一种基于深度学习技术的织物沾色以及变色评级方法与流程

本发明涉及一种织物沾色以及变色评级方法，更具体一点说，涉及一种基于深度学习技术的织物沾色以及变色评级方法，属于服装领域。

背景技术：

1、色牢度，是指纺织品的颜色对再加工和使用过程中各种作用的抵抗力。根据试样的变色和未染色贴衬织物的沾色来评定牢度等级。纺织品色牢度测试是纺织品内在质量测试中一项常规检测项目，且色牢度是在检测纺织品外观质量时是一项非常重要的指标。纺织品的色牢度通常根据评定样品的变色情况和未染色贴衬织物的沾色情况来确定的，以级数来表示，等级越高，色牢度越好，等级越低，色牢度则越差。

2、目前，主要采用《gb/t251-2008纺织品色牢度试验评定沾色用灰色样卡》、《gbt250-2008纺织品色牢度试验评定变色用灰色样卡》进行试验结果评级，评级过程全程依靠试验实验员眼睛。具体是在暗房内由经过专门训练的专业人员在标准光源箱下，利用人眼直观观测需要评级的样品与标准样品之间的色差，并与标准色卡进行对比，通过感官得出色差最接近的标准灰卡等级，最终作为样品色牢度等级。由于评级人员的工作经验、生理状态等主观的差异，导致主观性强，同一试验结果不同人员评级差别较大，缺乏同一的客观判断，这种方法不可避免会对最终评级的结果造成影响。针对这一问题，目前国内外尚未提出较好的解决方法。

技术实现思路

1、为了解决上述现有技术问题，本发明提供具有能够准确高效的自动评级，能够降低对工作人员的专业性要求，提高工作效率等技术特点的一种基于深度学习技术的织物沾色以及变色评级方法。

2、为了实现上述目的，本发明是通过以下技术方案实现的：

3、本发明一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于该织物沾色变色评级方法包括如下步骤：

4、步骤1)拍摄参照样本图片；沾色评级时，参照样本为原始贴衬，其保持有沾色前贴衬的原始色；变色评级时，参照样本为织物变色前的采样；

5、步骤2)提取参照样本图片的有效像素区域；使用分割算法提取参照样本图片有效像素区域，有效像素区域包括除空洞区域外的织物的经纬线，分割结果为按照经纬线交叉点的上下变化关系形成的封闭区域；

6、步骤3)拍摄待评级样本图片；沾色评级时，待评级样本为沾色后的贴衬；变色评级时，待评级样本为织物变色后的采样照片；

7、步骤4)提取待评级样本的有效像素区域：使用分割算法提取参照样本图片有效像素区域，有效像素区域包括除空洞区域外的织物的经纬线，分割结果为按照经纬线交叉点的上下变化关系形成的封闭区域；

8、步骤5)参照样本图片和评级样本图片做关键点对齐；使用关键点检测算法检测图片关键点，按照经纬线关键点做仿射对齐，对齐之后，参照样本图片和待评级样本的分割结果会基于图片坐标形成对应关系；

9、步骤6)使用分类算法对参照样本图片和评级样本图片对应有效像素区域评级，并按照国标标准进行分类；

10、步骤7)输出评级结果。

11、优选的，步骤7)中评级结果包括最终评定等级及各等级像素(面积)占比，各等级像素(面积)占是由步骤4、步骤6)算法结果统计得出。

12、优选的，步骤7)中分类等级包括1、1-2、2、2-3、3、3-4、4、4-5。

13、优选的，步骤5)中若沾色评级，按照经纬线关键点做仿射对齐；若做变色评级，首先使用印花图片做仿射对齐，然后使用经纬线关键做仿射对齐微调。

14、优选的，所述贴衬为单纤维贴衬或多纤维贴衬。

15、优选的，步骤2)、步骤4中分割算法采用训练深度学习神经网络模型。

16、优选的，所述分割算法可以为maskrcnn神经网络、fcn神经网络、segnet神经网络、u-net神经网络中的任一种。

17、优选的，步骤6)中分类算法为深度学习神经网络算法，其可以为cnn卷积神经网络、rnn循环神经网络、transformer注意力机制中任一种。

18、有益效果：能够实现科学的客观统计，实现了评级结果的客观性，有效对齐了相关标准，使评级结果具有客观的一致性，摆脱了主观依赖；为实验室的评级工作提供了客观的标准参照；实验室对高级试验员降低，有效降低了实验室的用人成本及人员培训成本；提高了工作效率，降低了时间和人工成本。

技术特征：

1.一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于该织物沾色变色评级方法包括如下步骤：

2.根据权利要求1所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：步骤7)中评级结果包括最终评定等级及各等级像素(面积)占比，各等级像素(面积)占是由步骤4、步骤6)算法结果统计得出。

3.根据权利要求1或2所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：步骤7)中分类等级包括1、1-2、2、2-3、3、3-4、4、4-5。

4.根据权利要求1所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：步骤5)中若沾色评级，按照经纬线关键点做仿射对齐；若做变色评级，首先使用印花图片做仿射对齐，然后使用经纬线关键做仿射对齐微调。

5.根据权利要求1所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：所述贴衬为单纤维贴衬或多纤维贴衬。

6.根据权利要求1所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：步骤2)、步骤4中分割算法采用训练深度学习神经网络模型。

7.根据权利要求1或6所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：所述分割算法可以为maskrcnn神经网络、fcn神经网络、segnet神经网络、u-net神经网络中的任一种。

8.根据权利要求1所述的一种基于深度学习技术的织物沾色以及变色评级方法，其特征在于：步骤6)中分类算法为深度学习神经网络算法，其可以为cnn卷积神经网络、rnn循环神经网络、transformer注意力机制中任一种。

技术总结
本发明公开的是一种基于深度学习技术的织物沾色以及变色评级方法，该织物沾色变色评级方法包括如下步骤：拍摄参照样本图片；提取参照样本图片的有效像素区域；拍摄待评级样本图片；提取待评级样本的有效像素区域：参照样本图片和评级样本图片做关键点对齐；使用分类算法对参照样本图片和评级样本图片对应有效像素区域评级，并进行分类；输出评级结果，本发明具有能够准确高效的自动评级，能够降低对工作人员的专业性要求，提高工作效率等技术特点。

技术研发人员：董锁拽,党亮亮,潘璐璐,黄继骏,叶雅悠,周均
受保护的技术使用者：佰测（浙江）智能科技有限公司
技术研发日：
技术公布日：2024/3/4