[發明專利]基于深度網絡的多組分、多尺度織物三維模型的重構方法

在審

• 申請號: 202211068515.6
• 申請日: 2022-09-02
• 公開（公告）號: CN115423944A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 向忠;周驥;周光寶;錢淼
• 申請（專利權）人: 浙江理工大學;杭州知衣科技有限公司
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 紹興市知衡專利代理事務所(普通合伙) 33277
• 代理人: 施春宜

本發明涉及一種基于深度網絡的多組分、多尺度織物三維模型的重構方法，其包括如下步驟：1)，構建基于無監督學習的織物三維模型的生成對抗神經網絡3D?style?GAN重構模型，該模型由一個生成器G與兩個判別器D和Ds構成；2)，3D?style?GAN模型訓練；將潛向量空間中的噪聲向量輸入生成器中，生成器對輸入向量進行恢復，生成三維織物模型；3)，將已經學習到的具有特定概率密度分布的噪聲向量輸入到訓練好的3D?Style?GAN模型中即可得到各自的重構模型，再進行重構3D模型與真實3D模型的統計特性對比，確定重構模型的效果。本發明能夠快速地重構出所需要的多組分、多尺度的織物模型，從而構建起大數據集，為織物模型的數值研究提供便利。

【技術領域】

本發明涉及一種織物三維模型的建模方法，具體涉及一種基于深度網絡的多組分、多尺度織物三維模型的重構方法，屬于織物模型生成技術領域。

【背景技術】

伴隨著人們生活水平的提高，傳統的單組分織物已不能滿足人們的生活需求，多組分織物成為紡織領域的發展方向。但是，每種組分織物的印染工藝不一樣，染整工藝參數的制定與各組份的比例直接相關?，F有加工技術條件下，都是經過小樣加工、大貨配方流程來實現工藝參數的制定，這樣效率較低，所以迫切需要一種基于織物模型的方法預先確定工藝參數來提高其智能決策水平。

傳統的織物建模方法主要依靠計算機輔助設計或參數化建模等直接、正向建模方法，如中國專利文獻CN108446522A和CN109583048A所示，但是此類方法只能同時對單一尺度、固定組分的織物進行正向建模而無法構建優秀的已存在的織物模型，而重構真實織物的三維模型數據集無論是在織物干燥、定型等方面的仿真研究還是工藝參數的制定方面都具有重大意義，所以需要找到一種能夠快速重構出大型織物模型數據集方法。

基于織物的多孔特性，目前引進多孔材料模型重構思路，進行織物模型重構。其中，最直接的模型重構方法是基于CT掃描，采用高端的納米CT對材料直接掃描可建立三維模型，但此方法耗費太多，且每次都需要按照要求單獨重構。所以進一步地，一些基于數值的重構方法逐漸發展起來了，如高斯法、模擬退火方法、多點統計法等，但這些方法仍然存在耗時長、經濟開銷大、重構出來的多孔介質模型連通性差，分辨率低等問題。近年來，基于深度學習算法的多孔模型重構技術成為熱門的研究領域之一，為三維多孔介質重構開辟了新的道路,現今的研究主要是基于標準GAN和DCGAN等網絡利用二維圖片重構三維模型，如中國專利文獻CN109801375B提出了一種基于深度卷積對抗神經網絡的多孔質材料三維重構方法，其利用二維SEM電鏡圖像訓練DCGAN網絡后生成新的圖像，然后利用插值方法獲得層與層之間的擬合圖像，最后通過圖像堆疊重構三維模型，但從二維圖片重構三維模型基本上只能提取平面上的信息，沒有考慮到多孔結構3D模型的全局信息(如通道的曲率等)，不能完全反應真實多孔結構。

因此，為解決上述問題，確有必要提供一種創新的基于深度網絡的多組分、多尺度織物三維模型的重構方法，以克服現有技術中的所述缺陷。

【發明內容】

本發明的目的在于提供一種基于深度網絡的多組分、多尺度織物三維模型的重構方法，其同時利用3D模型和2D圖片訓練神經網絡，綜合考慮了多孔結構的全局信息和平面信息，能夠快速重構出大量的織物三維模型，構建起大數據集，繼而在此基礎上進行數值模擬，預先確定染整工藝參數。

為實現上述目的，本發明采取的技術方案為：基于深度網絡的多組分、多尺度織物三維模型的重構方法，其包括如下步驟：

1)，構建基于無監督學習的織物三維模型的生成對抗神經網絡3D-style-GAN重構模型，該模型由一個生成器G與兩個判別器D和Ds構成；

2)，3D-style-GAN模型訓練；