纺织面料的智能化加工工艺及其系统技术方案

本申请涉及智能检测领域，其具体地公开了一种纺织面料的智能化加工工艺及其系统，其通过采用基于深度学习的人工智能算法来对于待检测纺织面料的检测图像中关于纺织面料的纹理特征和颜色特征进行提取，并融合这两者的特征信息来综合进行所述待检测纺织面料的成型质量的智能检测。这样，能够准确地进行纺织面料成型质量的智能化检测，以提高纺织面料的生产质量。产质量。产质量。

【技术实现步骤摘要】
纺织面料的智能化加工工艺及其系统


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种纺织面料的智能化加工工艺及其系统。

技术介绍

[0002]纺织原意是取自纺纱与织布的总称，随着纺织知识体系和学科体系的不断发展和完善，特别是非织造纺织材料和三维复合编织等技术产生后，现代的纺织定义为一种纤维或纤维集合体的多尺度结构加工技术。纺织加工是通过加工技术对面料的材质特性、表面纹理和图案进行处理的过程，过程中需要采用加工设备对面料进行加工处理。
[0003]在现有的纺织面料加工工艺中，当纺织面料制备成型后，需要对其进行质检，以此来确定各个批次的纺织面料生产质量，从而降低次品的流通量，提高纺织面料的生产加工质量。但是，现有的纺织面料质检方式较为简单，通常只是通过人工进行取样观察测试来进行，这种方式不仅会浪费大量的时间和资源在质检上，还会使得纺织面料的质检效果不佳，进而影响生产后纺织面料质检的准确度，导致很多次品纺织面料流通到市场中，降低企业和商家的口碑和信誉。
[0004]因此，期望一种优化的纺织面料的智能化加工工艺，其能够对于生产成型后的纺织面料成型质量进行智能准确地检测，以提高纺织面料的生产质量。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种纺织面料的智能化加工工艺及其系统，其通过采用基于深度学习的人工智能算法来对于待检测纺织面料的检测图像中关于纺织面料的纹理特征和颜色特征进行提取，并融合这两者的特征信息来综合进行所述待检测纺织面料的成型质量的智能检测。这样，能够准确地进行纺织面料成型质量的智能化检测，以提高纺织面料的生产质量。
[0006]根据本申请的一个方面，提供了一种纺织面料的智能化加工工艺，其包括：
[0007]获取待检测纺织面料的检测图像；
[0008]将所述检测图像从RGB颜色空间转化为YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图以得到多通道LBP纹理特征直方图；
[0009]将所述多通道LBP纹理特征直方图通过包含多个混合卷积层的第一卷积神经网络模型以得到纹理特征图；
[0010]将所述检测图像通过作为特征提取器的第二卷积神经网络模型以得到颜色特征图；
[0011]融合所述颜色特征图和所述纹理特征图以得到分类特征图；以及
[0012]将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测纺织面料的成型质量是否满足预定要求。
[0013]在上述纺织面料的智能化加工工艺中，所述将所述多通道LBP纹理特征直方图通
过包含多个混合卷积层的第一卷积神经网络模型以得到纹理特征图，包括：使用所述包含多个混合卷积层的第一卷积神经网络模型的各个混合卷积层在层的正向传递中分别进行：对输入数据进行多尺度卷积编码以得到多尺度卷积特征图；对所述多尺度卷积特征图进行池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活处理以得到激活特征图；其中，所述包含多个混合卷积层的第一卷积神经网络模型的最后一个混合卷积层的输出为所述纹理特征图。
[0014]在上述纺织面料的智能化加工工艺中，所述对输入数据进行多尺度卷积编码以得到多尺度卷积特征图，包括：将所述多通道LBP纹理特征直方图输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度卷积特征图，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述多通道LBP纹理特征直方图输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度卷积特征图，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，将所述第一邻域尺度卷积特征图和所述第二邻域尺度卷积特征图进行级联以得到所述多尺度卷积特征图。
[0015]在上述纺织面料的智能化加工工艺中，所述将所述检测图像通过作为特征提取器的第二卷积神经网络模型以得到颜色特征图，包括：使用所述作为特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的第二卷积神经网络的最后一层的输出为所述颜色特征图，所述作为特征提取器的第二卷积神经网络的第一层的输入为所述检测图像。
[0016]在上述纺织面料的智能化加工工艺中，所述融合所述颜色特征图和所述纹理特征图以得到分类特征图，包括：以如下公式来融合所述颜色特征图和所述纹理特征图以得到分类特征图；
[0017]其中，所述公式为：
[0018]V
c
＝Concat[F1，F2][0019]其中，F1表示所述颜色特征图，F2表示所述纹理特征图，Concat[
·
,
·
]表示级联函数，F
c
表示所述分类特征图。
