[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

摘要

本发明提供了一种基于深度学习的针织物基本组织结构自动识别方法，该方法包括：采集织物样本图像；基于深度卷积神经网络算法，结合学习迁移策略，针对织物样本集训练出可识别针织物基本组织的网络模型；输入待测织物组织图片并进行预处理，加载训练好的网络模型对待测织物组织图片进行识别，最终输出识别结果。与传统的方法相比，本发明成功地将卷积神经网络模型应用在针织物基本组织的识别任务中，具有很高的识别率，对针织物变化组织和花色组织的识别研究也有一定的启发。

主权项

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。