[发明专利]一种基于卷积神经网络的机织物结构参数识别方法

说明书

本发明属于机织物质量检测技术领域，涉及一种基于卷积神经网络的机织物结构参数识别方法。本发明提供一种基于卷积神经网络的机织物结构参数识别方法，可以同时检测识别织物经纬密、织物组织以及色织物色纱排列，是一种精确度高、鲁棒性强、品种适应性广的机织物结构参数识别方法。同时所提出的网络可分层提取不同的图像特征，使用的深度卷积网络可应用于各种复杂纹理和颜色的机织物，可同时检测各种结构参数包括织物经纬密、织物组织、色纱排列、配色模纹等，提升了机织物结构参数自动检测的效率和效果；本发明所提出的多任务多尺度卷积网络结构可以应用于其它领域中关联特征的目标定位识别问题。

技术领域

本发明属于机织物质量检测技术领域，涉及一种基于卷积神经网络的机织物结构参数识别方法。

背景技术

纺织企业在来样设计与质量检测中，往往需要分析织物的经密、纬密、组织点、色纱排列等结构特征，从而准确得到样品的工艺参数，进行大规模生产或与标准样进行比对。而当产品多样，织物的基础结构特征又密集复杂时，将极大地考验工人的精力与耐心。目前，这一重复枯燥的分析检测工作，仍由熟练工人完成，耗时费力且效率低下。劳动力成本的上升，加上缩短产品生产周期的目标，使得企业对自动化产品工艺参数分析的需求迫切。

伴随着图像采集与模式识别技术的发展，应用计算机视觉的产品特征提取与检测分析，已经成为企业实行适时反应战略，进行大规模生产和质量控制的趋势。尽管基于计算机视觉的织物结构参数识别与检测分析技术发展迅速，但是现有的方法往往是对单一或少量特征点的提取分析，例如需要分别提取组织点和纱线等特征，只能单独识别某一结构参数。另一方面，由于织物的纹理颜色复杂多样，现有的方法的准确率会受较大影响，且他们往往针对于某一种特定的织物，品种适应性不够广泛。以上原因使得现有技术往往难以应用到实际生产中。

发明内容

为了克服现有技术的问题，本发明目的在于提供一种基于卷积神经网络的机织物结构参数识别方法，可以同时检测识别织物经纬密、织物组织以及色织物色纱排列，是一种精确度高、鲁棒性强、品种适应性广的机织物结构参数识别方法。同时所提出的网络可分层提取不同的图像特征，根据处理任务的不同分别识别定位不同的目标，并可应用于其他领域中的识别问题，例如医药领域中不同药品的识别，印刷领域中不同标签的识别等问题。

本发明的技术方案如下：

一种基于卷积神经网络的机织物结构参数识别方法，包括以下步骤：

步骤1，采集广泛的织物图像，所采集的织物图像包含详细织物结构参数；

步骤2，对于采集的织物图像，标注纱线轮廓与基础组织点位置；

步骤3，利用步骤2中标注好的纱线与组织点，使用一种自适应响应的高斯函数生成纱线和组织点的特征热力图；

步骤4，建立一种多任务多尺度结构的卷积神经网络模型，该网络可分层提取图像特征，适用于关联特征的提取，可大大减少模型参数量；

步骤5，利用步骤1中采集的织物图像和步骤3中所生成的特征热力图，对对步骤4中的多任务多尺度的卷积神经网络进行学习和训练，使得网络能够提取纱线和组织点特征图，实现对纱线和组织点的定位识别；

步骤6，对于步骤5所提取的纱线特征图进行后处理，提取到纱线的位置，计算出织物的经纬密，同时根据纱线的位置，可得到组织点的位置；

步骤7，对于步骤5所提取的组织点特征图进行后处理，提取到组织点的类别，结合步骤6所获取的组织点位置，可以得到织物组织，同时使用一种最小组织循环数法，可进一步分析得到基础组织；

步骤8，对于步骤5所获取的组织点位置，结合原始图像提取到每个纱线的颜色特征，针对所提取的颜色特征，使用一种基于色差密度的颜色空间聚类算法，对纱线进行聚类分析可以得到色纱排列，与步骤7所获取的织物组织相结合，可进一步得到织物的配色模纹。