[发明专利]纺织纤维成分识别方法、电子设备及存储介质

权利要求书

1.一种纺织纤维成分识别方法，其特征在于，包括：

获取待识别纤维图像；

将所述待识别纤维图像输入至预先训练好的纤维分类模型中，获得所述纤维分类模型中特征提取模块的第一输出特征向量；其中，所述纤维分类模型为利用softmax损失函数、三元组损失函数和中心损失函数训练获得；

根据所述第一输出特征向量、所述纤维分类模型对应的化学纤维均值和棉麻纤维均值确定所述待识别纤维图像的纤维类别；其中，所述化学纤维均值和棉麻纤维均值为所述纤维分类模型对预先获取的推理样本处理获得；

所述方法还包括：

获取训练样本，其中，所述训练样本包括多张第一化学纤维图像和多张第一棉麻纤维图像；

通过多次迭代如下训练步骤实现对待训练模型的训练，以获得训练好的纤维分类模型；其中，所述训练步骤包括：

分别将第一预设数量的第一化学纤维图像和第一棉麻纤维图像输入待训练模型中，获得每一第一化学纤维图像对应的待训练模型的特征提取模块的第二输出特征向量，以及每一第一棉麻纤维图像对应的待训练模型的特征提取模块的第三输出特征向量；

根据所述第二输出特征向量和所述第三输出特征向量获得三元组损失值和中心损失值；根据所述待训练模型最后一层的第四输出特征向量计算获得softmax损失值；

根据所述softmax损失值、所述三元组损失值和所述中心损失值获得总损失值；

利用所述总损失值对所述待训练模型中的参数进行优化；

所述方法还包括：

获取推理样本，所述推理样本包括第二预设数量的第二化学纤维图像和第二棉麻纤维图像；

分别将所述第二化学纤维图像和所述第二棉麻纤维图像输入至训练好的纤维分类模型中，获得多张第二化学纤维图像分别对应的第五输出特征向量，以及多张第二棉麻纤维图像分别对应的第六输出特征向量；

根据多张第二化学纤维图像分别对应的第五输出特征向量获得所述化学纤维均值；

根据多张第二棉麻纤维图像分别对应的第六输出特征向量获得所述棉麻纤维均值；

所述根据所述第二输出特征向量和所述第三输出特征向量获得三元组损失值，包括：

从第一预设数量的第二输出特征向量中任意选取一个作为第一标定向量，其余的第二输出特征向量为第一正样本，所述第三输出特征向量作为第一负样本，根据所述第一标定向量、所述第一正样本和所述第一负样本获得化学纤维三元组损失值；

从第一预设数量的第三输出特征向量中任意选取一个作为第二标定向量，其余的第三输出特征向量为第二正样本，所述第二输出特征向量作为第二负样本，根据所述第二标定向量、所述第二正样本和所述第二负样本获得棉麻纤维三元组损失值；

从所述化学纤维三元组损失值和所述棉麻纤维三元组损失值中筛选出满足预设条件的作为目标三元组损失值；

对所述目标三元组损失值求均值，获得所述三元组损失值；

所述根据所述第二输出特征向量和所述第三输出特征向量获得中心损失值，包括：

对第一预设数量的第二输出特征向量求均值，获得第一均值向量；

对第一预设数量的第三输出特征向量求均值，获得第二均值向量；

根据所述第一均值向量和所述第二均值向量计算获得所述中心损失值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一输出特征向量、所述纤维分类模型对应的化学纤维均值和棉麻纤维均值确定所述待识别纤维图像的纤维类别，包括：

分别计算所述第一输出特征向量到所述化学纤维均值之间的第一距离和所述第一输出特征向量到所述棉麻纤维均值之间的第二距离；

根据所述第一距离和所述第二距离确定所述待识别纤维图像的纤维类别。

3.根据权利要求1所述的方法，其特征在于，所述特征提取模块包括多个特征提取子模块，相邻两个特征提取子模块之间设置有注意力机制模块。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取待识别纤维图像，包括：

获取多个焦距下的纤维图像；

利用预设的模糊度分类模型确定清晰度最高的三张纤维图像；

将所述三张纤维图像进行合并，获得所述待识别纤维图像。