[發明專利]一種基于生成對抗網絡的羊絨羊毛光學顯微鏡圖像識別方法

有效

• 申請號: 202010967448.6
• 申請日: 2020-10-15
• 公開（公告）號: CN112927180B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 陳皓;樊宇;于偉敏;朱虹;田智芳;孟令紅;紅霞;馬海燕;徐仙梅;龐瑞冬;陸志仁;劉鵬飛;陳輝
• 申請（專利權）人: 內蒙古鄂爾多斯資源股份有限公司;蘭波（蘇州）智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/149;G06T7/194;G06N3/04;G06N3/08;G06T5/30
• 代理公司: 蘇州通途佳捷專利代理事務所(普通合伙) 32367
• 代理人: 翁德億

本發明公開了一種基于生成對抗網絡的羊絨羊毛光學顯微鏡圖像識別方法，步驟包括：收集羊絨羊毛材料制成纖維樣本，通過光學顯微鏡獲得所有纖維樣本表面的光學圖像后，進行纖維圖像提取并進行深淺區分，利用清晰的淺色纖維圖像，對基于深度神經的分類網絡進行纖維判別任務訓練，利用不清晰的深色或帶有花斑纖維圖像，對基于注意力機制、分類損失函數、循環穩定損失函數的生成對抗網絡進行風格轉換任務訓練，對于新的待測試羊絨羊毛材料，重復上述步驟，或將清晰的淺色纖維圖像直接送入深度神經分類網絡進行類型判別，或將不清晰的深色或帶有花斑纖維圖像經生成對抗網絡風格轉換后再送入深度神經分類網絡進行類型判別，最后輸出判別結果。

技術領域

本發明屬于紡織行業檢測分析領域，特別涉及一種基于生成對抗網絡的羊絨羊毛光學顯微鏡圖像識別方法，用于分析特種動物纖維在不同工藝處理后的質量成分。

背景技術

現如今，羊絨羊毛纖維鑒別有多種檢測技術和方法，如纖維光學影像識別法、DNA法、液質蛋白分析法等等。但截至目前，這些方法均因自身的缺陷無法得到廣泛應用。因此，傳統的光學顯微鏡法仍然是比較可靠、成熟、準確的鑒別方法。

傳統的光學顯微鏡法是把一定量的毛絨纖維經開松后置于放大的顯微鏡下，通過人工觀察如鱗片結構特征來進行逐根鑒別，勞動強度大，檢測速度慢。而且有些羊絨羊毛由于存在染色的原因，這使得光學顯微鏡纖維圖像更加難以區分。為此就需要根據纖維圖像的特點進行不一樣的處理，如深色樣本在光學顯微鏡下無法顯示纖維的鱗片結構及其相關特征，目前常用的方法為進行褪色處理；例如類紫絨樣本在纖維圖像存在花斑而導致纖維鱗片或相關特征不明顯，目前常用的方法為進行脫色處理。但是通常來說，脫色或褪色時間越長，盡管纖維的顏色或者斑點可以得到去除，但是無法避免地對鱗片等特征造成損傷，最終同樣會導致鑒別結果的不準確。

另外，隨著檢測新技術的不斷涌現，基于深度學習等人工智能技術的自動分類方法在毛絨纖維鑒別上有所突破。為了保證羊絨羊毛鑒別任務的準確性和穩定性，這些基于機器學習的自動鑒別技術往往需要大量的標記數據。在實際應用中，根據紡織的流程區分，需要鑒別的羊絨羊毛分為絨毛纖維原料，紗線，機織等工藝形態；此外，根據不同客戶的需求，羊絨羊毛有時也會染成不同的顏色。盡管基于深度神經分類網絡的方法在許多任務中有卓越的成果，但這些網絡往往需要大量的數據才能避免過度擬合。遺憾的是，在紡織行業，由于羊絨羊毛產地的多樣化及成品需求的個性化，企業無法短時間收集足夠的樣本來訓練一個泛化能力足夠好的模型應對市場的需求。

針對以上顯著問題，目前的主流解決方案是根據已有收集到的數據訓練出一個模型，在模型實際使用的過程中，鑒別出模型無法識別的絨毛類型后進行該類數據的收集，然后根據擴大訓練數據集對模型進行重新訓練，如此重復直到模型的表現達到穩定。但是，該種方式耗時耗力，因此衍生出對利用有限數據人工地產生出等價數據的技術需求。

發明內容

針對現有技術存在的問題，本發明提供了一種基于生成對抗網絡的羊絨羊毛光學顯微鏡圖像識別方法，以實現擴展訓練集或者將模型未曾見過的數據風格轉換成已有的數據類型的風格，并實現在原有分類模型下進行分類識別。

一種基于生成對抗網絡的羊絨羊毛光學顯微鏡圖像識別方法，包括以下步驟：

步驟S1、收集大量的羊絨羊毛材料并制成纖維樣本；

制作纖維樣本的具體方法為：收集大量包括但不僅限于由精梳、紗線、針織、機織等不同工藝過程制得的羊絨羊毛材料，所述羊絨羊毛材料中必須同時包含經過特殊處理的羊絨羊毛材料，且所述的經過特殊處理的羊絨羊毛材料包括但不僅限于深顏色、有髓或者有斑點(如紫絨)的羊絨羊毛材料，然后在所有羊絨羊毛材料的任意位置分別取一束纖維并進行裁剪后放到載玻片，最后滴入石蠟溶液蓋上蓋玻片，制成纖維樣本；

步驟S2、通過光學顯微鏡對各個纖維樣本進行成像，獲得所有纖維樣本表面的光學圖像；

步驟S3、基于深度神經分類網絡，對可看清鱗片信息的淺色纖維圖像纖維進行類別判別任務訓練；