基于深度學(xué)習(xí)的針織物組織結(jié)構(gòu)識(shí)別方法研究.pdf

1、針織物的來(lái)樣加工在針織生產(chǎn)中占有重要地位，在生產(chǎn)織物來(lái)樣過(guò)程中，針織物的組織結(jié)構(gòu)類型是其依據(jù)的一個(gè)重要參數(shù)。針織物組織結(jié)構(gòu)自動(dòng)識(shí)別的結(jié)果容易受到圖像采集過(guò)程中光照不均勻、織物位置和紗線直徑發(fā)生改變的影響。研究一種高性能的針織物組織結(jié)構(gòu)自動(dòng)識(shí)別方法具有重要意義。
　　本文提出一種基于深度學(xué)習(xí)的針織物組織結(jié)構(gòu)自動(dòng)識(shí)別方法。首先采集織物樣本圖像，建立針織物組織結(jié)構(gòu)圖像數(shù)據(jù)集。然后結(jié)合遷移學(xué)習(xí)策略，用建立的織物圖像數(shù)據(jù)集對(duì)SqueezeN

2、et網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并得到識(shí)別針織物組織結(jié)構(gòu)的網(wǎng)絡(luò)模型。網(wǎng)絡(luò)訓(xùn)練開始前，對(duì)SqueezeNet網(wǎng)絡(luò)的權(quán)重和偏置進(jìn)行初始化，使網(wǎng)絡(luò)參數(shù)有一個(gè)較好的分布。網(wǎng)絡(luò)訓(xùn)練過(guò)程中，根據(jù)反向傳播算法對(duì)損失函數(shù)相對(duì)于權(quán)重和偏置的偏導(dǎo)數(shù)分別進(jìn)行計(jì)算，采用梯度下降法更新網(wǎng)絡(luò)的權(quán)重和偏置，并提取出具有代表性的針織物紋理特征。最后加載訓(xùn)練好的網(wǎng)絡(luò)模型，輸入針織物的正面和反面圖像，根據(jù)網(wǎng)絡(luò)模型輸出的相應(yīng)識(shí)別結(jié)果的組合，判斷出針織物組織結(jié)構(gòu)的類型。本文建立了一套完善的