一种平纹编织结构经纱与纬纱识别方法

摘要

一种平纹编织结构经纱与纬纱识别方法，通过全卷积神经网络初步对陶瓷基复合材料平纹编织结构进行细观结构识别，此时的细观结构包括纤维束、基体和空洞。根据平纹编织结构的分布特点，再分别划分经纬纱区域，整张切片最终被细分成若干网格。之后，将每一列纬纱与所有经纱区域的交叉区域进行编号标记。根据上述在交叉区域的经纱和纬纱区分方法，按照编号次序依次处理，最终实现了平纹编织结构的纤维束的经纱和纬纱的识别，弥补了神经网络无法准确区分经纬纱的缺点，为平纹编织结构的三维建模提供了准确的内部细观结构数据。

权利要求

1.一种平纹编织结构经纱与纬纱识别方法，其特征在于，包括如下步骤：步骤一、基于Caffe框架，建立全卷积神经网络模型；

步骤二、使用XCT扫描平纹编织结构的材料，得到一系列XCT切片，建立用于训练全卷积神经网络的平纹编织结构数据集；

步骤三、使用平纹编织结构数据集训练全卷积神经网络；

步骤四、将不在平纹编织结构数据集中的新扫描的XCT切片输入训练好的全卷积神经网络进行细观结构识别，得到每张新扫描的XCT切片中属于纤维束、基体和空洞的区域；

步骤五、对新扫描的XCT切片中的纤维束进行再识别，得到属于经纱和纬纱的像素区域；所述步骤五具体如下：

1）获取纬纱基础数据：

已知平纹编织结构中单根纬纱纤维束的宽度与长度是固定的，纬纱纤维束的长度按照XCT切片的最长边处理，假设为A，宽度是每张切片中纤维束的宽，假设为B；

2）获取经纱基础数据：

经纱纤维束的长度按照XCT切片的宽来处理，假设为N；由于编织结构中的经纱和纬纱采用同一种纤维束，因此经纱与纬纱的宽边是相同，经纱纤维束的宽假设为B，并标记出经纱的所在区域；

3）XCT切片尺寸为A*N，根据得到的纬纱纤维束尺寸A*B，确定一个扫描矩形框；使用这个扫描矩形框沿着XCT切片的宽边扫描整张切片，共得到N/B个矩形，所有矩形均使用线段标出；

4）根据经纱的所在区域和标出的矩形，确定经纱和纬纱的交叉区域，其中，横向的纤维束是经纱，纵向的纤维束是纬纱；

5）确定每一列纬纱的四边形坐标和每一行经纱的四边形坐标；

6）根据每一列纬纱的四边形坐标和每一行经纱的四边形坐标，结合纤维束宽度B，确定所有交叉区域的位置及坐标值，并赋予交叉区域编号；

7）按照编号的次序，依次确定交叉区域上下方的细观结构，并根据交叉区域上下方的细观结构来确定该交叉区域是经纱还是纬纱。

2.如权利要求1所述的一种平纹编织结构经纱与纬纱识别方法，其特征在于：所述步骤二中，平纹编织结构数据集分为训练集和验证集，训练集和验证集中均包括平纹编织XCT切片以及对应的真值图。

3.如权利要求2所述的一种平纹编织结构经纱与纬纱识别方法，其特征在于：所述步骤三中，使用训练集训练全卷积神经网络30K次，得到最终的网络权值文件；将验证集的平纹编织XCT切片输入到训练完成的全卷积神经网络中得到细观结构识别图，再与验证集中与这些平纹编织XCT切片对应的真值图进行对比，使用平均交并比方法来测试全卷积神经网络的准确率，待全卷积神经网络的准确率达到了预期，再进行下一步操作。

4.如权利要求1所述的一种平纹编织结构经纱与纬纱识别方法，其特征在于：所述确定每一列纬纱的四边形坐标和每一行经纱的四边形坐标，具体如下：以XCT切片的左上角为原点，横坐标向右延伸，纵坐标向下延伸；通过确定每一列纬纱的左上角坐标（X_WE_TL，0）和右下角坐标（X_WE_LR，A），得到每一列纬纱的四边形坐标，其中X_WE_TL = B*X，X_WE_LR = B*（X+1），X的范围是0，1，2，…，N/B-1；

