[发明专利]基于深度学习的织物纹理分类自动识别方法

说明书

本发明公开了一种基于深度学习的织物纹理分类自动识别方法，包括采集织物纹理图像并建立织物纹理图像训练集；对织物纹理图像训练集进行滤波处理，然后对织物纹理图像训练集中的每幅图像作傅里叶变换，得到织物纹理图像训练集的频谱图，对频谱图进行二值化处理，得到二值化频谱图；构建并训练深度卷积神经网络分类模型，深度卷积神经网络分类模型包括卷积层、全连接特征层、全连接分类层和分类器，深度卷积神经网络分类模型中的各个层之间通过神经元相互连接，利用二值化频谱图训练深度卷积神经网络分类模型，实现对图像正确分类识别；使用训练好的深度卷积神经网络分类模型对新采集的织物纹理图像进行分类识别。本发明识别时间短，识别准确率高。

技术领域

本发明涉及一种纹理识别方法，特别是涉及一种织物纹理分类自动识别方法，属于纺织印染工艺技术领域。

背景技术

织物纹理是织物的重要规格参数，由于在生产过程中，织物容易发生纬斜或者纬弯等现象，此时就需要根据织物纹理来设置不同的整纬参数，不同整纬参数对整纬质量具有很大影响，因此识别织物的纹理分类对整纬质量起着重要的作用。传统的识别织物纹理分类方法，主要是通过人工肉眼观察，该方法很容易因为人眼疲劳以及人的主观意识对织物纹理识别造成影响。鉴于此，市场上出现了很多采用传统图像处理技术来识别织物的组织结构从而识别出其纹理分类的方法，但是，由于基于传统图像处理技术的织物纹理识别方法存在很多对织物组织点判断错误的缺陷，因此造成织物纹理分类识别错误或者无法识别的情况。

发明内容

本发明要解决的技术问题是克服现有技术的不足，提供一种识别准确率高，并且识别时间短、识别效率高的基于深度学习的织物纹理分类自动识别方法。

为解决上述技术问题，本发明采用这样一种基于深度学习的织物纹理分类自动识别方法，包括以下步骤：

步骤1，采集织物纹理图像并建立织物纹理图像训练集；

步骤2，对所述织物纹理图像训练集进行滤波处理，然后对滤波处理后的织物纹理图像训练集中的每幅图像作傅里叶变换，得到织物纹理图像训练集的频谱图，并对所述频谱图进行二值化处理，得到织物纹理图像训练集的二值化频谱图；

步骤3，构建并训练深度卷积神经网络分类模型，所述深度卷积神经网络分类模型包括卷积层、全连接特征层、全连接分类层和分类器，所述深度卷积神经网络分类模型中的各个层之间通过神经元相互连接，利用所述二值化频谱图训练所述深度卷积神经网络分类模型，实现对织物纹理图像训练集中的图像正确分类识别；

步骤4，使用训练好的深度卷积神经网络分类模型对新采集的织物纹理图像进行分类识别。

作为本发明的一种优选实施方式，在步骤1中，所述采集织物纹理图像并建立织物纹理图像训练集，具体为：

步骤1.1，采集织物纹理图像：使用工业相机，采集不同粗细纱线的同一纹理织物在织物处于水平状态和织物倾斜不同角度时所产生的织物纹理图像；

步骤1.2，建立织物纹理图像训练集：将步骤1.1采集的织物纹理图像建立织物纹理图像训练集，按照织物纹理分类对所述织物纹理图像训练集中的每幅图像进行分类标记，所述织物纹理分类总数目为N。

作为本发明的一种优选实施方式，在步骤2中，所述对织物纹理图像训练集进行滤波处理，然后对滤波处理后的织物纹理图像训练集中的每幅图像作傅里叶变换，得到织物纹理图像训练集的频谱图，并对频谱图进行二值化处理，具体为：

步骤2.1，对织物纹理图像训练集中的每幅图像进行均值滤波处理；

步骤2.2，对均值滤波处理后的织物纹理图像训练集中的每幅图像作傅里叶变换，得到织物纹理图像训练集的频谱图，并对织物纹理图像训练集的频谱图进行二值化处理；

步骤2.3，对所述频谱图进行二值化处理，其步骤是先找出频谱图中最亮的前M个像素，并将其灰度值置为1，将其他像素的灰度值全部置为0，得到织物纹理图像训练集的二值化频谱图，其中，M表示像素个数。