[发明专利]一种服装面料裁片的颜色和形状识别方法及相关装置

说明书

本申请公开了一种服装面料裁片的颜色和形状识别方法及相关装置，其中方法包括：采集服装面料裁片的图像数据集，通过LabelImg工具对图像数据集进行标注并保存；对图像数据集进行增强得到图像扩充数据集，图像扩充数据集包括：训练集和测试集；设置RetinaNet网络结构模型的特征提取层为ResNet‑50；设置RetinaNet网络结构模型的评价指标，并对RetinaNet网络结构模型的第一个卷积层和第二个卷积层均进行冻结后，将训练集输入到RetinaNet网络结构模型进行训练，当达到预置训练次数时，得到RetinaNet网络结构识别模型；将测试集输入到RetinaNet网络结构识别模型，输出服装面料裁片的识别结果，解决了现有的服装面料裁片识别技术不能同时兼顾快速且准确的识别性能的技术问题。

技术领域

本申请涉及目标检测技术领域，尤其涉及一种服装面料裁片的颜色和形状识别方法及装置。

背景技术

随着我国现代科学技术的飞速发展，传统产业也将受到一定程度的冲击。企业需要尽快融入现代科学技术，向自动化、智能化方向发展。利用计算机视觉领域的研究成果代替人工完成大量重复、程式化的生产过程，可以生产兴业提高生产效率和产品质量提供一种新的解决方案。

在服装产品制作过程中，服装面料裁片的识别是一道非常重要的工序。服装面料片的形状和颜色识别与分类需要大量的人力物力，阻碍了工作质量和分类效率，使产品的生产时间无法得到有效保障。因此，找到一种服装面料裁片的分类方法，不仅可以提高服装生产的生产效率，而且可以减少大量人力物力的消耗，也可以保证服装产品的质量。

目前，服装面料裁片的形状和颜色识别与分类主要有：人工目测法、机器学习法以及深度学习法(如Faster RCNN)，虽然深度学习法相较于人工目测法显著的提高了识别速度，相较于机器学习法提高了识别准确率，但是对于服装面料裁片的识别显然过于复杂，使得不能同时兼顾快速且准确的识别性能。

发明内容

本申请实施例提供了一种服装面料裁片的颜色和形状识别方法及相关装置，用于解决现有的服装面料裁片识别技术不能同时兼顾快速且准确的识别性能的技术问题。

有鉴于此，本申请第一方面提供了一种服装面料裁片的颜色和形状识别方法，所述方法包括：

采集服装面料裁片的图像数据集，通过LabelImg工具对所述图像数据集进行标注并保存；

对所述图像数据集进行增强得到图像扩充数据集，所述图像扩充数据集包括：训练集和测试集；

建立RetinaNet网络结构模型，设置所述RetinaNet网络结构模型的特征提取层为ResNet-50；

设置所述RetinaNet网络结构模型的评价指标，并对所述RetinaNet网络结构模型的第一个卷积层和第二个卷积层均进行冻结后，将所述训练集输入到所述RetinaNet网络结构模型进行训练，当达到预置训练次数时，得到RetinaNet网络结构识别模型；

将所述测试集输入到所述RetinaNet网络结构识别模型，输出所述服装面料裁片的识别结果。

可选地，所述采集服装面料裁片的图像数据集，对所述图像数据集进行标注并保存，具体包括：

设置采集背景颜色为白色以及图像大小为1280×960，对所述服装面料裁片的图像数据集进行采集；

通过LabelImg工具对所述图像数据集中的图像形状进行标框后，保存所述图像数据集为XML文件。

可选地，所述对所述图像数据集进行增强得到图像扩充数据集，具体包括：

对所述图像数据集进行数据增强处理得到图像扩充数据集，所述数据增强处理包括：旋转、缩放、翻转、随机区域采集、平移。