基于卷积神经网络的纺织面料主成分分类

• 作者: 张华熊 张玮
• 来源期刊: 浙江理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 纺织面料成分分类 卷积神经网络 空洞卷积 深度可分离卷积
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 纺织与服装工程
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP181|TS107
• 字数: 3993字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3851(n).2019.01.001

摘要

为自动检测纺织面料的主成分, 以100～200倍放大后拍摄的纯纺面料或主成分含量在50％以上的混纺面料图像为研究对象, 提出了一种基于深度卷积神经网络的纺织面料主成分分类方法.首先对纺织图像进行裁剪及颜色空间转换;然后将图像输入卷积神经网络进行织物面料主成分分类训练;最后将待分类的纺织面料图像输入训练后的卷积神经网络中, 得出纺织面料主成分分类结果.对棉、涤纶、腈纶、羊毛、天丝5类共4497张图像进行实验, 实验结果显示:该方法对5类织物面料主成分分类准确率为96.53％;与其他卷积神经网络模型相比大幅降低了训练时间, 减小了网络规模, 提高了分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张华熊	浙江理工大学信息学院	53	215	8.0	12.0
2	张玮	浙江理工大学信息学院	4	3	1.0	1.0