[發明專利]混紡纖維形態特征鑒定模型、其訓練方法以及鑒別方法

在審

• 申請號: 202010700499.2
• 申請日: 2020-07-20
• 公開（公告）號: CN111899233A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 陳沛;袁俊;李妍;閆春紅;李娜;馬源;王錦冠;張志健
• 申請（專利權）人: 中紡標（深圳）檢測有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/62;G06K9/46;G06K9/62;G01N21/84
• 代理公司: 深圳市神州聯合知識產權代理事務所(普通合伙) 44324
• 代理人: 王志強

本發明公開了混紡纖維形態特征鑒定模型，該模型包括有特征提取模塊以及全連接模塊，特征提取模塊與全連接模塊連接；全連接模塊中包括有金字塔池化層，金字塔池化層設置在特征提取模塊后，特征提取模塊與金字塔池化層連接。本發明還提供混紡纖維形態特征鑒定模型的訓練方法，以及，混紡纖維形態特征鑒定模型的鑒別方法，與現有技術相比，本發明具有定模型可處理具有任意尺寸的單根纖維圖像、鑒定模型使用方便、鑒定方法自動化程度高、操作簡單、精確度高等優點。

技術領域

本發明屬于纖維檢測技術領域，特別涉及一種基于深度學習鑒別模型、該模型的訓練方法以及工作方法。

背景技術

服裝行業中，為了便于生產管理和產品分析，需要對紡織纖維進行科學鑒別，其中即包括有對纖維形態特征和理化性質的鑒別。具體到動物混紡纖維，依據國標GB/T16988-2013《特種動物纖維與綿羊毛混合物含量的測定》中的規定，對特種動物纖維與綿羊毛混合物中具體纖維成分的鑒定，需根據綿羊毛的鱗片結構特征，在投影顯微鏡或顯微鏡成像分析儀上分辨出其纖維類別及質量百分比。由此可見，如何鑒定待測的動物混紡纖維中各具體的纖維形態特征，由此得知其類別，進一步確定混紡纖維中羊毛羊絨的具體含量，是動物混紡纖維檢測領域的技術重點。

傳統的檢測技術常用顯微鏡觀察法以人工采集圖像樣本、肉眼觀察的方法獲得鑒定結果，這樣的檢測方法枯燥、低效、經驗性強，在紡織行業蓬勃發展的今天，難以滿足市場對動物混紡纖維鑒別的需求。

為解決傳統的顯微鏡觀察法存在的上述弊端，本領域技術人員采用多種技術手段做出了改進，常見的為基于數字圖像處理技術，對樣本圖像進行處理的方法。以專利公開號為“108776785A”的中國專利申請文件為例，在該專利申請文件中公開的基于多特征融合的羊毛羊絨識別方法，該方法在獲取到的羊毛或羊絨的纖維圖像的基礎上，采用數字圖像處理技術纖維圖像中提取纖維紋理特征和纖維形態特征，并基于纖維紋理特征和纖維形態特征構建多維數組重復上述步驟，得到多個多維數組，并將多個多維數組輸入K均值聚類系統，進行自動分類識別。

上述的方法應用到具體的動物混紡纖維的形態特征鑒定中時，將存在數據量大、計算量大、計算復雜的缺點，且該方法中提及的“基于灰度共生矩陣計算得到熵、角二階矩、相關以及慣性矩”等操作，基于MATLAB中自帶的函數無法自行解決，需要技術人員自行組織算法語言完成操作，這也給檢測工作帶來了更高難度的次生技術問題。

近年來，隨著人工智能相關技術不斷發展，越來多的深度學習相關算法被應用到了動物混紡纖維的形態特征的檢測過程中來，例如在專利公開號為“109583564A”的中國專利申請文件中即公開了一種基于VGG卷積神經網絡的極相似動物纖維自動識別方法，該方法通過樣本制樣-圖像采集-圖像預處理-建立改進后的VGG卷積神經網絡-對所建立的改進后的VGG卷積神經網絡進行訓練-識別器的生成的方法自動提取并識別纖維表面形態特征，從而客觀、準確、快速地鑒別極相似動物纖維。

應該指出，通常情況下，由于纖維樣本中各纖維的形狀大小不定，檢測過程中獲取到的原始圖像尺寸大小不一、比例各異，上述采用VGG卷積神經網絡自動提取并識別纖維表面形態特征鑒別極相似動物纖維的方法，在其圖像預處理中則必須將原始顯微圖像縮小并隨機裁剪，這樣的圖片預處理過程不僅增加了模型的工作量，也將不可避免地在圖片預處理的過程中損失一些原始纖維圖像中的特征，難以獲得高精度的識別結果。

發明內容

為解決上述問題，本發明的目的在于提供混紡纖維形態特征鑒定模型，該模型中以金字塔池化層作為其池化層，可適用各種尺寸大小的圖像，獲得更高的鑒定準確度。

本發明的另一個目的在于提供混紡纖維形態特征鑒定模型的訓練方法，以單根纖維的實際尺寸作為圖片尺寸，輸入初始模型中對初始模型進行訓練，達到預期準確度后保存模型。

本發明的再一個目的在于提供一種鑒別方法，該方法應用上述基于深度學習的動物混紡纖維形態特征鑒定模型，自動化鑒定動物纖維混紡纖維的形態特征。