[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

说明书

本发明公开了一种基于分类标准和人类行为的纤维分类的方法，包括：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；对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；将若干纤维片段输入卷积神经网络，卷积神经网络对纤维片段进行分类并输出；将若干纤维图像输入半启发式算法模块，半启发式算法模块对纤维图像进行分类并输出；本发明通过卷积神经网络和半启发式算法模块分别独立地作为分类器自动工作，监管或组合成统计模型，以预测每个待测纤维或待测纤维的纤维片段的具有一定置信度的分类结果。

技术领域

本发明涉及纤维分类的技术领域，尤其涉及一种基于分类标准和人类行为的纤维分类的方法。

背景技术

目前的天然纤维分类工作流程受到ISO标准和扩展的中国标准的严格监管。为了区分一种天然纤维与另一种天然纤维的来源(例如来自羊毛的绒或来自牦牛的绒)，其步骤的顺序通常由人类专家进行图像采集、测量纤维直径、并识别鳞片的全部排列来进行。这是一项耗时的任务，需要专家的专业知识和奉献精神。特别是对于纤维混合物，需要以更高的精度进行识别。

一些高质量的纤维仅通过光学显微镜难以区分，因此需要使用扫描电子显微镜(SEM)，并咨询相应的专家以得出确定的答案，这需要更长的时间

实际上，目前已出现采用视觉进行天然纤维分类的方法，但是利用高分辨率的扫描电子显微图像对天然纤维进行分类的方法亟待开发。

发明内容

有鉴于此，本发明的目的在于提供一种基于分类标准和人类行为的纤维分类的方法。

为了实现上述目的，本发明采取的技术方案为：

一种基于分类标准和人类行为的纤维分类的方法，其中，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。

上述的基于分类标准和人类行为的纤维分类的方法，其中，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。

上述的基于分类标准和人类行为的纤维分类的方法，其中，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。

上述的基于分类标准和人类行为的纤维分类的方法，其中，所述特征向量用于描述纤维的物理特性或视觉特性，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。