[發明專利]一種基于深度學習的織物起毛起球評級方法

在審

• 申請號: 202110439663.3
• 申請日: 2021-04-23
• 公開（公告）號: CN113205491A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 肖琪;陸鑫;孫銀銀;劉雷艮;彭佳佳
• 申請（專利權）人: 常熟理工學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張俊范

本發明公開了一種基于深度學習的織物起毛起球評級方法，包括步驟：獲取織物樣本圖像，采用傅里葉變換將織物樣本圖像變換至頻域；指數高通濾波器進行濾波，然后再進行傅里葉反變換；采用小波變換法對毛球信息圖像進行分解與重構；采用迭代閾值法獲得二值化的毛球特征圖像；由二值化的毛球特征圖像及對應評級訓練深度學習網絡；待評級圖像經過步驟一至四處理輸入深度學習網絡得到評級結果。本發明提高了起毛起球等級評定的準確率和泛化能力，克服了人為主觀因素，更為客觀、準確地評定起毛起球等級。

技術領域

本發明涉及一種織物起毛起球評級方法，特別是一種基于深度學習的織物起毛起球評級方法。

背景技術

織物在穿著與洗滌過程中段受到外力或者水流的摩擦作用，使織物內的纖維不斷遷移到織物表面形成毛茸，毛茸繼續在摩擦力的作用下互相糾纏形成毛球，并固著在織物表面，這種現象稱之為起毛起球。起毛起球現象影響織物的外觀以及服用性能。科學客觀地評價織物起毛起球性能是生產實際中經常要進行的一項檢測。

目前織物起毛起球的評定方法主要靠有經驗的工作人員與標準樣照進行對比評定織物起毛起球等級。這種主觀評定的方法不斷對評定環境要求較高，而且人為因素較大，導致實驗結果存在較大誤差。

隨著計算機技術在紡織領域的應用，國內外研究者開展了利用圖像技術和分類技術對織物起毛起球進行客觀評價的研究?？椢锲鹈鹎虻目陀^評價包括兩個方面，一方面是采用圖像分析技術對織物起毛起球圖像進行處理；另一方面利用處理后的織物圖像數據進行起毛起球等級分類。目前大部分單一的圖像處理技術如小波分析法等來獲得織物表面毛球特征，以及利用神經網絡算法對織物圖像數據機型分析獲得起毛起球等級。但是單一的圖像處理技術不能完整有效地提取織物毛球特征，而神經網絡算法的準確率和泛化能力較弱，難以滿足實際工業要求。

發明內容

針對上述現有技術缺陷，本發明的任務在于提供一種基于深度學習的織物起毛起球評級方法，提高織物表面毛球特征提取的完整性，并提高起毛起球等級評定的準確率和泛化能力。

本發明技術方案為，一種基于深度學習的織物起毛起球評級方法，包括以下步驟：

步驟一、獲取織物樣本圖像，采用傅里葉變換將織物樣本圖像變換至頻域；

步驟二、將頻域內的圖像采用指數高通濾波器進行濾波，然后再進行傅里葉反變換，得到毛球信息圖像；

步驟三、采用小波變換法對毛球信息圖像進行分解與重構，得到帶紋理信息的毛球特征圖像；

步驟四、采用迭代閾值法剔除所述帶紋理信息的毛球特征圖像中的紋理信息，獲得二值化的毛球特征圖像；

步驟五、建立深度學習網絡模型；

步驟六、由步驟四得到的所述毛球特征圖像作為所述深度學習網絡模型輸入，由所述毛球特征圖像對應的起毛起球等級作為所述深度學習網絡模型輸出訓練所述深度學習網絡模型；

步驟七、將待評級織物圖像經過所述步驟一至步驟四處理得到相應的待評級毛球特征圖像，并將所述待評級毛球特征圖像輸入訓練后的所述深度學習網絡模型得到起毛起球等級。

進一步地，所述指數高通濾波器的濾波半徑由以下方法確定：計算候選濾波半徑濾波后的頻域內的圖像的能量、能量差值和能量二次差值，將能量二次差值曲線突變點對應的候選濾波半徑作為所述指數高通濾波器的濾波半徑。

進一步地，所述候選濾波半徑為0.1，0.3，0.5，0.7，0.9，1.1和1.3。

進一步地，所述頻域內的圖像的能量計算公式為

其中，f(i,j)為頻域內的圖像像素點在(i,j)處灰度，M為圖像的高度，N為圖像的寬度，能量差值公式為