1、1新疆农业大学机械交通学院机械故障诊断课程论文题目： 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2棉花异性纤维检测技术的研究综述浙江大学岑斌（生工 052，3051315017）【摘 要】 本文介绍和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【Absatract】This paper has described and analyzed
2、the vast majority of lint so far in the detection of the raw cotton foreign matters.Many researchers have applied different techniques to identify various contaminations of raw cotton based on their characteristics of geometry , physics and spect roscopyThese techniques are machine vision at visible
3、 light wave , infrared spect roscopy , X-ray micro-tomographic image , and so on.Keywords： Raw cotton, Foreign matters, Detection.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
4、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
5、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静态 国内多光谱成像 无色塑料、黄麻、编织袋、白 郏东耀等人，2005 33类型 范围 检测设备 杂质类型 检测率识别率（）文献头发丝、白羊毛、猪鬃反射成像 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
6、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，200711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. 199012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. 199717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. 200224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. 200425微断层 X 光摄影皮杂、叶子，种
7、皮，聚丙烯。分类准确率；与 AFIS 结果的决定系数89；0.7091Pavani.et al. 200426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. 200527静态 国外Nicolet FT-IR 所有杂质分类。匹配正确率 为 90.64-96.55Himmelsbach et al. 20061.1 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
8、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。落棉净棉198765432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 imaging41.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
9、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，
10、茎秆为 88. Lieberman 等人 3通过机器视觉测量大块棉花团，采集含有不同皮棉杂质和不同总异性物质的 48 个棉花样品图像，通过图像处理分离出杂质区域，分析出异性物质的面积、周长和类型，检测皮棉杂质的预估误差是 0.46 %。Xu 等人 4采用计算机视觉系统检测棉花样品的杂质，该系统包括彩色 CCD 摄像头、氙闪光灯和定制软件。提出识别杂质和污点的多维阈值算法，针对 12 个棉花样品进行杂质和颜色的测量，与 HVI 等检测设备对比，结果与 HVI 等设备检测效果一致。Xu 等人 5通过对棉花杂质的颜色，几何特征来对棉花杂质进行分类，并举出了三种方法平方和、模糊和神经网络聚类方法。对比
11、分析后表明:3 种方法识别棉花杂质准确性分别为 83 %、93 % 和 95 % ，但是神经网络耗时较多。Xu 等人 6通过神经网络法，对比人机交互对棉花进行分级，通过实验数据证实神经网络法能极大的减少人机交互所产生的误差。Tae 等人 7通过 Hitachi KP-C551 CCD 彩色摄像机采集原棉图像，将得到的原棉彩色图像转化成灰度图像，采用 8 领域方法，选择适当的阈值分离出植物性杂质，并计算杂质数量、含量和分布，结果表明样品中主要的杂质是碎叶和种皮，多于大叶子、茎秆和茎皮等 Siddaiah 等人 8通过几何特征为基础分类，由此产生的系统正确分类棉花杂质的准确率达到了 98%。金守峰
12、等人 9构建基于高速高分辨率 CCD 摄像机的棉花异性纤维检测系统，采集样品原始图像信号，采用 Canny 算子边缘检测处理，重心定位算法得到异性纤维的大致范围。金守峰等人 10通过机器视觉，采用三基色 RGB 最佳阈值算法来识别原棉图像信号中存在的异性纤维，试验结果表明，该算法可以有效地识别出原棉中存在的异性纤维。符宝鼎等人 11基于 RGB 颜色模型，以色度为主要特征量，设定阈值判别原棉图像中异性物质。识别效果: BGR ;其中对白麻袋片识别效果很差。李碧丹等人 12设计了机器视觉在线皮棉异性纤维剔除系统，系统由图像采集(TK-C1381EG 型CCD)、处理模块和剔除机构等组成。以图像形
13、态学的二进制图像腐蚀改进算法识别图像中异性纤维。当棉流速度为 413m/s，棉层厚度为 3cm，识别率达到 95%，总剔除率可达90%，落棉率 4%。赵燕等人 13 设计原棉异物剔除系统样机，包括 TCD142D 彩色线阵摄像机、图像采集卡和气动喷嘴(媒介为墨汁) 。常磊 14 采用 FPGA 与 DSP 相结合的方式实现实时图像处理。充分利用以上二者在图像处理方面的优势，达到了可靠性、准确性、经济性和发展性的标准。郭彩霞等人 15在 RGB 颜色空间下建立 BP 神经网络识别模型，识别原棉图像中异性纤维。高伟等人 16利用 3D-LUT 技术，有效解决了颜色空间转换的时间损耗问题，利用 HI
14、S 颜色空间的色度和饱和度信息，对棉花中的杂质进行高效检测和定位，实验结果表明，该系统在棉流速度为 18m/s，杂质大小为 22mm2 的情况下，杂质识别正确率可达到 95.4%。郑文秀等人 17通过对棉花异性纤维的图像进行分割，利用均值平移（Mean-shift）算法和膨胀、滤波算法相结合的图像分割方法，并将其应用于棉花异性纤维5图像的识别中，具有较强的抗噪性，最后结果表明该方法具有分割速度快，精度高的特点。冯显英等人 18在异性纤维清除系统中采用阀岛技术，用来清除混入棉纤维中的异性纤维。清除率在 96.8%以上。冯显英等人 19通过机器视觉提取原棉图片，利用彩色聚色分割方法对实际采集的图像
15、处理与分析，可有效去除皮棉中肉眼难以识别的绝大多数异性纤维通过对试验结果分析识别率在 90以上，表明了该原理方法的可行性。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
16、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
17、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
18、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
19、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6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
20、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。原棉样品 光谱采集 光谱预处理建立预测模型化学方法测定杂物含量预测未知样品红外和紫外波段定标方程图 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 techniqueBohmer 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
21、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 4000650 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 4500650 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
