针织服装制造系统及其方法技术方案

本申请涉及智能制造领域，其具体地公开了一种针织服装制造系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取待检测的针织服装图像，通过卷积神经网络模型分别得到整体特征图和纹理到特征图，融合后再通过非局部神经网络进行特征提取，以得到用于表示待检测的针织服装质量是否合格的分类结果。这样，构建针织服装制造方案，可以实现自动化的针织服装质量监控，提高生产效率和产品质量。提高生产效率和产品质量。提高生产效率和产品质量。

【技术实现步骤摘要】
针织服装制造系统及其方法


[0001]本申请涉及智能制造领域，且更为具体地，涉及一种针织服装制造系统及其方法。

技术介绍

[0002]针织是指利用织针把各种原料和品种的纱线构成线圈、再经串套连接成针织物的工艺过程。在针织服装制造的过程中，对于制作好的服装，需要进行针织服装的质量检测，检测是否不符合标准制作，检测服装是否有一些细节上的错误。但由于针织本身是一个很精细的过程，单纯依靠人工进行质量检测不够精准，而且人工检测时间有限，效率较低。
[0003]因此，期待一种优化的针织服装制造方案。

技术实现思路

[0004]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针织服装制造系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取待检测的针织服装图像，通过卷积神经网络模型分别得到整体特征图和纹理到特征图，融合后再通过非局部神经网络进行特征提取，以得到用于表示待检测的针织服装质量是否合格的分类结果。这样，构建针织服装制造方案，可以实现自动化的针织服装质量监控，提高生产效率和产品质量。
[0005]根据本申请的一个方面，提供了一种针织服装制造系统，其包括：
[0006]图像采集模块，用于获取待检测的针织服装图像；
[0007]整体特征提取模块，用于将所述待检测的针织服装图像通过作为过滤器的第一卷积神经网络模型以得到整体特征图；
[0008]纹理特征提取模块，用于将所述待检测的针织服装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纹理特征图；
>[0009]特征融合模块，用于融合所述整体特征图和所述纹理特征图以得到针织服装特征图；
[0010]非局部特征模块，用于将所述针织服装特征图通过非局部神经网络模型以得到针织服装质量特征图；以及
[0011]分类结果模块，用于将所述针织服装质量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的针织服装质量是否合格。
[0012]在上述针织服装制造系统中，所述整体特征提取模块，用于：使用所述作为过滤器的第一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；对所述卷积特征图基于局部特征矩阵的池化以得到池化特征图；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，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述整体特征图，所述作为过滤器的第一卷积神经网络的第一层的输入为所述待检测的针织服装图像。
[0013]在上述针织服装制造系统中，所述纹理特征提取模块，用于：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；对所述卷积特征图基于局部特征矩阵的池化以得到池化特征图；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模型的最后一层的输出为所述纹理特征图，所述作为特征提取器的第二卷积神经网络模型的第一层的输入为所述待检测的针织服装图像。
[0014]在上述针织服装制造系统中，所述非局部特征模块，包括：特征输入单元，用于将所述针织服装特征图分别输入所述非局部神经网络模型的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；中间融合单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化单元，用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；再融合单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；全局感知单元，用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；通道调整单元，用于将所述全局感知特征图通过所述非局部神经网络模型的第四点卷积层以得到通道调整全局感知特征图；以及，加权单元，用于计算所述通道调整全局感知特征图和所述针织服装特征图的按位置加权和以得到所述针织服装质量特征图。
[0015]在上述针织服装制造系统中，所述分类结果模块，包括：展开单元，用于将所述针织服装质量特征图展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0016]根据本申请的另一方面，提供了一种针织服装制造方法，其包括：
[0017]获取待检测的针织服装图像；
[0018]将所述待检测的针织服装图像通过作为过滤器的第一卷积神经网络模型以得到整体特征图；
[0019]将所述待检测的针织服装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纹理特征图；
[0020]融合所述整体特征图和所述纹理特征图以得到针织服装特征图；
