【技术实现步骤摘要】
一种纺织品定性分类方法
本专利技术属于纺织品识别领域，具体涉及一种纺织品定性分类方法。
技术介绍
随着纺织工业和服装产业的发展以及人民生活水平的提高，人们对纺织面料的要求也越来越高。为满足人们的需求，市场上出现越来越多新颖的面料种类。织物的纤维成分及其含量是判定其商品价值的主要指标之一，同时也是受到消费者极大关注的项目。同时，大量的废旧纺织品也面临着回收过程中按类分拣的难题。因此，无论是消费层面还是回收行业中，准确、自动地进行纤维成分的定性或者定量分析在纺织品检测中显得越来越重要。传统的纺织品成分分析方法(化学溶解法、显微镜法等)具有检测周期长、检测环境要求高、化学试剂有毒有害、对环境造成污染大的特点，而且检测成本高，对样品具有破坏性。近年来，近红外技术在软件、仪器和应用领域上获得了快速发展。近红外光谱技术采集样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐。在预先建立好的分析模型基础上，仅需短短的几秒钟便可对一个样品进行全性质的测量，因此它的快速...
【技术保护点】
1.一种纺织品定性分类方法，其特征在于：所述纺织品定性分类方法包括：/n(1)利用卷积网络建立定性分类预测模型；/n(2)采集待检纺织品样本的近红外光谱，对采集到的近红外光谱进行处理得到处理后的近红外光谱；/n(3)将所述处理后的近红外光谱输入到定性分类预测模型中，所述定性分类预测模型输出该待检纺织品样本的类别。/n
【技术特征摘要】
20180713 CN 201810766877X1.一种纺织品定性分类方法，其特征在于：所述纺织品定性分类方法包括：
(1)利用卷积网络建立定性分类预测模型；
(2)采集待检纺织品样本的近红外光谱，对采集到的近红外光谱进行处理得到处理后的近红外光谱；
(3)将所述处理后的近红外光谱输入到定性分类预测模型中，所述定性分类预测模型输出该待检纺织品样本的类别。
2.根据权利要求1所述的纺织品定性分类方法，其特征在于：所述步骤(1)的操作包括：
(11)，利用类别已知的纺织品样本建立标准光谱样本库，然后将标准光谱样本库中的纺织品样本分为训练样本和验证样本；
(12)，设置初始的定性分类预测模型；
(13)，通过训练样本对初始的定性分类预测模型进行训练得到训练后的定性分类预测模型，使用训练后的定性分类预测模型对验证样本进行预测得到验证样本的分类结果，计算训练后的定性分类预测模型的损失值，并判断损失值是否达到最小值，如果是，则此时的训练后的定性分类预测模型为最优定性分类预测模型，转入步骤(14)，如果否，则自动更新定性分类预测模型中的权值和偏置值，将当前定性分类预测模型作为初始的定性分类预测模型，然后返回步骤(13)；
(14)，将最优定性分类预测模型作为定性分类预测模型。
3.根据权利要求2所述的纺织品定性分类方法，其特征在于：所述步骤(11)中的利用类别已知的纺织品样本建立标准光谱样本库的操作包括：
A1，采集类别已知的纺织品样本的近红外光谱，对采集到的近红外光谱进行处理得到处理后的近红外光谱；
A2，将每个已知类别中的各个纺织品样本的处理后的近红外光谱与其类别的分类标签存储在标准光谱样本库中。
4.根据权利要求3所述的纺织品定性分类方法，其特征在于：所述步骤(11)中的将标准光谱样本库中的纺织品样本分为训练样本和验证样本的操作包括：
将标准光谱样本库中的每一个分类中的纺织品样本均随机地按照7：3的比例进行划分，将其中70％的纺织品样本作为训练样本，将剩余的30％的纺织品样本作为验证样本。
5.根据权利要求1所述的纺织品定性分类方法，其特征在于：所述定性分类预测模型包括：
输入层：将处理后的近红外光谱输入到像化层；
像化层：将处理后的近红外光谱转化为40像素×30像素的灰度图像，即40像素×30像素的二维矩阵，然后将该二维矩阵输入到40×30卷积层；
40×30卷积层：通过32个尺寸为5*5的卷积核提取32种像素特征，得到40*30*32的输出向量，将该输出向量输入到20...
【专利技术属性】
技术研发人员：刘正东，李文霞，魏子涵，曾祥鹤，
申请(专利权)人：北京服装学院，
类型：发明
国别省市：北京;11
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。