[0020]在上述纺织面料的智能化加工工艺中，所述将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测纺织面料的成型质量是否满足预定要求，包括：使用所述分类器以如下公式对所述分类特征图进行处理以获得分类结果，其中，所述公式为：
[0021]O＝softmax{(M
c
,B
c
)|Project(F)}，其中Project(F)表示将所述分类特征图投影为向量，其中M
c
为全连接层的权重矩阵，B
c
表示全连接层的偏置向量。
[0022]在上述纺织面料的智能化加工工艺中，还包括训练步骤：对所述包含多个混合卷积层的第一卷积神经网络模型、所述作为特征提取器的第二卷积神经网络模型和所述分类器进行训练。
[0023]在上述纺织面料的智能化加工工艺中，所述训练步骤，包括：获取训练数据，所述训练数据包括待检测纺织面料的训练检测图像，以及，所述待检测纺织面料的成型质量是否满足预定要求的真实值；将所述训练检测图像从RGB颜色空间转化为YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图以得到训练多通道LBP纹理特征直方图；将所述训练多通
道LBP纹理特征直方图通过所述包含多个混合卷积层的第一卷积神经网络模型以得到训练纹理特征图；将所述训练检测图像通过所述作为特征提取器的第二卷积神经网络模型以得到训练颜色特征图；融合所述训练颜色特征图和所述训练纹理特征图以得到训练分类特征图；将所述训练分类特征图通过所述分类器以得到分类损失函数值；以及，基于所述分类损失函数值并通过梯度下降的方向传播来对所述包含多个混合卷积层的第一卷积神经网络模型、所述作为特征提取器的第二卷积神经网络模型和所述分类器进行训练，其中，在所述训练的每一轮迭代中，基于远程迁移矩阵和惩罚向量对所述训练分类特征图展开后得到的训练分类特征向量进行迭代。
[0024]在上述纺织面料的智能化加工工艺中，在所述训练的每一轮迭代中，基于所述远程迁移矩阵和所述惩罚向量以如下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纺织面料的智能化加工工艺，其特征在于，包括：获取待检测纺织面料的检测图像；将所述检测图像从RGB颜色空间转化为YCbCr颜色空间并抽取各个通道的LBP纹理特征直方图以得到多通道LBP纹理特征直方图；将所述多通道LBP纹理特征直方图通过包含多个混合卷积层的第一卷积神经网络模型以得到纹理特征图；将所述检测图像通过作为特征提取器的第二卷积神经网络模型以得到颜色特征图；融合所述颜色特征图和所述纹理特征图以得到分类特征图；以及将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测纺织面料的成型质量是否满足预定要求。2.根据权利要求1所述的纺织面料的智能化加工工艺，其特征在于，所述将所述多通道LBP纹理特征直方图通过包含多个混合卷积层的第一卷积神经网络模型以得到纹理特征图，包括：使用所述包含多个混合卷积层的第一卷积神经网络模型的各个混合卷积层在层的正向传递中分别进行：对输入数据进行多尺度卷积编码以得到多尺度卷积特征图；对所述多尺度卷积特征图进行池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活处理以得到激活特征图；其中，所述包含多个混合卷积层的第一卷积神经网络模型的最后一个混合卷积层的输出为所述纹理特征图。3.根据权利要求2所述的纺织面料的智能化加工工艺，其特征在于，所述对输入数据进行多尺度卷积编码以得到多尺度卷积特征图，包括：将所述多通道LBP纹理特征直方图输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度卷积特征图，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述多通道LBP纹理特征直方图输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度卷积特征图，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及将所述第一邻域尺度卷积特征图和所述第二邻域尺度卷积特征图进行级联以得到所述多尺度卷积特征图。4.根据权利要求3所述的纺织面料的智能化加工工艺，其特征在于，所述将所述检测图像通过作为特征提取器的第二卷积神经网络模型以得到颜色特征图，包括：使用所述作为特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的第二卷积神经网络的最后一层的输出为所述颜色特征图，所述作为特征提取器的第二卷积神经网络的第一层的输入为所述检测图像。5.根据权利要求4所述的纺织面料的智能化加工工艺，其特征在于，所述融合所述颜色特征图和所述纹理特征图以得到分类特征图，包括：以如下公式来融合所述颜色特征图和所述纹理特征图以得到分类特征图；
其中，所述公式为：V
c
＝Concat[F1，F2]其中，F1表示所述颜色特征图，F2表示所述纹理特征图，Concat[
·
,
·
]表示级联函数，F
c
表示所述分类特征图。6.根据权利要求5所述的纺织面料的智能化加工工艺，其特征在于，所述将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测纺织面料的成型质量是否满足预定要求，包括：使用所...

【专利技术属性】
技术研发人员：张剑，许慧英，林觐奎，周岩，王惠凤，
申请(专利权)人：安徽万方织染有限公司，
类型：发明
国别省市：