通过确定每一行经纱的左上角坐标(0，X_WA_TL)和右下角坐标（N，Y_WA_LR），确定每一行经纱的四边形坐标，其中X_WA_TL由手动确定，Y_WA_LR = X_WA_TL + B，0<=X_WA_TL<=A。

5.如权利要求1所述的一种平纹编织结构经纱与纬纱识别方法，其特征在于：所述根据交叉区域上下方的细观结构来确定该交叉区域是经纱还是纬纱，具体如下：a）若经纱上方及下方均有空洞，且空洞紧邻交叉区域的边的尺寸与纤维束的宽度相同，则确定此交叉区域均为经纱，反之则确定为纬纱；

b）若经纱的上方及下方有一侧有明显空洞，另一侧空洞区域不明显，但上下空洞紧邻交叉区域的边的尺寸均与纤维束的宽度相同，则按照经纱部分处理；

c）若经纱上下方的空洞与交叉区域紧邻的边的尺寸不超过纤维束宽度的一半，则根据紧邻交叉区域的空洞边长来确定交叉区域经纬纱的区域；

d）如果整张切片没有发现经纱，则将整张切片判断为纬纱。

说明书

一种平纹编织结构经纱与纬纱识别方法

技术领域

[0001] 本发明属于陶瓷基复合材料预制体细观结构识别领域，具体涉及陶瓷基复合材料平纹编织结构XCT切片细观结构纤维束的经纱与纬纱识别方法。

背景技术

[0002] 在预测力学性能时，材料的三维有限元分析模型结构要尽可能与实际情况相同，而不是在理想情况下对材料进行三维重建。

[0003] XCT(XCT，X-ray Computed Tomography)是一种无损检测方法，可在不破坏材料的前提下，准确得到材料内部结构，XCT扫描材料后会得到一系列的XCT切片。通过每张切片在实际材料中占据的厚度进行拉伸，再将一系列拉伸模型进行叠加，最终得到三维模型并进行有限元划分。然而，这种方式最终只能得到材料的三维模型，而无法分辨材料内部的细观结构分布，包括经纱、纬纱、基体和孔洞。有限元分析的一个步骤就是赋予每种材料对应的材料属性，因此，识别一系列XCT切片的细观结构就是一个很大的挑战。

[0004] 目前，对于陶瓷基复合材料(CMCs，Ceramics Matrix Composites)平纹编织结构XCT切片细观识别取得了一系列成果。

[0005] 一些学者通过手动标记得到的平纹编织结构XCT切片，得到了内部的经纱和纬纱结构，并进行切片的拉伸和叠加，得到了三维模型。采用像素网格的方式，实现了对平纹编织结构弹性模量的有限元分析。此种手动标记的方式不适合标记大量的XCT切片，并且对于标记人员的专业知识具有很高要求。

[0006] 也有学者将全卷积神经网络应用于陶瓷基复合材料复杂预制体的细观结构识别领域，然而对于平纹编织结构来说，却只是实现了纤维束、基体、空洞细观结构的识别。在平纹编织结构中纤维束根据方向的不同分为经纱和纬纱，经纱呈水平方向，纬纱呈竖直方向。对于有限元分析方法来说，把经纱和纬纱均当作相同的纤维束，并将识别的细观结构切片进行三维重建是不合理的，这是因此CMCs是各向异性的，经纱和纬纱的力学性质是不同的，使得分析结果是不准确的。

[0007] 基于上述缺点，本发明基于全卷积神经网络初步识别平纹编织结构XCT切片结束后得到图片进再在处理，此时识别的细观结构包括的纤维束、基体、和空洞，根据平纹编织结构的经纱和纬纱的分布规律以及空洞位置，进一步使用图像处理的方法将纤维束分为经纱和纬纱，弥补神经网络无法准确区分相同材料但方向不同的纤维束，使得后期的三维重建得到的结构更接近于真实结构，有限元分析得到的结果与实验数据更加吻合。

