【技術實現(xiàn)步驟摘要】
本專利技術涉及紡織工藝，尤其涉及一種多模態(tài)融合的紡織品染色配方推薦方法及裝置。
技術介紹
1、目前隨著染色工藝技術的發(fā)展提高，印染行業(yè)在紡織品生產(chǎn)和消費過程中扮演著越來越重要的角色。紡織印染是根據(jù)布料類型、染料特性等性質進行染色濃度比例配制，雖然現(xiàn)在的染色配方推薦已逐漸標簽化和數(shù)字化，但由于配色過程具有復雜的理化機制，仍然需要人工參與，根據(jù)實際經(jīng)驗來進行染色調整；其中，根據(jù)歷史配方和人工經(jīng)驗篩選獲得的印染結果與真實染色需求仍然有一定的差異，需要人工多次進行反復微調，并且在紡織染色配方進行數(shù)字化后，其數(shù)字化查詢過程多在顏色、空間和距離上查詢，并未考慮到更多的紡織屬性因素；另外，建立僅以lab顏色空間輸入和染料配方輸出的非線性模型，其預測輸出結果在不同的紡織品上進行染色，所表現(xiàn)的布料染色結果也會出現(xiàn)較大差異，無法同時兼顧多個方面對紡織品進行精準染色。
技術實現(xiàn)思路
1、本專利技術提供了一種多模態(tài)融合的紡織品染色配方推薦方法及裝置，以解決如何通過多模態(tài)融合的紡織品染色配方推薦方法得到精準染色配方的技術問題。
2、為了解決上述技術問題，本專利技術提供了一種多模態(tài)融合的紡織品染色配方推薦方法，包括：
3、獲取多模態(tài)紡織數(shù)據(jù)庫；其中，所述多模態(tài)紡織數(shù)據(jù)庫包括第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽；
4、根據(jù)預設卷積神經(jīng)網(wǎng)絡分別獲取所述第一紡織圖像和所述第二紡織圖像的深層網(wǎng)絡特征，并將所述深層網(wǎng)絡特征進行特征融合，得到紡織圖像特征層；
5、根
6、獲取預設第一神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽作為輸入數(shù)據(jù)，輸入所述第一神經(jīng)網(wǎng)絡模型，并對所述第一神經(jīng)網(wǎng)絡模型進行訓練后，根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，對所述紡織品染色配方數(shù)據(jù)進行推薦；
7、通過獲取多模態(tài)紡織數(shù)據(jù)庫中的紡織圖像、顏色值數(shù)據(jù)和標簽，能夠有效提取紡織圖像的特征信息；利用預設卷積神經(jīng)網(wǎng)絡提取深層網(wǎng)絡特征并進行特征融合，得到紡織圖像特征層，并通過將顏色值數(shù)據(jù)、紡織圖像特征層和數(shù)值化標簽作為輸入數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，從而得到紡織品染色配方數(shù)據(jù)并進行推薦，能夠提升配方推薦數(shù)據(jù)準確性，并減少人工對配方的微調次數(shù)，為紡織品染色提供準確的推薦，提高染色效果和染色效率。
8、作為優(yōu)選方案，所述獲取多模態(tài)紡織數(shù)據(jù)庫；其中，所述多模態(tài)紡織數(shù)據(jù)庫包括第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽，包括：
9、獲取不同顏色和工藝的紡織品，并根據(jù)預設攝像機獲取包含第一紡織特征的無縮放圖像，得到所述第一紡織圖像；并將所述第一紡織圖像放大預設倍數(shù)，得到所述第二紡織圖像；其中，所述第一紡織特征包括所述紡織品在不同面料空間上的疏密、紋理、粗細和排列特征；
10、獲取所述顏色值數(shù)據(jù)和所述標簽，由所述第一紡織圖像、所述第二紡織圖像、所述顏色值數(shù)據(jù)和所述標簽構成所述多模態(tài)紡織數(shù)據(jù)庫；
11、通過獲取多模態(tài)紡織數(shù)據(jù)庫中的第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽，可以獲得豐富的紡織品信息，為后續(xù)染色配方推薦提供有效數(shù)據(jù)基礎。
12、作為優(yōu)選方案，所述根據(jù)預設卷積神經(jīng)網(wǎng)絡分別獲取所述第一紡織圖像和所述第二紡織圖像的深層網(wǎng)絡特征，并將所述深層網(wǎng)絡特征進行特征融合，得到紡織圖像特征層，包括：
13、獲取預設為vgg16卷積神經(jīng)網(wǎng)絡，將所述第一紡織圖像和所述第二紡織圖像進行裁剪預處理后輸入所述vgg16卷積神經(jīng)網(wǎng)絡，并對所述vgg16卷積神經(jīng)網(wǎng)絡進行訓練，將訓練得到的特征輸出層設為所述紡織圖像特征層；
