GB/T 45519-2025 (English) Textiles—Fiber quantitative analysis—Intelligent identification method using microscope
ICS59.080.01
CCS W 04
中 华 人 民 共 和 国 国 家 标 准
GB/T45519—2025
纺织品 纤维定量分析
显微镜智能识别法
Textiles—Fiberquantitativeanalysis—
Intelligentidentificationmethodusingmicroscope
2025-04-25发布 2025-11-01实施
国 家 市 场 监 督 管 理 总 局
国 家 标 准 化 管 理 委 员 会
发 布
前 言
本文件按照 GB/T1.1—2020《标准化工作导则 第1部分:标准化文件的结构和起草规则》的规定
起草。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。
本文件由中国纺织工业联合会提出。
本文件由全国纺织品标准化技术委员会(SAC/TC209)归口。
本文件起草单位:中纺标(深圳)检测有限公司、内蒙古鄂尔多斯资源股份有限公司、五邑大学、浙江
嘉欣丝绸股份有限公司、欣贺股份有限公司、绍兴迈宝科技有限公司、嵊州雅戈尔毛纺织有限公司、广州
优测智能科技有限公司、中纺标检验认证股份有限公司、珠海华伦造纸科技有限公司、兰波(苏州)智能
科技有限公司、深圳市计量质量检测研究院、深圳市菲雀兰博科技研究中心有限公司、山东宏钜纺织有
限公司、际华三五零九纺织有限公司、苏州生生源纱业有限公司、中国计量大学。
本文件主要起草人:陈沛、袁俊、田智芳、朱虹、李妍、刘士杰、巫莹柱、王云发、马海燕、红霞、周新祥、
许仙梅、孟令红、马志强、马艳粉、陈文婕、张韻超、吴惠萍、陈国汉、李君军、王玉、刘俊伟、张建正、苗馨匀、
许晨愿、陈太明、庞瑞冬、樊宇。
Ⅰ
GB/T45519—2025
纺织品 纤维定量分析
显微镜智能识别法
1 范围
本文件描述了采用显微镜智能识别法自动测定纺织品纤维含量的方法。
本文件适用于山羊绒、绵羊毛及其混纺的各类纺织品,也适用于棉、麻(如亚麻、苎麻)及其混纺的各
类纺织品。
本文件不适用于纤维因损伤严重、粘连而无法识别的各类纺织品。
其他纵面形态特征有明显差异的纤维混纺的纺织品参照使用。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文
件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于
本文件。
GB/T6529 纺织品 调湿和试验用标准大气
GB/T40905.1—2021 纺织品 山羊绒、绵羊毛、其他特种动物纤维及其混合物定量分析 第1
部分:光学显微镜法
FZ/T01057.3 纺织纤维鉴别试验方法 第3部分:显微镜法
FZ/T30003—2024 纺织品 麻棉混纺产品定量分析方法 光学显微镜法
3 术语和定义
下列术语和定义适用于本文件。
3.1
纤维智能分析系统 intelligentanalysissystemforfibers
集现代计算机软件识别技术与显微镜技术的光电一体化纤维图像检测的仪器。
注:通过三维自动平台和摄像头获取到清晰的纤维纵面图像数据,然后输送给算法模块,提取单根的纤维图像,利
用深度学习的网络模型对纤维进行自动识别,最终确认纤维种类,将获得的纤维直径和定性结果返回给系统
软件控制模块进行记录,实现对纤维的定量分析。
4 原理
在光学显微镜上,纤维智能分析系统自动获取到清晰的纤维纵面图像数据并进行分析,实现对纤维
种类的自动识别和纤维直径的自动测量,从而得出样品中各组分的质量分数。
5 仪器、工具及试剂
5.1 仪器
纤维智能分析系统:由光学数码显微镜(应包含摄像头组件、物镜、X-Y 轴电动载物台、Z 轴可调
1
GB/T45519—2025
节、光学放大成像组件)和计算机、显示器等配件组成。符合以下要求。
a) 光学数码显微镜放大倍数应至少为300倍。
b) 载物台步进位移装置,呈“弓”字形走位,路径采图覆盖率应≥70%。
c) 自动聚焦摄像头,能将视野中的纤维自动对焦、自动采集图像。
d) 系统成像分辨率应优于1μm/像素。
e) 具有纤维自动分析软件,具有能自动判别纤维类别、自动测量纤维直径及自动计算等功能。
f) 分析软件可自动存储电子分类纤维图像,作为数字化留样,其中包含已测纤维的种类标记和直
径数据。
g) 纤维图像文件可在分析软件中按视场顺序载入,允许人工回看或人工复验;可人工编辑识别数
