张宏伟，张凌婕，李鹏飞，宋执环

(1.西安工程大学，陕西 西安 710048；2.浙江大学工业控制技术国家重点实验室，浙江 杭州 310027)

基于GoogLeNet的色织物花型分类

张宏伟1,2，张凌婕1，*，李鹏飞1，宋执环2

(1.西安工程大学，陕西 西安 710048；2.浙江大学工业控制技术国家重点实验室，浙江 杭州 310027)

针对色织物花型人工视觉分类效率低的问题，提出了一种基于深度卷积神经网络(CNN)的色织物花型图像识别分类方法。构建了18种类别的色织物花型图像样本数据库，建立了基于GoogLeNet的色织物花型分类深度卷积神经网络，并通过实验分析选择最优的训练迭代期与学习率。结果表明利用深度神经网络分类识别色织物花型是可行、有效的。

深度卷积网络；色织物；花型分类

随着色织生产过程图像采集和存储技术的发展，色织物花型图像的分类和管理越来越受到纺织企业的重视。传统的色织物花型分类主要依赖于人工目测，由技术工人视觉检测并做不同的标记；但是这种方法受到人的心理、生理、熟练程度和疲劳程度等因素的影响，效率较低，难以适应纺织工业转型升级的需求。对此，一些聚类算法被相应提出运用于分类中，如人工神经网络、模糊C-means算法、灰度共生矩阵法和多分辨率及灰度共生矩阵法等[1-2]。目前灰度共生矩阵算法在坯布分类中应用较多，但它局限于只能提取单一尺度下的特征，在识别花型复杂的色织物时效果较差。近几年深度学习技术被广泛用于大规模互联网图像的分类，效果较好，对具有复杂图像特性的色织物花型自动分类具有良好的借鉴意义。……