[发明专利]一种纺织面料数字化分析方法在审
申请号: | 202211123495.8 | 申请日: | 2022-09-15 |
公开(公告)号: | CN115496717A | 公开(公告)日: | 2022-12-20 |
发明(设计)人: | 李娜娜;郭丹;张效栋 | 申请(专利权)人: | 天津工业大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06V10/774;G06V10/82;G06V10/25 |
代理公司: | 天津才智专利商标代理有限公司 12108 | 代理人: | 王梦 |
地址: | 300387 *** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 纺织 面料 数字化 分析 方法 | ||
1.一种纺织面料数字化分析方法,其特征在于,步骤如下:
S1、采集纺织面料呈平面展开状态下的纺织面料正面高清图像和纺织面料反面高清图像;其中,高清图像中应至少包含三个完整的花型循环单元,且高清图像中织物的分辨力至少为0.1mm;
S2、对步骤S1采集的高清图像进行灰度化处理得到灰度图像,并基于传统的图像处理算法提取得到图像中面料纹理的ROI初始选区;
S3、获得灰度图像中的ROI初始选区得到复制体,并将复制体叠放至经过步骤S2获得的灰度图像上,通过模板匹配法对复制体进行平移、缩放、或旋转的操作,以确定复制体相对于初始ROI区域的偏移量;
S4、根据由步骤S3获得的长度方向的偏移量和宽度方向的偏移量,对由步骤S2得到的图像中的ROI初始选区进行修正,得到ROI修正选区;从图像中裁剪出ROI修正选区作为纺织面料数字化分析基础单元;
S5、将纺织面料数字化分析基础单元输入已训练的深度学习纱线结构图像识别模型中,以对纺织面料的纱线结构进行图像识别,并获得纺织面料类型;
S6、基于步骤S5得到的纺织面料类型,调取该织物类型对应的上机编织图模板;将上机编织图模板与经过步骤S5得到的标记图像缩放至相同尺寸,进而将标记图像中识别出的纱线结构结一一对应地映射至上机编织图模板上,即得到织物的上机编织示意图。
2.根据权利要求1所述的纺织面料数字化分析方法,其特征在于,在步骤S1中,高清图像通过图像采集系统采集得到;图像采集系统包括两台配备高清工业镜头的相机(1)、一台用于加持织物的织物夹持架(2)、光源(3)和相机支架(5);其中,
织物夹持架(2)由自下而上依次设置的水平移动机构、升降移动机构和织物夹持框构成;水平移动机构底部固定在地面上,升降移动机构固定在水平移动机构的滑块上,织物夹持框竖直固定在升降移动机构顶部,使织物夹持框通过水平移动机构沿织物夹持框长度方向往复移动、通过升降移动机构沿织物夹持框高度方向往复移动;两台配备高清工业镜头的相机(1)通过固定在地面上的相机支架(5)对称设置在织物夹持架(2)的两侧,且每台相机(1)的镜头水平朝向纺织面料(4)的方式设置,以实现两台相机采集的高清图像分别为纺织面料相同区域的正面图像和反面图像;两台光源(3)分别对称设置在织物夹持架(2)的两侧,且每台光源朝向织物夹持架(2)上的纺织面料并以斜向向下45°的方式设置。
3.根据权利要求2所述的纺织面料数字化分析方法,其特征在于,织物夹持框(2)为一个矩形框,其对开为两部分,使纺织面料(4)能够夹设在矩形框对开的两部分之间并通过夹具将三者固定为一体,使纺织面料(4)以平面展开并自由下垂的状态实现图像采集。
4.根据权利要求1所述的纺织面料数字化分析方法,其特征在于,在步骤S3中,确定复制体相对于初始ROI区域的偏移量的具体步骤为:
S301、复制由步骤S2得到具有ROI初始选区标注框图像中的ROI初始选区部分,得到ROI选区复制体;
S302、将复制体叠放在由步骤S2得到图像的ROI初始选区标注框上,通过将复制体沿初始ROI选区方向的长度方向向左平移或向右平移,在灰度图像中找到相邻位置处能够与复制体的纹理对应并重合的位置,此时,复制体在初始ROI选区方向长度方向的偏移量就是基础单元的最优长度;
S303、将复制体沿初始ROI选区方向的宽度方向向上平移或向下平移,在灰度图像中找到相邻位置处能够与复制体的纹理对应并重合的位置,此时,复制体在初始ROI选区方向宽度方向的偏移量就是基础单元的最优宽度。
5.根据权利要求1所述的纺织面料数字化分析方法,其特征在于,步骤S5的具体实施步骤如下:
S501、构建深度学习纱线结构图像识别模型并训练;其中,
(1)深度学习纱线结构图像识别模型基于深度学习网络并通过大量不同类型纱线结构样本训练而成的模型;深度学习网络选用Faster R-CNN网络、LeNet网络、AlexNet网络、ZFNet网络、VGGNet网络、GoogLeNet网络、ResNet、或YOLOV5网络;
(2)深度学习纱线结构图像识别模型的训练方法为:
构建纱线结构训练样本:分别获取左开口线圈、右开口线圈,左闭口线圈、右闭口线圈、完整线圈、集圈线圈、左移圈线圈、右移圈线圈、不编织线圈、经纱交点和纬纱交点的二维纱线结构图像作为输入图像;分别在每张二维纱线结构图像外侧绘制矩形框并在矩形框上显示有纱线结构名称,形成标记图像作为输出结果图像;其中,每类二维纱线结构图像不少于2000张,进而得到包含有不少于200000张标记图像的纱线结构训练样本;
模型训练:以二维纱线结构图像为输入信息,以在纱线结构图像外侧设置矩形框并在矩形框上显示纱线结构名称的标记图像为输出结果,将纱线结构训练样本依次输入至指定的深度学习网络中,以完成对深度学习网络的训练和优化,得到深度学习纱线结构图像识别模型;
S502、将由步骤S4获得纺织面料数字化分析基础单元输入至深度学习纱线结构图像识别模型中,得到图像上依次在各个纱线结构外侧设置有矩形框且矩形框上显示有纱线结构名称的标记图像;
S503、根据标记图像上标记的纱线结构名称,确定纺织面料的类型,包括:经编织物、纬编织物和机织物。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津工业大学,未经天津工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211123495.8/1.html,转载请声明来源钻瓜专利网。