14、通過對第一紡織圖像和第二紡織圖像進行裁剪預處理后輸入vgg16卷積神經(jīng)網(wǎng)絡并進行訓練，并將得到的深層網(wǎng)絡特征經(jīng)過特征融合后形成紡織圖像特征層，能夠利用卷積神經(jīng)網(wǎng)絡提取紡織圖像的高級特征，通過特征融合獲得更全面、準確的紡織圖像特征表示，為后續(xù)的紡織品染色配方推薦提供更可靠的依據(jù)。
15、作為優(yōu)選方案，所述根據(jù)預設編碼方法將所述標簽進行數(shù)值化，得到數(shù)值化標簽，包括：
16、將所述標簽輸入預設word2vec模型，根據(jù)one-hot方式對所述標簽進行編碼，將所述標簽轉換成標簽向量后，根據(jù)預設損失函數(shù)和所述標簽向量進行訓練，將訓練得到的參數(shù)權重句子作為詞向量，由所述詞向量得到所述數(shù)值化標簽；
17、通過將標簽輸入word2vec模型并進行編碼，轉換成標簽向量，并通過訓練得到的參數(shù)權重句子作為詞向量，進而得到數(shù)值化的標簽表示，能夠將標簽信息轉化為數(shù)值表示，方便后續(xù)模型的處理和計算，為紡織品染色配方的推薦提供更準確、高效的數(shù)據(jù)支持。
18、作為優(yōu)選方案，所述獲取預設第一神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽作為輸入數(shù)據(jù)，輸入所述第一神經(jīng)網(wǎng)絡模型，并對所述第一神經(jīng)網(wǎng)絡模型進行訓練后，根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，對所述紡織品染色配方數(shù)據(jù)進行推薦，包括：
19、獲取預設三層rbf神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽設為神經(jīng)網(wǎng)絡的高維輸入數(shù)據(jù)，并根據(jù)所述高維輸入數(shù)據(jù)，對所述三層rbf神經(jīng)網(wǎng)絡模型進行訓練，得到模型訓練輸出數(shù)據(jù)；
20、根據(jù)所述模型訓練輸出數(shù)據(jù)獲取所述紡織品染色配方數(shù)據(jù)并推薦，由推薦的所述紡織品染色配方數(shù)據(jù)對紡織品進行染色；其中，所述紡織品染色配方數(shù)據(jù)包括所述紡織品的染料類別和染料濃度值；
21、通過將顏色值數(shù)據(jù)、紡織圖像特征層和數(shù)值化標簽輸入預設三層rbf神經(jīng)網(wǎng)絡模型進行訓練，并根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，根據(jù)染色配方數(shù)據(jù)對紡織品進行染色，能夠提供準確的染料配比，提升配方推薦數(shù)據(jù)準確性，并提高染色效果和生產(chǎn)效率。
22、相應的，本專利技術還提供了一種多模態(tài)融合的紡織品染色配方推薦裝置，包括：數(shù)據(jù)庫獲取模塊、特征層獲取模塊、標簽獲取模塊和染色配方推薦模塊；
23、其中，所述數(shù)據(jù)庫獲取模塊用于獲取多模態(tài)紡織數(shù)據(jù)庫；其中，所述多模態(tài)紡織數(shù)據(jù)庫包括第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽；
24、所述特征層獲取模塊用于根據(jù)預設卷積神經(jīng)網(wǎng)絡分別獲取所述第一紡織圖像和所述第二紡織圖像的深層網(wǎng)絡特征，并將所述深層網(wǎng)絡特征進行特征融合，得到紡織圖像特征層；
25、所述標簽獲取模塊用于根據(jù)預設編碼方法將所述標簽進行數(shù)值化，得到數(shù)值化標簽；
26、所述染色配方推薦模塊用于獲取預設第一神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽作為輸入數(shù)據(jù)，輸入所述第一神經(jīng)網(wǎng)絡模型，并對所述第一神經(jīng)網(wǎng)絡模型進行訓練后，根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，對所述紡織品染色配方數(shù)據(jù)進行推薦；
27、所述多模態(tài)融合的紡織品染色配方推薦裝置通過獲取多模態(tài)紡織數(shù)據(jù)庫中的紡織圖像、顏色值數(shù)據(jù)和標簽，能夠有效提取紡織圖像的特征信息；利用預設卷積本文檔來自技高網(wǎng)...