据,并保存记录。
5.2 工具
5.2.1 标准刻线尺:精确度0.01mm。
5.2.2 载玻片:(25±1)mm×(76±1)mm,或其他同等规格。
5.3 试剂
液体石蜡,分析纯(折光系数介于1.43~1.53之间)。
6 试样制备和调湿
6.1 试验样品的取样和制备按照 GB/T40905.1、FZ/T30003规定执行。
6.2 实验室样品应在 GB/T6529规定的标准大气中调湿至少4h。
7 试验步骤
7.1 仪器(模型)校正
按附录 A 的要求对仪器(模型)定期校验核查。
7.2 纤维类型分析
纺织品纤维类型鉴别按照 FZ/T01057.3规定执行。
7.3 定量分析
7.3.1 开启纤维智能分析系统,根据7.2纤维类型鉴别结果,在仪器界面上选择毛绒或棉麻的测试
类型。
7.3.2 将6.1制备的载玻片置于仪器载物台上指定位置,选取合适的测试起点。
7.3.3 启动含量检测功能,呈“弓”字形自动走位,相邻视野进行自动采集。纤维智能分析系统自动采
集纤维图像,保存每个视场的聚焦图片,并自动完成纤维识别和直径测量工作。测量点应位于自然形态
下的纤维局部区域。每种纤维直径测量用的纤维根数不少于 300 根,每个试样测量总根 数 不 少 于
1500根。
7.3.4 测试完成后,纤维智能分析系统依据 GB/T40905.1、FZ/T30003自动计算出每种纤维种类相应
的质量分数(含量)、纤维平均直径、标准差、变异系数等数据。
7.3.5 按照7.3.1~7.3.4测试平行样。
注1:必要时,测试完成后调出测试过程中保存的各视场的电子分类纤维图像,进行人工复验和纠正。在此过程
2
GB/T45519—2025
GB/T45519—2025
中,对仪器未准确识别的纤维进行人工识别,修正测试结果。
注2:对于深色样品,为提升纤维识别准确率,参照 GB/T40905.1—2021中附录B、FZ/T30003—2024中附录 A 进
行脱色处理。
注3:纤维测定应用与验证示例见附录 B和附录 C。
8 计算结果的表示
试验结果以两个平行样计算结果的平均值表示,若两个平行样计算结果的差异大于3.0%且小于或
等于5.0%时,应测试第三个试样,最终结果取三个试样计算结果的平均值。两次平行试验结果差异大
于5.0%,应采用 GB/T40905.1、FZ/T30003进行人工测试。试验结果修约至一位小数。
9 试验报告
试验报告应包括以下内容:
a) 本文件编号;
b) 样品描述;
c) 试验结果;
d) 任何偏离本方法的细节;
e) 试验日期。
3
附 录 A
(规范性)
仪器(模型)校验核查
A.1 仪器(模型)应定期或在需要时(如刚进行维修或软件升级时)进行校验,以判断仪器的准确性和稳
定性,一般采用实物标准样品或质控样对仪器(模型)进行校验。
A.2 每次校验应选用涵盖所检测纤维种类的校验样品至少3个(每种纤维纯样和混纺样品),含量允差
均应在±3%以内;若偏差超出此范围,应对仪器进行调整或修正。
A.3 校验方法按以下步骤执行。
a) 仪器校验:用标准刻线尺对仪器(模型)进行校验。
注:定期使用实物细度标准物质/标准样品,对仪器(模型)进行校验。
b) 标样测试:取实物标准样品或质控样作为试样,按第7章步骤测试。
4
GB/T45519—2025
附 录 B
(资料性)
毛绒产品纤维含量测定应用与验证示例
B.1 样品收集
收集纯山羊绒,纯绵羊毛的不同颜色(覆盖所有色系)及不同处理工艺(原纤维,纱线,织物)近2000多
个样品数据库进行建模,产地来源内蒙古、蒙古、伊朗、阿富汗、澳大利亚等山羊绒、绵羊毛主产区。建模
所用的训练集包含300万余张山羊绒纤维图像,200万余张绵羊毛纤维图像,测试集包含45万余张纤
维图像。
B.2 模型训练和验证
B.2.1 通过采集纯样数据,再由专家进行标注,80%数据集被划分为训练集,20%数据集被划分为测试
集,互相之间无交集。
B.2.2 通过80%数据集进行复合模型训练,模型满足要求后,将模型和对应的预处理方法用于实际应
用测试中。
B.2.3 验证应用时,预先不获知测试样品的毛绒成分含量,通过算法获取其成分含量后,做人机对比统
计和专家校验。
B.2.4 对于少部分差异较大的样品,重新制样进行测试,并由专家进行相同玻片和采集图片的校验,更
正其标注含量,再重新计入统计结果内。
B.3 模型的评估验收
为保证构建的模型有效且模型分类能力满足需求,模型评价指标见表 B.1。
表 B.1 模型评价指标
指标 准确率 查准率 查全率
需求值 ≥ 93% ≥ 96.15% ≥ 96%
