復驗和糾正。在此過程
2
GB/T45519—2025
GB/T45519—2025
中,對儀器未準確識別的纖維進行人工識別,修正測試結果。
注2:對于深色樣品,為提升纖維識別準確率,參照 GB/T40905.1—2021中附錄B、FZ/T30003—2024中附錄 A 進
行脫色處理。
注3:纖維測定應用與驗證示例見附錄 B和附錄 C。
8 計算結果的表示
試驗結果以兩個平行樣計算結果的平均值表示,若兩個平行樣計算結果的差異大于3.0%且小于或
等于5.0%時,應測試第三個試樣,最終結果取三個試樣計算結果的平均值。兩次平行試驗結果差異大
于5.0%,應采用 GB/T40905.1、FZ/T30003進行人工測試。試驗結果修約至一位小數。
9 試驗報告
試驗報告應包括以下內容:
a) 本文件編號;
b) 樣品描述;
c) 試驗結果;
d) 任何偏離本方法的細節;
e) 試驗日期。
3
附 錄 A
(規范性)
儀器(模型)校驗核查
A.1 儀器(模型)應定期或在需要時(如剛進行維修或軟件升級時)進行校驗,以判斷儀器的準確性和穩
定性,一般采用實物標準樣品或質控樣對儀器(模型)進行校驗。
A.2 每次校驗應選用涵蓋所檢測纖維種類的校驗樣品至少3個(每種纖維純樣和混紡樣品),含量允差
均應在±3%以內;若偏差超出此范圍,應對儀器進行調整或修正。
A.3 校驗方法按以下步驟執行。
a) 儀器校驗:用標準刻線尺對儀器(模型)進行校驗。
注:定期使用實物細度標準物質/標準樣品,對儀器(模型)進行校驗。
b) 標樣測試:取實物標準樣品或質控樣作為試樣,按第7章步驟測試。
4
GB/T45519—2025
附 錄 B
(資料性)
毛絨產品纖維含量測定應用與驗證示例
B.1 樣品收集
收集純山羊絨,純綿羊毛的不同顏色(覆蓋所有色系)及不同處理工藝(原纖維,紗線,織物)近2000多
個樣品數據庫進行建模,產地來源內蒙古、蒙古、伊朗、阿富汗、澳大利亞等山羊絨、綿羊毛主產區。建模
所用的訓練集包含300萬余張山羊絨纖維圖像,200萬余張綿羊毛纖維圖像,測試集包含45萬余張纖
維圖像。
B.2 模型訓練和驗證
B.2.1 通過采集純樣數據,再由專家進行標注,80%數據集被劃分為訓練集,20%數據集被劃分為測試
集,互相之間無交集。
B.2.2 通過80%數據集進行復合模型訓練,模型滿足要求后,將模型和對應的預處理方法用于實際應
用測試中。
B.2.3 驗證應用時,預先不獲知測試樣品的毛絨成分含量,通過算法獲取其成分含量后,做人機對比統
計和專家校驗。
B.2.4 對于少部分差異較大的樣品,重新制樣進行測試,并由專家進行相同玻片和采集圖片的校驗,更
正其標注含量,再重新計入統計結果內。
B.3 模型的評估驗收
為保證構建的模型有效且模型分類能力滿足需求,模型評價指標見表 B.1。
表 B.1 模型評價指標
指標 準確率 查準率 查全率
需求值 ≥ 93% ≥ 96.15% ≥ 96%
在二分類問題中,樣本包括正樣本、負樣本。當分類器預測結束,通過繪制出混淆矩陣,其中分類結
果分為如下幾種,見表 B.2。
表 B.2 混淆矩陣
混淆矩陣
預測值
正(毛) 負(絨)
真實值
正(毛) TP FN
負(絨) FP TN
準確率=(TP+TN)/(TP+TN+FP+FN);
查準率=TP/(TP+FP);
查全率=TP/(TP+FN)。
5
GB/T45519—2025
GB/T45519—2025
B.4 纖維定量分析驗證試驗
B.4.1 樣品收集
收集不同產地、不同類型、不同顏色、不同實驗室的山羊絨/綿羊毛產品共計1236份,包含純山羊
絨、純澳大利亞羊毛、純土種綿羊毛、不同比例的混紡毛絨產品(包含部分脫色染色處理的毛絨產品)。
B.4.2 數據驗證