发明内容

[0008] 本发明针对现有技术中的不足，提供一种平纹编织结构经纱与纬纱识别方法。

[0009] 为实现上述目的，本发明采用以下技术方案：

[0010] 一种平纹编织结构经纱与纬纱识别方法，其特征在于，包括如下步骤：

[0011] 步骤一、基于Caffe框架，建立全卷积神经网络模型；

[0012] 步骤二、使用XCT扫描平纹编织结构的材料，得到一系列XCT切片，建立用于训练全卷积神经网络的平纹编织结构数据集；

[0013] 步骤三、使用平纹编织结构数据集训练全卷积神经网络；

[0014] 步骤四、将不在平纹编织结构数据集中的新扫描的XCT切片输入训练好的全卷积神经网络进行细观结构识别，得到每张新扫描的XCT切片中属于纤维束、基体和空洞的区域；

[0015] 步骤五、对新扫描的XCT切片中的纤维束进行再识别，得到属于经纱和纬纱的像素区域。

[0016] 为优化上述技术方案，采取的具体措施还包括：

[0017] 进一步地，所述步骤二中，平纹编织结构数据集分为训练集和验证集，训练集和验证集中均包括平纹编织XCT切片以及对应的真值图。

[0018] 进一步地，所述步骤三中，使用训练集训练全卷积神经网络30K次，得到最终的网络权值文件；将验证集的平纹编织XCT切片输入到训练完成的全卷积神经网络中得到细观结构识别图，再与验证集中与这些平纹编织XCT切片对应的真值图进行对比，使用平均交并比方法来测试全卷积神经网络的准确率，待全卷积神经网络的准确率达到了预期，再进行下一步操作。

[0019] 进一步地，所述步骤五具体如下：

[0020] 1)获取纬纱基础数据：

[0021] 已知平纹编织结构中单根纬纱纤维束的宽度与长度是固定的，纬纱纤维束的长度按照XCT切片的最长边处理，假设为A，宽度是每张切片中纤维束的宽，假设为B；

[0022] 2)获取经纱基础数据：

[0023] 经纱纤维束的长度按照XCT切片的宽来处理，假设为N；由于编织结构中的经纱和纬纱采用同一种纤维束，因此经纱与纬纱的宽边是相同，经纱纤维束的宽假设为B，并标记出经纱的所在区域；

[0024] 3)XCT切片尺寸为A*N，根据得到的纬纱纤维束尺寸A*B，确定一个扫描矩形框；使用这个扫描矩形框沿着XCT切片的宽边扫描整张切片，共得到N/B个矩形，所有矩形均使用线段标出；

[0025] 4)根据经纱的所在区域和标出的矩形，确定经纱和纬纱的交叉区域，其中，横向的纤维束是经纱，纵向的纤维束是纬纱；

[0026] 5)确定每一列纬纱的四边形坐标和每一行经纱的四边形坐标；

[0027] 6)根据每一列纬纱的四边形坐标和每一行经纱的四边形坐标，结合纤维束宽度B，确定所有交叉区域的位置及坐标值，并赋予交叉区域编号；

[0028] 7)按照编号的次序，依次确定交叉区域上下方的细观结构，并根据交叉区域上下方的细观结构来确定该交叉区域是经纱还是纬纱。

[0029] 进一步地，所述确定每一列纬纱的四边形坐标和每一行经纱的四边形坐标，具体如下：

[0030] 以XCT切片的左上角为原点，横坐标向右延伸，纵坐标向下延伸；通过确定每一列纬纱的左上角坐标(X_WE_TL，0)和右下角坐标(X_WE_LR，A)，得到每一列纬纱的四边形坐标，其中X_WE_TL＝B*X，X_WE_LR＝B*(X+1)，X的范围是(0，1，2，…，N/B-1)；

[0031] 通过确定每一行经纱的左上角坐标(0，X_WA_TL)和右下角坐标(N，Y_WA_LR)，确定每一行经纱的四边形坐标，其中X_WA_TL由手动确定，Y_WA_LR＝X_WA_TL+B，0＜＝X_WA_TL＜＝A。

