[發明專利]一種基于深度學習的纖維識別方法及裝置

在審

• 申請號: 201711465663.0
• 申請日: 2017-12-28
• 公開（公告）號: CN108090498A
• 公開（公告）日: 2018-05-29
• 發明（設計）人: 賈立鋒;吳迪
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種基于深度學習的纖維識別方法，其特征在于，包括：

利用預定參數創建卷積神經網絡模型；其中，所述卷積神經網絡模型的卷積核為長寬不等的矩形卷積核；

獲取纖維圖片的訓練集及驗證集，通過所述纖維圖片的訓練集及驗證集對所述卷積神經網絡模型訓練，得到訓練后的卷積神經網絡模型；

確定待識別纖維圖片，根據所述訓練后的卷積神經網絡模型對所述待識別纖維圖片進行識別；其中，所述訓練集、驗證集及待識別纖維圖片中的纖維圖片均為長寬不等的矩形纖維圖片。

2.根據權利要求1所述的纖維識別方法，其特征在于，所述卷積神經網絡模型為7層卷積神經網絡模型，各層包括：

第一層：conv1-relu1-pool1-norm1；第二層：conv2-relu2-pool2-norm2；第三層：conv3-relu3；第四層：conv4-relu4-pool4；第五層：fc5-relu5-dropput5；第六層：fc6-relu6-dropput6；第七層：fc7-softmax。

3.根據權利要求1所述的纖維識別方法，其特征在于，所述訓練集、驗證集及待識別纖維圖片的纖維圖片中的纖維直徑均大于預設閾值。

4.根據權利要求1-3所述的纖維識別方法，其特征在于，所述根據所述訓練后的卷積神經網絡模型對所述待識別纖維圖片進行識別，包括：

根據所述訓練后的卷積神經網絡模型獲取所述待識別纖維圖片的中的纖維特征，并利用所述纖維特征以及所述訓練后的卷積神經網絡模型中的Softmax函數對所述待識別纖維圖片進行分類。

5.一種基于深度學習的纖維識別裝置，其特征在于，包括：

卷積神經網絡模型創建模塊，用于利用預定參數創建卷積神經網絡模型；其中，所述卷積神經網絡模型的卷積核為長寬不等的矩形卷積核；

卷積神經網絡模型訓練模塊，用于獲取纖維圖片的訓練集及驗證集，通過所述纖維圖片的訓練集及驗證集對所述卷積神經網絡模型訓練，得到訓練后的卷積神經網絡模型；

纖維圖片識別模塊，用于確定待識別纖維圖片，根據所述訓練后的卷積神經網絡模型對所述待識別纖維圖片進行識別；其中，所述訓練集、驗證集及待識別纖維圖片中的纖維圖片均為長寬不等的矩形纖維圖片。

6.根據權利要求5所述的纖維識別裝置，其特征在于，所述卷積神經網絡模型為7層卷積神經網絡模型，各層包括：

第一層：conv1-relu1-pool1-norm1；第二層：conv2-relu2-pool2-norm2；第三層：conv3-relu3；第四層：conv4-relu4-pool4；第五層：fc5-relu5-dropput5；第六層：fc6-relu6-dropput6；第七層：fc7-softmax。

7.根據權利要求5所述的纖維識別裝置，其特征在于，所述訓練集、驗證集及待識別纖維圖片的纖維圖片中的纖維直徑均大于預設閾值。

8.根據權利要求5-7所述的纖維識別裝置，其特征在于，所述纖維圖片識別模塊，具體用于：

根據所述訓練后的卷積神經網絡模型獲取所述待識別纖維圖片的中的纖維特征，并利用所述纖維特征以及所述訓練后的卷積神經網絡模型中的Softmax函數對所述待識別纖維圖片進行分類。

9.一種纖維識別設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至4任一項所述基于深度學習的纖維識別方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至4任一項所述基于深度學習的纖維識別方法的步驟。