(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 202210885784.5 (22)申请日 2022.07.26 (71)申请人 西安工程大 学 地址 710048 陕西省西安市金花 南路19号 (72)发明人 管声启　刘懂懂　王旭　师红宇　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 钱宇婧 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/42(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06T 7/00(2017.01) (54)发明名称 一种基于深度卷积网络的织物起球缺陷等 级评定方法及系统 (57)摘要 本发明公开了一种基于深度卷积网络的织 物起球缺陷等级评定方法及系统， 将首层卷积层 中7×7卷积核设计成三个3 ×3卷积核的组合， 实 现小目标起球特征的有效提取； 在 残差网络中用 ReLU6激活函数替换ReLU激活函数， 避免ReLU激 活函数导致的权值范围相差过大破坏起球的特 征信息； 在残差网络中加入平均池化， 利用小尺 寸感受野获取起球特征信息， 使得起球特征更充 分， 网络参数减少， 避免参数过多导致过拟合。 添 加注意机制模 型， 按照通道注 意力机制与空间注 意力机制的并行的方式， 使 得织物起球特征被更 充分的提取。 因此， 该等级评定方法可在织物起 球目标微弱和织物背景纹理复杂条件 下， 对织物 起球等级进行准确评定， 满足织物 起球等级评定 的准确率需要。 权利要求书2页 说明书14页 附图6页 CN 115222958 A 2022.10.21 CN 115222958 A 1.一种基于深度卷积网络的织物起球缺陷等级评 定方法， 其特 征在于， 包括如下步骤： 根据预处 理后的织物起球数据集， 获取织物起球显著图； 建立优化的ResNet  34模型； 将织物起球显著图输入至优化的ResNet  34模型中， 输出织物起球等级， 实现织物起球 等级评定。 2.根据权利要求1所述的基于深度卷积网络的织物起球缺陷等级评定方法， 其特征在 于， 获取织物起球显著图k(t)如下： k(t)＝a×f(t)+(1‑a)×h(t)     (1) 其中， f(t)为局部特征显著图； h(t)为全局特征显著图； a为两幅图像的融合度， a∈{0, 1}； t为像素坐标。 3.根据权利要求2所述的基于深度卷积网络的织物起球缺陷等级评定方法， 其特征在 于， 对预处理后的织物起球数据集进行高斯金字塔分解， 得到织物起球图像的局部特征显 著图f(t)； 对预处理后的织物起球数据集进行谱残差分析， 得到织物起球图像的全局特征显著图 h(t)。 4.根据权利要求2所述的基于深度卷积网络的织物起球缺陷等级评定方法， 其特征在 于， 优化的ResNet  34模型包括首层卷积层、 残差网络模块和注意力模块CBAM 。 5.根据权利要求4所述的基于深度卷积网络的织物起球缺陷等级评定方法， 其特征在 于， 首层卷积层为 三个3×3卷积核的组合， 首层卷积层的输入为 织物起球显著图； 残差网络模块如下： 残差网络模块的第一部分包括3 ×3的卷积、 BN批量归一 化和ReLU6 激活函数； 残差网络模块的第二部分包括平均池化层和1 ×1的卷积层； 将残差网络模块的第一部分输出和残差网络模块的第二部分输出进行累加得到起球 特征； 注意力模块CBAM如下： 注意力模块CBAM包括 通道注意模块和空间注意模块； 通道注意力模块： 对输入的图像进行最大池化和平均池化， 将池化后的起球特征图经 过共享全连接层， 利用激活函数进行非线性变换， 得 出通道注意力权值； 空间注意力模块： 对输入的图像采用最大池化和平均池化， 将池化后的起球特征图通 过标准卷积层 进行连接和卷积， 利用激活函数进 行非线性变换， 得到最 终的权重， 并生 成空 间注意权值。 6.根据权利要求5所述的基于深度卷积网络的织物起球缺陷等级评定方法， 其特征在 于， 最终优化输出的织物起球特 征图Fz如下： 其中， F为输入的织物起球特征图； Mc(F)为F表示输入的织物起球特征图经过通道注意 力的输出权值； Ms(F)为F经过空间注意力的输出权值； 为基于元 素对应相乘的加 和操作。 7.根据权利要求5所述的基于深度卷积网络的织物起球缺陷等级评定方法， 其特征在 于， 卷积层的感受野计算方法如下：权　利　要　求　书 1/2 页 2 CN 115222958 A 2其中， RFl‑1为l‑1层对应的感受野大小， f1为第1层的卷积核大小， 为第1层到l ‑1层 步长的累乘， RF0为输入层对应的感受野大小。 8.一种基于深度卷积网络的织物起球缺陷等级评 定系统， 其特 征在于， 包括： 显著图获取模块， 所述显著图获取模块用于根据预处理后的织物起球数据集， 获取织 物起球显著图； 模型构建模块， 所述模型构建模块用于建立优化的ResNet  34模型； 等级获取模块， 所述等级获取模块用于将织物起球显著图输入至优化的ResNet  34模 型中， 输出织物起球等级， 实现织物起球等级评 定。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行计算机程序时实现如权利要求1至7中任意一项 所述的基于深度卷积网 络的织物起球缺陷等级评 定方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至7中任意一项 所述的基于深度卷积 网络的织物起球缺陷等级评 定方法的步骤。权　利　要　求　书 2/2 页 3 CN 115222958 A 3