[发明专利]一种基于深度学习的针织物基本组织结构自动识别方法

权利要求书

1.一种基于深度学习的针织物基本组织结构自动识别方法，其特征在于，基于深度卷积神经网络算法，结合学习迁移策略，训练出可识别织物组织的网络模型，该方法包括：

步骤1：采集织物样本图像；

步骤2：提取感兴趣区域并将图像大小归一化；

步骤3：结合迁移学习策略，使用AlexNet经典网络针对预训练的模型在目标集上进行微调训练，最终得到可识别针织物基本组织结构的模型，包括以下步骤：

步骤3-1：将样本集分为一个训练集和一个测试集，训练集和测试集的图片数量比例为n₁∶n₂；

步骤3-2：对每类做出标签，测试集和训练集分别生成两个保存有图片标签和相对路径的文本文件，同时打乱文本文件中不同织物组织图片的顺序；

步骤3-3：调整AlexNet经典网络不同层的相关参数，用在ImageNet预训练出的模型bvlc_reference_caffenet对目标集进行微调；

步骤4：将预处理之后织物的正面和反面图像分别作为预测模型的输入并得到输出结果，最后综合两次的结果确定组织类型。

2.如权利要求1所述的方法，其特征在于，步骤1中：使用USB数码电子显微镜，设备自带光源，采集织物表面反射图像，对不同组织结构织物的正面及反面进行拍摄，其中正面图像和反面图像各占一半。

3.如权利要求1所述的方法，其特征在于，步骤2中：首先定位到图像中处于中心位置的一个线圈，然后向中心位置线圈的四周扫描，在横向扫描中由定位到的中心位置的线圈开始，直到扫描区域包含4-5个组织结构基元时停止，纵向扫描中也是从定位到的中心位置的线圈开始，直到扫描区域包含7-8行线圈时停止，提取出感兴趣区域，并将图像尺寸归一化到A*A，预处理之后的图片组成样本集，以此作为AlexNet网络对预训练模型在目标集上微调训练的输入。

4.如权利要求1所述的方法，其特征在于，步骤4中：综合织物正反面图像信息识别织物组织类型的方法，将预处理后织物的正面和反面图像分别作为预测模型的输入并得到输出结果，最终根据两次的结果识别出组织类型。