一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法技术

本发明专利技术属于工业生产与智能识别领域，涉及一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，该方法是将纤维母粒电镜图像输入到训练后的半监督卷积‑图结构网络模型中，由其输出带有矩形边界框的纤维母粒电镜图像，矩形边界框区域即为团聚结构区域；半监督卷积‑图结构网络模型的工作流程为：第一步，分别对纤维母粒电镜图像进行处理得到特征A和特征B，特征A包括疏水性特征和静电性特征，特征B包括纹理特征和结构特征；第二步，将特征A和特征B共同输入到全连接网络中，由其输出带有矩形边界框的纤维母粒电镜图像；本发明专利技术的方法能够获取纤维母粒团聚结构的多维度关键特征，以自学习的方式完成对团聚和分散结构的精准识别。

【技术实现步骤摘要】

本专利技术属于工业生产与智能识别领域，涉及一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法。

技术介绍

1、纤维母粒是纺织品制造过程中的原始材料，其组成成分包括载体树脂、颜料、染料、功能粉体和助剂。当高浓度母粒（或称高浓度分散体）处于液体中时，由于颗粒间的分子作用力，高浓度分散体中颗粒相互靠近，会形成团块或聚集，这种现象称为团聚效应。团聚效应主要是由于范德华力、电荷相互作用、以及斥力屏蔽效应等引起的。颗粒团聚在加工过程中可以解离，所以对母粒或者纤维中的功能材料的分散性能或评价是关键技术，在纤维母粒制备过程中，高分辨率电镜（scanning electron microscope, sem）图像常常用于研究纤维母粒的微观结构，这种电镜图像可以清晰地显示出纤维母粒的形态和结构，包含颗粒大小、形状、表面光滑程度、内部团聚结构等；虽然在电镜图像中可以观察到细粒度尺度上的各个方面的信息，但其中很多关键信息，比如隐藏在内部结构中的少量团聚结构（3~10个颗粒形成的团聚效应），可能会被我们忽略。

2、近年来，基于人工智能的技术框架已经在纺织图像分类、化纤本文档来自技高网...

【技术保护点】

1.一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，将纤维母粒电镜图像输入到训练后的半监督卷积-图结构网络模型中，由其输出带有矩形边界框的纤维母粒电镜图像，矩形边界框区域即为团聚结构区域；

2.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（a）具体为：将纤维母粒电镜图像分为4个块后，将每个块转换成一个特征向量，即得到局部特征。

3.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（b）中，图网络的结构包括1个隐藏层和1个输出层；隐藏层的输入维度为128，输出维...

【技术特征摘要】

1.一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，将纤维母粒电镜图像输入到训练后的半监督卷积-图结构网络模型中，由其输出带有矩形边界框的纤维母粒电镜图像，矩形边界框区域即为团聚结构区域；

2.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（a）具体为：将纤维母粒电镜图像分为4个块后，将每个块转换成一个特征向量，即得到局部特征。

3.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（b）中，图网络的结构包括1个隐藏层和1个输出层；隐藏层的输入维度为128，输出维度为256；输出层的输入维度为256，输出维度为256；图网络中邻接矩阵16×16。

4.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（c）中，批量正则化处理采用的公式为：，式中，表示特征的均值，表示特征的方差，表示常量。

5.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（i）中，卷积网络的结构包括2个卷积层、2个下采样层，各层按数据到达的先后顺序进行编号；

6.根据权利要求1所述的一种半监督学习的纤维母粒电镜图像团聚结构区域识别方法，其特征在于，步骤（ii）中，采用注意力结构对...

【专利技术属性】
技术研发人员：隗兵，王华平，徐毅明，
申请(专利权)人：苏州宝丽迪材料科技股份有限公司，
类型：发明
国别省市：