【技術保護點】
1.一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，包括：
2.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述獲取多模態(tài)紡織數(shù)據(jù)庫；其中，所述多模態(tài)紡織數(shù)據(jù)庫包括第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽，包括：
3.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述根據(jù)預設卷積神經(jīng)網(wǎng)絡分別獲取所述第一紡織圖像和所述第二紡織圖像的深層網(wǎng)絡特征，并將所述深層網(wǎng)絡特征進行特征融合，得到紡織圖像特征層，包括：
4.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述根據(jù)預設編碼方法將所述標簽進行數(shù)值化，得到數(shù)值化標簽，包括：
5.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述獲取預設第一神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽作為輸入數(shù)據(jù)，輸入所述第一神經(jīng)網(wǎng)絡模型，并對所述第一神經(jīng)網(wǎng)絡模型進行訓練后，根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，對所述紡織品染色配方數(shù)據(jù)進行推薦，包括：
6.一種多
7.如權利要求6所述的一種多模態(tài)融合的紡織品染色配方推薦裝置，其特征在于，所述數(shù)據(jù)庫獲取模塊用于獲取多模態(tài)紡織數(shù)據(jù)庫；其中，所述多模態(tài)紡織數(shù)據(jù)庫包括第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽，包括：
8.如權利要求6所述的一種多模態(tài)融合的紡織品染色配方推薦裝置，其特征在于，所述特征層獲取模塊用于根據(jù)預設卷積神經(jīng)網(wǎng)絡分別獲取所述第一紡織圖像和所述第二紡織圖像的深層網(wǎng)絡特征，并將所述深層網(wǎng)絡特征進行特征融合，得到紡織圖像特征層，包括：
9.如權利要求6所述的一種多模態(tài)融合的紡織品染色配方推薦裝置，其特征在于，所述標簽獲取模塊用于根據(jù)預設編碼方法將所述標簽進行數(shù)值化，得到數(shù)值化標簽，包括：
10.如權利要求6所述的一種多模態(tài)融合的紡織品染色配方推薦裝置，其特征在于，所述染色配方推薦模塊用于獲取預設第一神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽作為輸入數(shù)據(jù)，輸入所述第一神經(jīng)網(wǎng)絡模型，并對所述第一神經(jīng)網(wǎng)絡模型進行訓練后，根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，對所述紡織品染色配方數(shù)據(jù)進行推薦，包括：
...【技術特征摘要】
1.一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，包括：
2.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述獲取多模態(tài)紡織數(shù)據(jù)庫；其中，所述多模態(tài)紡織數(shù)據(jù)庫包括第一紡織圖像、第二紡織圖像、顏色值數(shù)據(jù)和標簽，包括：
3.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述根據(jù)預設卷積神經(jīng)網(wǎng)絡分別獲取所述第一紡織圖像和所述第二紡織圖像的深層網(wǎng)絡特征，并將所述深層網(wǎng)絡特征進行特征融合，得到紡織圖像特征層，包括：
4.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述根據(jù)預設編碼方法將所述標簽進行數(shù)值化，得到數(shù)值化標簽，包括：
5.如權利要求1所述的一種多模態(tài)融合的紡織品染色配方推薦方法，其特征在于，所述獲取預設第一神經(jīng)網(wǎng)絡模型，將所述顏色值數(shù)據(jù)、所述紡織圖像特征層和所述數(shù)值化標簽作為輸入數(shù)據(jù)，輸入所述第一神經(jīng)網(wǎng)絡模型，并對所述第一神經(jīng)網(wǎng)絡模型進行訓練后，根據(jù)模型訓練輸出數(shù)據(jù)得到紡織品染色配方數(shù)據(jù)，對所述紡織品染色配方數(shù)據(jù)進行推薦，包括：
6.一種多模態(tài)融合的紡織品染色配方推薦裝置，其特征在于，包括：...
【專利技術屬性】
技術研發(fā)人員：于廣平，郭清達，劉堅，李健，陳哲元，袁沐坤，
申請(專利權)人：廣州工業(yè)智能研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。