[发明专利]一种基于分类标准和人类行为的纤维分类的方法

权利要求书

1.一种基于分类标准和人类行为的纤维分类的方法，其特征在于，包括：

步骤S1：提供待测纤维的纤维图像，并执行步骤S2.1至步骤S2.2和/或步骤S3.1；

步骤S2.1：对所述纤维图像进行预处理步骤，得到若干具有相同高度和相同宽度的纤维片段；

步骤S2.2：将若干所述纤维片段输入卷积神经网络，所述卷积神经网络对所述纤维片段进行分类并输出；

步骤S3.1：将若干所述纤维图像输入半启发式算法模块，所述半启发式算法模块对所述纤维图像进行分类并输出；

其中，所述卷积神经网络包括若干用于检测视觉特性的卷积块、以及若干用于分类的密集块，所述卷积神经网络通过纤维图像训练集和纤维图像验证集进行训练；

其中，所述半启发式算法模块预设有纤维的特征向量标准数据集，所述半启发式算法模块检测所述待测纤维的特征向量并与所述特征向量标准数据集相比对，从而进行分类并输出；

所述特征向量包括：用于描述纤维的空间尺寸的第一度量组、用于描述纤维的边界形貌的第二度量组、用于描述纤维的鳞片形态的第三度量组和用于描述纤维的颜色的第四度量组；

所述第二度量组包括：分形、纤维边界的顶部和纤维边界的底部的协方差、纤维边界的每个点处的切线斜率的协方差、纤维高度的最大值和纤维高度的最小值之间的平均距离、纤维的边缘处的鳞片高度的平均正斜率、纤维的边缘处的鳞片高度的平均负斜率。

2.根据权利要求1所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，步骤S2.1中，所述预处理步骤包括：

步骤S2.11：将所述纤维图像的高度扩展至第一指定像素；

步骤S2.12：将所述纤维图像切割成若干宽度为第二指定像素的部分，从而得到若干高度为第一指定像素、宽度为第二指定像素的所述纤维片段。

3.根据权利要求2所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，在所述步骤S2.11中，通过填充空像素将所述纤维图像的高度扩展至第一指定像素。

4.根据权利要求3所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，所述卷积神经网络和所述半启发式算法模块分别预设有若干类型标签，所述卷积神经网络和所述半启发式算法模块分别输出所述待测纤维被分类为其中一所述类型标签的概率。

5.根据权利要求4所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，所述卷积神经网络和所述半启发式算法模块均将具有最高概率的所述类型标签作为结果标签。

6.根据权利要求5所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，还包括：

步骤S4，判断所述卷积神经网络输出的所述结果标签和所述半启发式算法模块输出的所述结果标签是否相同，若相同则执行步骤S5，若不相同则执行步骤S6；

步骤S5：将所述待测纤维分类为所述结果标签；

步骤S6：将所述待测纤维分类为未识别结果。

7.根据权利要求5所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，为所述卷积神经网络输出的概率设置第一最小阈值，若所述卷积神经网络输出的所述概率小于所述第一最小阈值，则所述卷积神经网络将所述结果标签标记为未识别。

8.根据权利要求5所述的基于分类标准和人类行为的纤维分类的方法，其特征在于，为所述半启发式算法模块的概率设置第二最小阈值，若所述半启发式算法模块输出的所述概率小于所述第二最小阈值，则所述半启发式算法模块将所述结果标签标记为未识别。