[0032] 进一步地，所述根据交叉区域上下方的细观结构来确定该交叉区域是经纱还是纬纱，具体如下：

[0033] a)若经纱上方及下方均有空洞，且空洞紧邻交叉区域的边的尺寸与纤维束的宽度相同，则确定此交叉区域均为经纱，反之则确定为纬纱；

[0034] b)若经纱的上方及下方有一侧有明显空洞，另一侧空洞区域不明显，但上下空洞紧邻交叉区域的边的尺寸均与纤维束的宽度相同，则按照经纱部分处理；

[0035] c)若经纱上下方的空洞与交叉区域紧邻的边的尺寸不超过纤维束宽度的一半，则根据紧邻交叉区域的空洞边长来确定交叉区域经纬纱的区域；

[0036] d)如果整张切片没有发现经纱，则将整张切片判断为纬纱。

[0037] 本发明的有益效果是：

[0038] 1、通过采用平纹编织结构的经纱与纬纱识别方法，可以将全卷积神经网络完成的仅包含纤维束的细管结构识别图进一步细化，得到与真实观察到的细观结构更加相近的细观结构图，操作更加简单。

[0039] 2、在进行有限元分析时，可以通过上述切片实现经纱和纬纱的重建，这符合CMCs的各向异性的性质，使得有限元法分析得到的结果更加准确。

附图说明

[0040] 图1是平纹编织结构所使用的全卷积神经网络模型图。

[0041] 图2是交叉区域编号示意图。

[0042] 图3是交叉区域类别对照图。

[0043] 图4是使用经纬纱识别方法得到的细观结构识别图。

具体实施方式

[0044] 现在结合附图对本发明作进一步详细的说明。

[0045] 理论上来说，经纱上下方存在的空洞或者纬纱是对称的，然而实际是一种大致对称状态。一方面，由于每一根纤维束均有成百上千根纤维丝组成，且部分纤维丝存在断头，纤维丝断头处的纤维方向与纤维束的编织方向是不同的，呈现一种凌乱的，四处分散的状态。另一方面，由于制作工艺的固有缺陷，本发明使用的平纹编织材料的制作工艺是化学沉积气相渗透法(CVI，Chemical Vapor Infiltration)，纤维束表面沉积的基体是不均匀的，导致平纹编织材料内部纤维束的表面不是光滑的，而是凹凸不平的。

[0046] 首先，基于Caffe框架，建立全卷积神经网络模型。

[0047] 使用XCT扫描平纹编织结构的材料，得到一系列XCT切片。建立用于训练上述网络的平纹编织结构数据集，数据集中包括平纹编织XCT切片以及真值图，其中训练集1500张，验证集300张。

[0048] 使用上述训练集训练神经网络30K次，得到最终网络权值文件。将验证集XCT切片输入到训练完成的神经网络中得到细观结构识别图，再与验证集中这些切片对应的真值图进行对比，使用平均交并比(mIoU，Mean Intersection over Union)方法来测试神经网络的准确率，倘若神经网络的准确率达到了预期，则进行下一步操作。

[0049] 将不在数据集中的新扫描的切片输入训练好的全卷积神经网络进行细观结构识别，得到每张切片中属于纤维束、基体和空洞的区域。由于经纱和纬纱同属纤维束，唯一的不同在于经纱和纬纱的方向不同，一个是横向的，一个是纵向的，在细观结构上来看，两者在XCT切片中的灰度级基本相同，这对于全卷积神经网络的识别来说是非常困难的，如果强行识别这两者，得到的结果也是相互掺杂的，经纱误判段为纬纱，纬纱误判段为经纱，结果不可靠。因此，在使用全卷积神经网络时，只判断纤维束。使用全卷积神经网络识别结束后得到的语义分割效果图如图1。

[0050] 接下来，对上述切片中的纤维束进行再识别，得到属于经纱和纬纱的像素区域。

[0051] 获取纬纱基础数据。对于一种平纹编织结构得到的单根纬纱纤维束，其宽度与长度基本是固定的。纬纱纤维束的长度按照XCT切片的最长边处理，假设为A，宽度是每张切片中纤维束的宽，假设为B。

