(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211271019.0 (22)申请日 2022.10.17 (71)申请人 浙江寰丰纺织有限公司 地址 313100 浙江省湖州市长兴县虹星桥 镇港口村 (72)发明人 陈秋良　柏丽华　卢军腾　陆恺　 周家佩　李丽　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 杨晶晶 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/50(2022.01)G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 高耐磨纺织 面料织造方法及其系统 (57)摘要 本申请涉及智能检测领域， 其具体地 公开了 一种高耐磨纺织面料织造方法及其系统， 其通过 采用基于深度学习的人工智能图像处理技术来 对于经表面改性处理后的纺织面料的检测图像 的纹理特征进行深层隐含特征挖掘， 以此来进行 纺织面料的耐磨性检测， 这样， 能够准确地对于 经表面改性处理后的纺织面料的耐磨性进行质 检， 进而保证织造出的纺织面料的耐磨性能和织 造质量。 权利要求书3页 说明书12页 附图7页 CN 115511867 A 2022.12.23 CN 115511867 A 1.一种高耐磨纺织 面料织造方法， 其特 征在于， 包括： 获取经表面改性处 理后的纺织 面料的检测图像； 将所述经表面改性处理后的纺织面料的检测图像从RGB颜色空间转化为YCbCr颜色空 间并抽取各个通道的LBP纹 理特征直方图； 将所述各个通道的LBP纹理特征直方图沿着通道维度进行聚合以得到多通道LBP纹理 特征直方图； 将所述多通道LBP纹理特征直方图通过多尺度特征提取器结构以得到检测特征向量； 以及 将所述检测特征向量通过分类器以得到分类结果， 所述分类结果用于表示经表面改性 处理后的纺织 面料的耐磨性是否满足预定要求。 2.根据权利要求1所述的高耐磨纺织面料织造方法， 其特征在于， 所述将所述多通道 LBP纹理特征直方图通过多尺度特 征提取器结构以得到检测特 征向量， 包括： 将所述多通道LBP纹理特征直方图输入所述多尺度特征提取器结构的第 一分支以得到 第一尺度检测特 征向量； 将所述多通道LBP纹理特征直方图输入所述多尺度特征提取器结构的第 二分支以得到 第二尺度检测特 征向量； 将所述多通道LBP纹理特征直方图输入所述多尺度特征提取器结构的第 三分支以得到 第三尺度检测特 征向量； 以及 融合所述第 一尺度检测特征向量、 所述第 二尺度检测特征向量和所述第 三尺度检测特 征向量以得到所述检测特 征向量。 3.根据权利要求2所述的高耐磨纺织面料织造方法， 其特征在于， 所述第一分支、 所述 第二分支和所述第三分支分别包括由多个卷积块组成的原始特征编码器和与所述原始特 征编码器级联的残差级联块编码器。 4.根据权利要求3所述的高耐磨纺织面料织造方法， 其特征在于， 所述将所述多通道 LBP纹理特征直方图输入所述多尺度特征提取器结构的第一分支以得到第一尺度检测特征 向量， 包括： 使用所述第 一分支的原始特征编码器和残差级联块编码器对所述多通道LBP纹理特征 直方图进 行基于具有第一尺寸的第一卷积核的深度卷积编 码以得到第一尺度检测特征图； 以及 对所述第一尺度检测特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到 所述第一尺度检测特 征向量。 5.根据权利要求4所述的高耐磨纺织面料织造方法， 其特征在于， 所述将所述多通道 LBP纹理特征直方图输入所述多尺度特征提取器结构的第二分支以得到第二尺度检测特征 向量， 包括： 使用所述第 二分支的原始特征编码器和残差级联块编码器对所述多通道LBP纹理特征 直方图进 行基于具有第二尺寸的第二卷积核的深度卷积编 码以得到第二尺度检测特征图； 以及 对所述第二尺度检测特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到 所述第二尺度检测特 征向量。权　利　要　求　书 1/3 页 2 CN 115511867 A 26.根据权利要求5所述的高耐磨纺织面料织造方法， 其特征在于， 所述将所述多通道 LBP纹理特征直方图输入所述多尺度特征提取器结构的第三分支以得到第三尺度检测特征 向量， 包括： 使用所述第 三分支的原始特征编码器和残差级联块编码器对所述多通道LBP纹理特征 直方图进 行基于具有第三尺寸的第三卷积核的深度卷积编 码以得到第三尺度检测特征图； 以及 对所述第三尺度检测特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到 所述第三尺度检测特 征向量。 7.根据权利要求6所述的高耐磨纺织面料织造方法， 其特征在于， 所述融合所述第 一尺 度检测特征向量、 所述第二尺度检测特征向量和所述第三尺度检测特征向量以得到所述检 测特征向量， 包括： 以如下公式融合所述第一尺度检测特征向量、 所述第二尺度检测特征向 量和所述第三尺度检测特 征向量以得到所述检测特 征向量； 其中， 所述公式为： V＝a1V1⊕a2V2⊕a3V3 其中V1表示所述第一尺度检测特征向量， V2表示所述第二尺度检测特征向量， V3第三尺 度检测特征向量， V表示所述检测特征向量， a1、 a2和a3分别表示所述第一尺度检测特征向 量、 所述第二尺度检测特征向量和所述第三尺度检测特征向量的加权参数， ⊕表示按位置 加和。 8.根据权利要求7所述的高耐磨纺织面料织造方法， 其特征在于， 还包括对所述多尺度 特征提取器结构和所述分类 器进行训练； 其中， 所述对所述多尺度特 征提取器结构和所述分类 器进行训练， 包括： 获取训练数据， 所述训练数据包括所述经表面改性处理后的纺织面料的训练检测图 像， 以及， 所述经表面改性处 理后的纺织 面料的耐磨性是否满足预定要求的真实值； 将所述经表面改性处理后的纺织面料的训练检测图像从RGB颜色空间转化为YCbCr颜 色空间并抽取各个通道的训练LBP纹 理特征直方图； 将所述各个通道的训练LBP纹理特征直方图沿着通道维度进行聚合以得到训练多通道 LBP纹理特征直方图； 将所述训练多通道LBP纹理特征直方图通过所述多尺度特征提取器结构以得到第一尺 度训练检测特 征向量、 第二尺度训练检测特 征向量和第三尺度训练检测特 征向量； 融合所述第 一尺度训练检测特征向量、 所述第 二尺度训练检测特征向量和所述第 三尺 度训练检测特 征向量以得到训练检测特 征向量； 将所述训练检测特 征向量通过所述分类 器以得到分类损失函数值； 计算所述训练检测特征向量的上下文统计的局部场景度量损失函数值， 所述训练检测 特征向量的上下文统计的局部场景度量损失函数值与所述第一尺度训练检测特征向量、 所 述第二尺度训练检测特征向量和所述第三尺度训练检测特征向量的上下文统计的局部场 景度量损失函数值有关； 以所述上下文统计的局部场景度量损失函数值和所述分类损失函数值的加权和作为 损失函数值对所述多尺度特 征提取器结构和所述分类 器进行训练。 9.根据权利要求8所述的高耐磨纺织面料织造方法， 其特征在于， 所述计算所述训练检权　利　要　求　书 2/3 页 3 CN 115511867 A 3