[发明专利]一种基于自学习的方式建立纤维种类图谱库的方法

说明书

本发明公布了一种基于自学习的方式建立纤维种类图谱库的方法，使用稀疏自编码神经网络模型对纤维图谱进行特征学习的方法，得到纤维特征图谱，由此建立纤维种类图谱库；并以一定的相似度和图谱库中的图谱比对来确定被检纤维的纤维种类。本发明利用大数据人工智能的方法提供了一个可操作的实用的纤维建库与检测方法，解决了应用纤维图谱来识别纤维种类的理论成果到可以实际应用的问题。

技术领域

本发明涉及纤维定性鉴别技术领域，具体涉及一种基于自学习的方式建立纤维种类图谱库的方法。

背景技术

对于纺织品纤维种类的鉴别，目前主要采用化学方法对被检样品的纤维做定性的鉴别。化学方法的主要缺陷是，化学品对环境的污染和对检验人员的人体伤害。为了解决化学方法的污染问题，各种物理检验的方法被引进，譬如近红外图谱，紫外漫反射光谱，拉曼光谱等。但是在实际应用中，当得到了被检验纤维的图谱后，需要将其和已知的纤维种类标准图谱比对，从而确定被检验的纤维是什么种类的纤维。这就需要有一个涵盖所有纤维种类的纤维图谱库。就目前来说还没有一个可实际应用的纤维图谱库可以给纤维检验机构采用，用其来做纤维种类的定性鉴别。其困难的地方主要有以下几点：

·对于每种种类的纤维需要用不含杂质的纯纤维来采集其图谱，从而得到这种纤维种类的标准图谱；

·对于由不同纤维混合成纤维浆而生产出的混合纤维，由于不同纤维的混合比率无法穷尽，从而不可能对每种混合比率的纤维得到其相应的图谱；

·如果生产单位不提供新型纤维的图谱，那么这种新纤维的图谱检验机构无法得到，从而检验机构无法对其做定性检验。

有鉴于此，要靠单一家或几家检验机构或企业来建立涵盖全种类纤维的图谱库是不可能的。然而，通过对纤维图谱的比对来做纤维的定性检验离不开可用于比对的纤维种类图谱库。由此，如何建立一个在做纤维定性检验时能比对的可靠的纤维种类图谱库至关重要。

每种纤维在某种特定的图谱中都有其特定的特征，这奠定了可以通过物理方法来取得相应的图谱，从而用来辨别纤维种类的理论基础。例如，专利1(CN201510133888.0)记载了基于紫外漫反射光谱的纺织纤维的鉴别方法；专利2(CN101187635A)记载了一种基于拉曼光谱定性鉴别纺织纤维的方法；专利3(CN106706548A)记载了一种基于红外光谱曲线拟合分峰技术的聚酯纤维定性鉴别方法；文献1(应用可见/近红外光谱进行纺织纤维鉴别的研究，光谱学与光谱分析2010年2月第30卷，第2期)记载了应用可见或近红外光谱进行纺织纤维的鉴别技术。

无污染的物理纤维含量检测方法是纺织品质量检验技术的发展方向。为了取代化学法，对于基于图谱分析的检验方法的关键是需要有一个可以比对纤维种类的图谱库。但是，现有的纤维种类建库技术难以解决在短期内快速高效地建立涵盖所有纤维种类的图谱库的难题。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于自学习的方式建立纤维种类图谱库的方法，使用稀疏自编码神经网络模型对纤维图谱进行特征学习的方法(简称特征学习)，得到纤维特征图谱，并以一定的相似度和图谱库中的图谱比对来确定被检纤维的纤维种类。

本发明应用一定的相似度进行检测，是因为纤维检验的标准都有一定的容错率，譬如国标AATCC-20A-2000。如果容错率是95％，那么也可以将其表述为被检纤维以95％以上的概率是某种纤维。也可以说被检纤维是某种纤维的相似度达到95％或以上时，其容错率可以满足95％。