[发明专利]基于深度学习的面料属性图片采集和识别方法及识别系统

权利要求书

1.一种基于深度学习的面料属性图片采集和识别方法，所述方法包括：

获取多张面料属性图片，并对所述多张面料属性图片的宏观信息和微观信息进行采集，生成训练集；

对所述训练集通过深度学习模型进行训练；

提取通过所述深度学习模型进行训练的同时包含全局信息和局部信息的深度特征，并对所述深度特征进行线性判别分析完成所述深度学习模型的训练；

对完成训练的所述深度学习模型，通过余弦距离进行面料的识别。

2.根据权利要求1所述的方法，其中，所述宏观信息包括：面料上的花色、图案或者所述花色与所述图案的结合；

所述微观信息包括：面料的工艺属性、面料的材质属性；

其中，所述面料的工艺属性包括：面料的织法工艺、面料的底部颜色工艺、面料的表面工艺；面料的底面工艺、面料的花型工艺、面料的印花工艺、面料的纺线工艺、面料的功能工艺；

所述面料的材质属性包括：面料的弹力、面料的棉类成分、面料的麻类成分、面料的化纤成分、面料的混纺成分、面料的皮毛成分、面料的新型纤维成分。

3.根据权利要求1所述的方法，其中，对所述训练集通过深度学习模型进行训练包括：保留VGG-16模型的前2层特征，对后续层的特征根据训练需求调整，完成对所述训练集通过所述VGG-16模型的训练，其中，所述VGG-16模型包含：13个卷积层，2个全连接层和1个分类层。

4.根据权利要求1所述的方法，还包括：通过剪枝法对所述深度学习模型进行压缩。

5.根据权利要求4所述的方法，其中，所述通过剪枝法对所述深度学习模型进行压缩包括：将训练集中的的图片输入到训练好的神经网络，生成每个卷积核对应的多张特征图；

计算所述多张特征图的信息熵值；

将计算的所述信息熵值与预设的所述信息熵值进行比较，将所述信息熵值低于预设的所述信息熵值所对应的特征图按照预设的压缩率进行剪枝，通过剪枝掉低于预设的所述信息熵值对应的所述特征图的卷积核，完成对所述深度学习模型的压缩操作。

6.根据权利要求1所述的方法，其中，所述提取通过所述深度学习模型进行训练的同时包含全局信息和局部信息的深度特征，并对所述深度特征进行分析包括：基于所述深度学习模型获取其中的高层特征对应的图片的所述全局信息，以及浅层特征对应的图片的所述局部信息；

将所述全局信息和所述局部信息进行融合,并对所述全局信息和所述局部信息进行线性判别与分析映射。

7.根据权利要求1所述的方法，还包括：对同时包含所述全局信息和所述局部信息的所述深度特征通过主成分分析方法完成降维操作，对完成降维操作的512维进行线性判别分析。.

8.根据权利要求1所述的方法，其中，所述对完成训练的所述深度学习模型，通过余弦距离进行面料的识别包括：对完成训练的所述深度学习模型，通过余弦距离和最近邻分类器完成所述面料的识别。

9.一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的方法。

10.一种基于深度学习的面料属性图片采集和识别系统，所述系统包括：

获取模块，用于获取多张面料属性图片；

生成模块，用于对所述多张面料属性图片的宏观信息和微观信息进行采集，生成训练集；

训练模块，用于对所述训练集通过深度学习模型进行训练；

执行模块，用于提取通过所述深度学习模型进行训练的同时包含全局信息和局部信息的深度特征，并对所述深度特征进行线性判别分析完成所述深度学习模型的训练；

识别模块，用于对完成训练的所述深度学习模型，通过余弦距离进行面料的识别。