[0021]将所述针织服装特征图通过非局部神经网络模型以得到针织服装质量特征图；以及
[0022]将所述针织服装质量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的针织服装质量是否合格。
[0023]与现有技术相比，本申请提供的一种针织服装制造系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取待检测的针织服装图像，通过卷积神经网络模型分别得到整体特征图和纹理到特征图，融合后再通过非局部神经网络进行特征提取，以得到用于表示待检测的针织服装质量是否合格的分类结果。这样，构建针织服装制造方案，可以实现自动化的针织服装质量监控，提高生产效率和产品质量。
附图说明
[0024]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0025]图1为根据本申请实施例的针织服装制造系统的框图。
[0026]图2为根据本申请实施例的针织服装制造系统的架构示意图。
[0027]图3为根据本申请实施例的针织服装制造系统中非局部特征模块的框图。
[0028]图4为根据本申请实施例的针织服装制造方法的流程图。
[0029]图5为根据本申请实施例的电子设备的框图。
具体实施方式
[0030]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0031]申请概述
[0032]如上所述，在针织服装制造的过程中，检测针织服装的质量是否合格是非常重要的一步，检测针织服装是否有纹理上面的针织错误。针织本身就是一个很精细的过程，由于现有的技术对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针织服装制造系统，其特征在于，包括：图像采集模块，用于获取待检测的针织服装图像；整体特征提取模块，用于将所述待检测的针织服装图像通过作为过滤器的第一卷积神经网络模型以得到整体特征图；纹理特征提取模块，用于将所述待检测的针织服装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纹理特征图；特征融合模块，用于融合所述整体特征图和所述纹理特征图以得到针织服装特征图；非局部特征模块，用于将所述针织服装特征图通过非局部神经网络模型以得到针织服装质量特征图；以及分类结果模块，用于将所述针织服装质量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的针织服装质量是否合格。2.根据权利要求1所述的针织服装制造系统，其特征在于，所述整体特征提取模块，用于：使用所述作为过滤器的第一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；对所述卷积特征图基于局部特征矩阵的池化以得到池化特征图；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，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述整体特征图，所述作为过滤器的第一卷积神经网络的第一层的输入为所述待检测的针织服装图像。3.根据权利要求2所述的针织服装制造系统，其特征在于，所述纹理特征提取模块，用于：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；对所述卷积特征图基于局部特征矩阵的池化以得到池化特征图；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模型的最后一层的输出为所述纹理特征图，所述作为特征提取器的第二卷积神经网络模型的第一层的输入为所述待检测的针织服装图像。4.根据权利要求3所述的针织服装制造系统，其特征在于，所述特征融合模块，包括：散度计算单元，用于计算所述整体特征图的沿通道维度的各个特征矩阵与所述纹理特征图的沿通道维度的各个特征矩阵之间的KL散度以得到多个KL散度值；几何相速度计算单元，用于计算所述多个KL散度值的加和值作为所述整体特征图的沿通道维度的各个特征矩阵相对于所述第二特征矩阵的全局特征分布的几何相似度；排列单元，用于将所述整体特征图的沿通道维度的各个特征矩阵相对于所述第二特征矩阵的全局特征分布的几何相似度排列为几何相似度全局输入向量；概率化单元，用于将所述几何相似度全局输入向量输入Softmax函数以得到概率化几何相似度全局特征向量；以及
权重施加单元，用于以所述概率化几何相似度全局特征向量中各个位置的特征值作为权重值来融合所述整体特征图和所述纹理特征图以得到所述针织服装特征图。5.根据权利要求4所述的针织服装制造系统，其特征在于，所述非局部特征模块，包括：特征输入单元，用于将所述针织服装特征图分别输入所述非局部神经网络模型的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；中间融合单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化单元，用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；再融合单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；全局感知单元，用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得...

【专利技术属性】
技术研发人员：吴东礼，杨春云，吴强礼，
申请(专利权)人：海宁市创思奇服饰股份有限公司，
类型：发明
国别省市：