毛絨纖維定量測定的計算應按照 GB/T40905.1執行。
在置信度95%的條件下,經統計分析1236份山羊絨、綿羊毛及混紡結果,并與顯微鏡法結果對
比,共有1021份的人機偏差≤3%,占比82.65%;共有176份的人機偏差介于3%~5%,占比14.22%;
共有39份的人機誤差介于5%~8%,占比3.13%。
圖 B.1為毛絨定量分析的人機差值柱狀統計圖,圖 B.2為毛絨定量分析的人機差值散點統計圖。
圖 B.1 毛絨定量分析的人機差值柱狀統計圖
圖 B.2 毛絨定量分析的人機差值散點統計圖
6
綜上,在1236份毛絨測試樣品實驗中,定量結果:淺中色的試樣人機對比偏差≤3%,深色試樣人
機對比偏差為3%~5%,個別經脫色后再染色的試樣(鱗片有損傷,模糊不清)人機對比偏差5%~
8%,此類樣品列為不適用樣本中。
7
GB/T45519—2025
附 錄 C
(資料性)
棉麻產品纖維含量測定應用與驗證實例
C.1 樣品收集
收集不同產地的純紡棉、純亞麻、純苧麻以及純大麻,包括紗線、散纖維、織物等純樣,以及棉/亞麻
混紡、棉/苧麻混紡、棉/大麻等混紡樣品。樣品取圖后由專家進行標注分類,共計約900余玻片,分類標
注纖維數量60萬余張纖維圖像。模型所使用的訓練集包含每一類各15萬余纖維數據共60萬余張纖
維圖像,測試集包含7萬余張纖維圖像。
C.2 模型訓練和驗證
C.2.1 通過采集純紡樣本數據,再由專家進行分類標注,90%數據集被劃分為訓練集,10%數據集被劃
分為測試集,互相之間無交集。
注:該數據集為初期構建數據庫時的比例,后期會進行大量測試驗證,測試集會遠大于訓練集。
C.2.2 通過以人工分類纖維數據為基礎,建立棉-亞麻、棉-苧麻、棉-大麻模型進行訓練和測試,將模型
和對應的預處理方法用于實際應用測試中。
C.2.3 部署應用時,預先不獲知測試樣品的棉麻成分含量,通過算法獲取其成分含量后,做人機對比統
計和專家校驗。
C.2.4 對于少部分差異較大的樣品,重新制樣進行測試,并由專家進行相同玻片和采集圖片的校驗,更
正其標注含量,再重新計入統計結果內,同時收集機器人工比對差異較大的樣品,由人工專家進行分
類,重新進一步迭代模型,完善模型優化系統。
C.3 模型的評估驗收
為保證構建的模型有效且模型分類能力滿足需求,模型評價指標見表 C.1。
表 C.1 模型評價指標
指標 準確率 查準率 查全率
需求值 ≥ 97% ≥ 98.22% ≥ 98%
在二分類問題中,樣本包括正樣本、負樣本。當分類器預測結束,可以通過繪制出混淆矩陣,其中分
類結果分為如下幾種,見表 C.2。
表 C.2 混淆矩陣
混淆矩陣
預測值
正(棉) 負(麻)
真實值
正(棉) TP FN
負(麻) FP TN
準確率=(TP+TN)/(TP+TN+FP+FN);
查準率=TP/(TP+FP);
查全率=TP/(TP+FN)。
8
GB/T45519—2025
C.4 纖維定量分析驗證試驗
C.4.1 樣品收集
收集不同產地,經過2名或以上行業專家復驗的棉麻樣品不少于775份,棉麻成分包含純棉、純亞
麻、純苧麻、棉/亞麻、棉/苧麻等,樣品種類包含紗線、散沙線、織物等純樣和混紡樣品。
C.4.2 數據驗證
棉麻纖維定量測定的計算應按照 FZ/T30003執行。
在置信度95%的條件下,經統計分析706份棉、亞麻及混紡結果,并與顯微鏡法結果對比,共有
673份的人機偏差≤3%,占比95.35%;共有33份的人機偏差介于3%~5%,占比4.65%。偏差范圍為
1.26%~3.16%。
圖 C.1為棉亞麻定量分析的人機差值柱狀統計圖,圖 C.2為棉亞麻定量分析的人機差值散點統
計圖。
圖 C.1 棉亞麻定量分析的人機差值柱狀統計圖
圖 C.2 棉亞麻定量分析的人機差值散點統計圖
9
GB/T45519—2025
