The invention belongs to the textile field, and discloses a fabric recognition method and system based on convolution neural network, which includes: acquiring video of different fabrics, each fabric corresponds to multiple videos; converting the video into multi-frame RGB images; generating optical flow images corresponding to each video according to RGB images of adjacent frames in each video; constructing training sample set, and viewing each video. The multi-frame RGB images and optical flow images corresponding to the frequency are used as training samples, and the fabric types of the training samples are labeled; the training samples are input into the convolution neural network for training, and the convolution neural network model is obtained; the video of the fabric to be identified is obtained; and the classes of the fabric to be identified are identified according to the video of the fabric to be identified and the convolution neural network model. Type. Through fabric video, different fabrics can be classified and identified, and the fabric material can be identified without destroying the fabric, so as to reduce unnecessary waste.
【技术实现步骤摘要】
一种基于卷积神经网络的织物识别方法及系统
本专利技术属于纺织领域,特别涉及一种基于卷积神经网络的织物识别方法及系统。
技术介绍
纺织业作为我国国民经济的重要支柱产业,在国家经济快速发展过程中占有重要的地位。目前,在进行仿制型纺织生产时,由于织物的材料组成成分未知,生产前难以预估产品最终效果。为控制产品质量,只能多次采用试织打样的方式进行生产,每款产品从设计、织造到后整理需经过5-7天,导致产品生产效率过低;并且,需在破坏织物的前提下识别出织物的材料,造成不必要的浪费,产生巨大的经济损失。随着计算机技术的快速发展,在计算机视觉领域,越来越多的人开始关注材料的分类。目前,大部分使用计算机来对织物进行识别的方法主要还是利用材料的物理属性来对织物进行识别。虽然这些研究为动态信息在理解材料特性中的重要性提供了额外的证据,但是,目前还没有根据织物视频对视频中的织物进行分类的方法。
技术实现思路
本专利技术的目的是提供一种基于卷积神经网络的织物识别方法,通过织物视频即可对不同的织物进行分类识别,可在不破坏织物的前提下识别出织物的材料,减少不必要的浪费。本专利技术提供的技术方案如下:一方面,提供一种基于卷积神经网络的织物识别方法,包括:获取不同织物的视频,每种织物对应多个视频;将所述视频转换为多帧RGB图像;根据每个视频中的相邻帧的RGB图像生成每个视频对应的光流图像;构建训练样本集,将每个视频对应的多帧RGB图像和光流图像作为一个训练样本,并标注所述训练样本的织物类型,将多个所述训练样本和标注的所述训练样本的织物类型组成训练样本集;将所述训练样本集输入卷积神经网络进行训练, ...
【技术保护点】
1.一种基于卷积神经网络的织物识别方法,其特征在于,包括:获取不同织物的视频,每种织物对应多个视频;将所述视频转换为多帧RGB图像;根据每个视频中的相邻帧的RGB图像生成每个视频对应的光流图像;构建训练样本集,将每个视频对应的多帧RGB图像和光流图像作为一个训练样本,并标注所述训练样本的织物类型,将多个所述训练样本和标注的所述训练样本的织物类型组成训练样本集;将所述训练样本集输入卷积神经网络进行训练,得到卷积神经网络模型;获取待识别织物的视频;根据所述待识别织物的视频和所述卷积神经网络模型,识别所述待识别织物的类型。
【技术特征摘要】
1.一种基于卷积神经网络的织物识别方法,其特征在于,包括:获取不同织物的视频,每种织物对应多个视频;将所述视频转换为多帧RGB图像;根据每个视频中的相邻帧的RGB图像生成每个视频对应的光流图像;构建训练样本集,将每个视频对应的多帧RGB图像和光流图像作为一个训练样本,并标注所述训练样本的织物类型,将多个所述训练样本和标注的所述训练样本的织物类型组成训练样本集;将所述训练样本集输入卷积神经网络进行训练,得到卷积神经网络模型;获取待识别织物的视频;根据所述待识别织物的视频和所述卷积神经网络模型,识别所述待识别织物的类型。2.根据权利要求1所述的一种基于卷积神经网络的织物识别方法,其特征在于,所述将所述训练样本集输入卷积神经网络进行训练,得到卷积神经网络模型具体包括:将当前训练样本输入卷积神经网络中进行训练,并输出所述当前训练样本对应的织物预测结果;计算所述织物预测结果与所述当前训练样本标注的织物类型之间的误差;当所述误差大于预设值时,将所述误差通过梯度下降法反向传播对所述卷积神经网络的权重进行更新优化,直至所述卷积神经网络输出的织物预测结果与标注的织物类型之间的误差小于所述预设值;当所述误差小于所述预设值时,采用下一训练样本对卷积神经网络进行训练,直至所述训练样本集中的最后一个训练样本训练完成时,得到卷积神经网络模型。3.根据权利要求2所述的一种基于卷积神经网络的织物识别方法,其特征在于,所述将当前训练样本输入卷积神经网络中进行训练,并输出所述当前训练样本对应的织物预测结果具体包括:将当前训练样本输入卷积神经网络中;所述卷积神经网络提取所述当前训练样本中各帧RGB图像的空间特征,得到织物的表面特征;所述卷积神经网络提取所述当前训练样本中的光流图像的时域特征,得到织物的运动特征;将所述织物的表面特征和所述织物的运动特征输入所述卷积神经网络的全连接网络层,输出织物预测结果。4.根据权利要求1所述的一种基于卷积神经网络的织物识别方法,其特征在于,所述根据所述待识别织物的视频和所述卷积神经网络模型,识别出所述待识别织物的类型具体包括:将所述待识别织物的视频转换为多帧RGB图像;根据所述待识别织物对应的多帧RGB图像中相邻帧的RGB图像生成光流图像;将所述待识别织物对应的多帧RGB图像和光流图像输入所述卷积神经网络模型中;所述卷积神经网络模型从所述待识别织物对应的多帧RGB图像中提取出所述待识别织物的表面特征;所述卷积神经网络模型从所述待识别织物对应的光流图像中提取出所述待识别织物的运动特征;将所述待识别织物的表面特征和所述待识别织物的运动特征输入所述卷积神经网络模型的全连接网络层,对所述待识别织物的表面特征和所述待识别织物的运动特征进行融合,输出最终特征信息;根据所述最终特征信息,识别所述待识别织物的类型。5.根据权利要求4所述的一种基于卷积神经网络的织物识别方法,其特征在于,所述根据所述最...
【专利技术属性】
技术研发人员:彭涛,周鲜子,刘军平,陈常念,张自力,胡新荣,姜明华,
申请(专利权)人:武汉纺织大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。