[发明专利]基于双路神经网络的纺织面料中纤维种类及混纺比例识别方法

摘要

基于双路神经网络的纺织面料中纤维种类及混纺比例识别方法，首先利用手机装上专业光学放大摄像头采集纺织面料样本数据；其次，构建双路深度神经网络，以采集到纺织面料样本中部分图像块为输入，输出为纺织面料中纤维种类及混纺比例，对采集到的样本数据集预处理后，对构建的双路深度网络进行训练；实际使用中，利用手机配备的专业光学放大摄像头拍摄任意一种纺织面料，获得的图片远程传入训练好的深度网络，输出对应纺织面料中纤维种类以及对应混纺比例。通过上述3个步骤，可以识别出任意一种纺织面料中纤维种类以及对应混纺比例。

主权项

1.一种基于双路神经网络的纺织面料中纤维种类及混纺比例识别方法，包括下列步骤：1)纺织面料图片样本数据的采集；利用定制的专业光学放大镜头，采集纺织面料数据集；使用光学放大镜头直径为30厘米，放大倍数为90倍，焦距为0.28cm；采集过程中，剔除模糊、过曝的纺织面料样本图片，对已有不同混纺比例含量的纺织面料，每个类别采集500张以上图片；2)双路神经网络框架的构建与训练；为能够提高纺织面料种类及混纺比例识别率，构建了双路神经网络，双路神经网络分为两个支路；第一支路用于识别纺织面料中纤维类别，将纺织面料图片映射到3个不同的特征表达，每个部分分别对应不同的纤维特征；第二支路用于识别纤维混纺比例，将第一支路获得三个不同纤维特征分别拼接到混纺比例识别子网络的三个子网络中，获得每个类纤维混纺比例；用于纺织面料中纤维种类及混纺比例识别的框架中，输入纺织面料图片块为灰度图，大小为360*360；纤维种类识别子网络中，输入为灰度图，经过一个Dense Block后，分成3路分支，每个分支经过2个Dense Block，获得每个纤维种类对应特征表达，每个分支的输出为单个纤维对应的类别；混纺比例识别子网络，输入为纺织面料图片块为灰度图，经过2个Dense Block，特征图拼接种类识别子网络中不同纤维种类对应特征图，再经过1个Dense Block后，获得纤维混纺比例；双路神经网络在预训练种类识别分支后，固定种类识别网络参数，继续训练纤维混纺比例识别子网络；种类识别子网络，训练迭代次数为100次，梯度下降算法选用随机梯度下降算SGD，算法学习率为0.0001，冲量为0.9；纤维混纺比例识别子网络训练迭代次数为100次，梯度下降算法选用随机梯度下降算法SGD，算法学习率为0.00001，冲量为0.9；3)纺织面料中纤维种类及混纺比例识别；将专业光学放大摄像头安装到手机上，拍摄待识别纺织面料图片，将拍摄图片上传到云端服务器，训练好的用于纺织面料中纤维种类及混纺比例识别的双路神经网络识别出纺织面料纤维种类与混纺比例；服务器计算识别完成后，识别结果返回到用户手机端。