[0052] 获取经纱基础数据。经纱纤维束的长度按照XCT切片的宽来处理，长度为N；由于编织结构中的经纱和纬纱采用同一种纤维束，因此经纱与纬纱的宽边是相同。经纱纤维束的宽假设为B。由于经纱的分布并不是均匀的，相邻三条经纱之间，两两间距并不相同，因此可以手动标记出经纱的所在区域。

[0053] 假设切片尺寸为A*N，根据得到的纬纱纤维束的尺寸A*B，确定了一个矩形框。使用这个矩形框沿着XCT切片的宽边扫描整张切片，共得到N/B个矩形，所有矩形均使用线段标出。

[0054] 取经纱和纬纱的交叉区域，在这里，横向的纤维束是经纱，纵向的纤维束是纬纱。实现经纱和纬纱的分辨主要不确定的地方就是不同方向纤维束的交叉区域。

[0055] 通过确定每一列纬纱的左上角(X_WE_TL，0)和右下角(X_WE_LR，A)的坐标，得到每一列纬纱的四边形坐标。

[0056] X_WE_TL＝B*X

[0057] X_WE_LR＝B*(X+1)X的范围是(0，1，2，…，N/B-1)

[0058] 通过确定每一行经纱的左上角(0，X_WA_TL)和右下角(N，Y_WA_LR)的坐标，确定四边形的四个坐标。

[0059] X_WA_TL是由手动确定的；

[0060] Y_WA_LR＝X_WA_TL+B(0＜＝X_WA_TL＜＝A)

[0061] 根据上述方法，得到一张XCT切片中所有经纱位置及纬纱位置坐标值，按照每一列纬纱与所有行经纱的交叉，根据纤维束宽度B，依次递进，确定所有交叉区域的位置及坐标值。赋予交叉区域编号，从XCT切片的左上角开始编号，从上到下，从左到右依次标记1，2，3…。

[0062] 平纹编织结构中，产生空洞的原因在于：纬纱在下方绕过经纱，使得此刻纬纱方向朝下，由于XCT扫描看到的只是某一固定断层，所以具有向下趋势的纬纱纤维束，在当前层无法被观察到，产生空洞。

[0063] 平纹编织结构中，交叉区域属于纬纱的原因在于：纬纱在上方绕过经纱，使得此刻纬纱的方向朝上，在当前切片，看到的就是纬纱。

[0064] 根据交叉区域上下方的细观结构来确定此区域是经纱还是纬纱，这些部分存在四种情况：

[0065] 1)经纱上方及下方均有空洞，且空洞紧邻交叉区域的边的尺寸与纤维束的宽度相同，则确定此区域均为经纱，如图3中a列所示的紧邻交叉区域的空洞边长相同；反之则确定为纬纱，如图3中b列所示。

[0066] 2)经纱的上方及下方有一侧是有明显空洞的，另一侧空洞区域很小，但上下空洞紧邻交叉区域的边的尺寸均与纤维束的宽是相同，则按照经纱部分处理，如图3中c列所示的紧邻交叉区域的空洞边长不同。这是因为，纤维束可能会存在断头，造成纤维束的整体方向尽管是向下的，但断头纤维的方向是朝上的，使得此处本应该是与上方相对称区域面积相同的空洞，面积变小，产生了不对称。

[0067] 3)由于在分割过程中的随机性，并不是按照一条条纬纱的位置分割XCT切片的，所以也会造成分割的竖条矩形中，空洞的长宽与经纱的长宽不是严格对等的，可能与交叉区域紧邻的边的尺寸仅为纤维束宽度的一半甚至更小，则根据紧邻交叉区域的空洞边长来确定交叉区域经纬纱的区域，如图3中d列所示的一半经纱一半纬纱的交叉区域。

[0068] 4)如果整张切片没有发现经纱，则将整张切片判断为纬纱，如图3中e列所示。

[0069] 在这个由经纱和纬纱确定的网格中，按照编号的次序，依次确定交叉区域上方和下方是空洞还是纬纱。通过上述方法，可以实现平纹编织结构的经纱和纬纱的判断。

[0070] 此外，对于切片的上下边缘处，如果在切片最上方只有一条横向纤维，通过此段纤维下方紧邻的纬纱纤维与此横段纤维之间的细观结构来确定此段纤维属于经纱还是纬纱。同理，在切片最下方的横向纤维也通过相同的方法判断。