22、 4000650 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-D-吡喃葡萄糖基-D-呋喃果糖(Trehalulose) 含量与累计强度在 I3280 、I 1622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。
23、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
24、的技术仅在图像融合层面，没有进一步的研究开展。72.2.2 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
25、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 ,19
26、94 ,33(5) :1 6421 653.2.Lieberman M A , Patil R B. Evaluation of learning vector quantization to classify cotton trash J . Optical Engineering ,1997 ,36 (3) : 914921.3.Lieberman M A , Michael A L , Charles KB , et al. Determining gravimetric bark content in cotton with machine visionJ .Textile Resea
27、rch Journal ,1998 , 68(2) : 94104.4.Xu B G, Fang C , Huang R , et al. Chromatic image analysis for cotton trash and color measurementsJ . Textile Research Journal ,1997 ,67(12) : 881890.5. Xu B , Fang C , Watson M D. Clustering analysis for cotton trash classificationJ . Textile Research Journal , 1
28、999 ,69(9) :656662.6. B. Xu, J. Su, D.S. Dale. Cotton color grading using a neural networkJ. 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 networkJ .Textile Research Journal , 2002 ,72(9) :
29、776782.8. 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 techniquesC . 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) :
30、2930.10. 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）：13.11.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) :4851.12.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) :107110.13.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) :2122 ,27.14.常蕾.基于 DSP 的棉花异性纤维检测系统总体方案研究J 。科技前沿，2007（8）：5659.15
31、 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 8,20 (5) :542544.16.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)：730735.17.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)：2426.18.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)：139140.19.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)
32、,2006,36(4):4820.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) :104108.21.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) :147150.22.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) :6367.23. Ajay P , Sari-Sarraf H , Member S , et al. Recognition of cotton contaminati
33、on via X2ray micro-tomographic image analysisJ . IEEE Transactions on Industry Applications , 2004 ,40(1) :7785.24.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 Vis
34、ion 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 stereoC . Proceedings of SPIE , Machine Vision Applications in Industrial Inspection XIII , San Jo
35、se , 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) :193196.27.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) :6569.Jia Dongyao , Ding Tianhuai. Analysis of some influence factors of transmission imaging system for detection of foreign material buried in cottonJ . Transa
36、ctions of the Chinese Society for Agricultural Machinery , 2005 ,36 (2) :6569. (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 0584 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) :176179.30. Bohmer S , Budzier H , Krause V , et al. Two channels NIR camera system
37、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 ofCotton Science , 2004 ,8(4) :243253.32. Himmelsbach D S , Hellgeth J W , Mcalister D D.
38、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 4057 412.33. Allen A , Foulk J , Gamble G. Preliminary fourier2transform infrared spectros
39、copy analysis of cotton trashJ . The Journal of Cotton Science ,2007 ,11(1) : 6874.34. Abidi N , Hequet E. Fourier transform infrared analysis of cotton contamination J . Textile Research Journal , 2007 ,77(2) :7784.9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，或者写结构理论； 要求：第一，字数（文字）35004000，不包括图和其他字符所
40、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 12 月 2 号前提交。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，参见本模板，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，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。