在二分类问题中,样本包括正样本、负样本。当分类器预测结束,通过绘制出混淆矩阵,其中分类结
果分为如下几种,见表 B.2。
表 B.2 混淆矩阵
混淆矩阵
预测值
正(毛) 负(绒)
真实值
正(毛) TP FN
负(绒) FP TN
准确率=(TP+TN)/(TP+TN+FP+FN);
查准率=TP/(TP+FP);
查全率=TP/(TP+FN)。
5
GB/T45519—2025
GB/T45519—2025
B.4 纤维定量分析验证试验
B.4.1 样品收集
收集不同产地、不同类型、不同颜色、不同实验室的山羊绒/绵羊毛产品共计1236份,包含纯山羊
绒、纯澳大利亚羊毛、纯土种绵羊毛、不同比例的混纺毛绒产品(包含部分脱色染色处理的毛绒产品)。
B.4.2 数据验证
毛绒纤维定量测定的计算应按照 GB/T40905.1执行。
在置信度95%的条件下,经统计分析1236份山羊绒、绵羊毛及混纺结果,并与显微镜法结果对
比,共有1021份的人机偏差≤3%,占比82.65%;共有176份的人机偏差介于3%~5%,占比14.22%;
共有39份的人机误差介于5%~8%,占比3.13%。
图 B.1为毛绒定量分析的人机差值柱状统计图,图 B.2为毛绒定量分析的人机差值散点统计图。
图 B.1 毛绒定量分析的人机差值柱状统计图
图 B.2 毛绒定量分析的人机差值散点统计图
6
综上,在1236份毛绒测试样品实验中,定量结果:浅中色的试样人机对比偏差≤3%,深色试样人
机对比偏差为3%~5%,个别经脱色后再染色的试样(鳞片有损伤,模糊不清)人机对比偏差5%~
8%,此类样品列为不适用样本中。
7
GB/T45519—2025
附 录 C
(资料性)
棉麻产品纤维含量测定应用与验证实例
C.1 样品收集
收集不同产地的纯纺棉、纯亚麻、纯苎麻以及纯大麻,包括纱线、散纤维、织物等纯样,以及棉/亚麻
混纺、棉/苎麻混纺、棉/大麻等混纺样品。样品取图后由专家进行标注分类,共计约900余玻片,分类标
注纤维数量60万余张纤维图像。模型所使用的训练集包含每一类各15万余纤维数据共60万余张纤
维图像,测试集包含7万余张纤维图像。
C.2 模型训练和验证
C.2.1 通过采集纯纺样本数据,再由专家进行分类标注,90%数据集被划分为训练集,10%数据集被划
分为测试集,互相之间无交集。
注:该数据集为初期构建数据库时的比例,后期会进行大量测试验证,测试集会远大于训练集。
C.2.2 通过以人工分类纤维数据为基础,建立棉-亚麻、棉-苎麻、棉-大麻模型进行训练和测试,将模型
和对应的预处理方法用于实际应用测试中。
C.2.3 部署应用时,预先不获知测试样品的棉麻成分含量,通过算法获取其成分含量后,做人机对比统
计和专家校验。
C.2.4 对于少部分差异较大的样品,重新制样进行测试,并由专家进行相同玻片和采集图片的校验,更
正其标注含量,再重新计入统计结果内,同时收集机器人工比对差异较大的样品,由人工专家进行分
类,重新进一步迭代模型,完善模型优化系统。
C.3 模型的评估验收
为保证构建的模型有效且模型分类能力满足需求,模型评价指标见表 C.1。
表 C.1 模型评价指标
指标 准确率 查准率 查全率
需求值 ≥ 97% ≥ 98.22% ≥ 98%
在二分类问题中,样本包括正样本、负样本。当分类器预测结束,可以通过绘制出混淆矩阵,其中分
类结果分为如下几种,见表 C.2。
表 C.2 混淆矩阵
混淆矩阵
预测值
正(棉) 负(麻)
真实值
正(棉) TP FN
负(麻) FP TN
准确率=(TP+TN)/(TP+TN+FP+FN);
查准率=TP/(TP+FP);
查全率=TP/(TP+FN)。
8
GB/T45519—2025
C.4 纤维定量分析验证试验
C.4.1 样品收集
收集不同产地,经过2名或以上行业专家复验的棉麻样品不少于775份,棉麻成分包含纯棉、纯亚
麻、纯苎麻、棉/亚麻、棉/苎麻等,样品种类包含纱线、散沙线、织物等纯样和混纺样品。
C.4.2 数据验证
棉麻纤维定量测定的计算应按照 FZ/T30003执行。
在置信度95%的条件下,经统计分析706份棉、亚麻及混纺结果,并与显微镜法结果对比,共有
673份的人机偏差≤3%,占比95.35%;共有33份的人机偏差介于3%~5%,占比4.65%。偏差范围为
1.26%~3.16%。
图 C.1为棉亚麻定量分析的人机差值柱状统计图,图 C.2为棉亚麻定量分析的人机差值散点统
计图。
图 C.1 棉亚麻定量分析的人机差值柱状统计图
图 C.2 棉亚麻定量分析的人机差值散点统计图
9
GB/T45519—2025
