详情

原文传递基于Faster R-CNN的裁片花纹参数测量方法

专利名称：	基于Faster R-CNN的裁片花纹参数测量方法
摘要：	一种基于Faster R‑CNN的纺织裁片参数测量方法，首先将花纹数据集输入到Faster R‑CNN+ResNET‑101网络进行训练利用训练模型生成的边界框对花纹进行包围完成花纹的粗定位。然后提取边界框中花纹轮廓计算几何中心点并填补缺失点完成花纹的细定位获得花纹中心点图。最后通过花纹中心点的周期分布特征测量所需参数，提高了测量的精度与效率。
专利类型：	发明专利
国家地区组织代码：	天津;12
申请人：	天津工业大学
发明人：	耿磊;孟庆磊;肖志涛;张芳;吴骏;刘彦北;王雯
专利状态：	有效
申请日期：	2019-07-10T00:00:00+0800
发布日期：	2019-09-24T00:00:00+0800
申请号：	CN201910619718.1
公开号：	CN110274919A
代理机构：	北京众合诚成知识产权代理有限公司
代理人：	张晓媛
分类号：	G01N21/956(2006.01);G;G01;G01N;G01N21
申请人地址：	300000 天津市西青区宾水西道399号
主权项：	1.一种基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，采用深度学习中的目标检测网络Faster R-CNN，以单条花纹为目标样本进行标注并训练，得到花纹检测模型，分析中心点周期特征，自动拟合同一条周期线上的中心点为直线并计算花纹偏斜角。 2.根据权利要求1所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，主要步骤包括：步骤1：图像预处理，采集保持水平的多周期花纹裁片的局部纹理图像，制作花纹数据集；步骤2：花纹区域粗定位，以Faster R-CNN+ResNET-101的花纹检测模型检测花纹，对花纹进行粗定位；步骤3：使用基于灰度直方图统计的自动阈值分割方法来分割花纹并计算其精确的几何中心位置，对花纹进行精确定位；步骤4：填充漏检的中心点，得到花纹中心点分布图，提取花纹周期信息；步骤5：统计相邻中心点间的距离，计算花纹周期长度；拟合中心点为花纹周期线，计算花纹偏斜角度和周期长度。 3.根据权利要求1所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，所述步骤1中，建立包含大约5000个花纹裁片图像的数据集，并以PASCAL VOC2007的格式标注。 4.根据权利要求1所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，步骤2中，采用深度学习中的目标检测网络Faster R-CNN，以单条花纹为目标样本进行标注并训练，得到花纹检测模型，实现对花纹的粗定位。 5.根据权利要求4所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，步骤2中，利用Faster R-CNN+ResNet-101花纹检测模型生成边界框包围每个花纹，对花纹进行粗定位，得到花纹的粗略周期分布特征。 6.根据权利要求1所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，步骤3中，对步骤2中获得的花纹粗定位，采用自适应阈值分割方法，对检测到的子区域进行灰度统计提取出现频率最高的灰度值作为分割阈值对花纹进行阈值分割，计算花纹的几何中心点，确定花纹的准确位置。 7.根据权利要求1所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，步骤4中，分析花纹中心点间的相关性，自动填充缺失的花纹中心点，得到花纹完整的周期分布特征图。 8.根据权利要求1所述的基于Faster R-CNN的裁片花纹参数测量方法，其特征在于，步骤5中，采用基于拓扑结构的花纹中心点分类算法对花纹按照经纬方向分类，分析中心点周期特征，对分类好的中心点利用最小二乘法进行直线拟合求取周期走向，自动拟合同一条周期线上的中心点为直线并计算花纹偏斜角和周期长度。
所属类别：	发明专利