[0071] 对于整张切片不断重复上述操作，对于一系列的XCT切片也重复上述操作，直至所有的XCT切片处理完成，如图4所示，×号的区域为根据判断方法确定的经纱区域。

[0072] 采用上述平纹编织结构经纱与纬纱识别方法的实施例具体如下：

[0073] 基于Caffe框架，建立用于平纹编织结构细观结构识别的全卷积神经网络，并进行试运行，保证网络可以正常训练。

[0074] 建立用于训练上述网络的平纹编织结构数据集，数据集中包括平纹编织XCT切片以及真值图，其中训练集1500张，验证集300张。

[0075] 在训练网络的过程中，保存训练过程得到的数据，包括训练迭代次数对应的训练误差和每一类别的准确度；

[0076] 使用上述数据集训练神经网络30K次，得到最终的网络权值文件。将验证集XCT切片输入到训练完成的神经网络中得到细观结构识别图，再与数据集中这些切片对应的真值图进行对比，使用平均交并比方法来测试神经网络的准确率，倘若神经网络的准确率达到了预期，则进行下一步操作。

[0077] 将新的XCT切片，即不存在于平纹编织结构数据集中的XCT切片，输入到训练完成的神经网络中，进行初始的XCT切片细观结构识别，此时的细观结构包括纤维束、空洞以及基体。

[0078] 针对验证集中的平纹编织结构切片进行经纱和纬纱的细分。在切片中，横向的纤维束是经纱，纵向的纤维束是纬纱。

[0079] 获取纬纱的基础数据。对于一种平纹编织结构得到的单根纬纱纤维束，其宽度与长度基本是固定的。纬纱纤维束的长度按照XCT切片的最长边处理，为1000个像素，宽度是每张切片中纤维束的宽，为50个像素。

[0080] 获取经纱基础数据。经纱纤维束的长度按照XCT切片的宽来处理，为500个像素；由于编织结构中的经纱和纬纱采用同一种纤维束，因此经纱与纬纱的宽边是相同。经纱纤维束的宽假设为50个像素。由于经纱的分布并不是均匀的，相邻三条经纱之间，两两间距并不相同，因此手动标记出经纱的所在区域。

[0081] 假设切片尺寸为1000*500，根据得到的经纱和纬纱纤维束的长度和宽度，分别确定它们的尺寸为500*50和1000*50。

[0082] 通过纬纱确定的尺寸，沿着XCT切片的宽边扫描整张切片，共得到500/50＝10个矩形区域，均使用浅色线段标出。通过经纱确定的尺寸，手动标记经纱区域，均使用深色线段标出。

[0083] 在经纱和纬纱区域均标记完成后，取两者的交叉区域，即每一列纬纱与所有经纱的交叉区域，实现经纱和纬纱的分辨主要难点在于这些交叉区域。

[0084] 通过确定每一列纬纱的左上角(50*X，0)和右下角(50*(X+1)，1000)的坐标，X的范围是0，1，2，…，9，得到每一列纬纱的四边形坐标。

[0085] 通过确定每一行经纱的左上角(0，X_WA_TL)和右下角(500，X_WA_TL+50)的坐标，确定四边形的四个坐标，X_WA_TL是由手动确定的，分别确定为0，300，600，900。

[0086] 按照上述计算，可得到一张XCT切片中所有经纱区域及纬纱区域的坐标值，根据纤维束宽度50，计算每一列纬纱与所有行经纱的交叉，依次递进，确定所有交叉区域的位置及坐标值，并给每一个交叉区域标记编号。从XCT切片的左上角编号开始，从上到下，从左到右，赋予每个交叉区域编号1，2，3…。

[0087] 在这个由经纱和纬纱确定的网格中，按照编号次序，依次确定交叉区域上方和下方是空洞还是纬纱。

[0088] 根据交叉区域上下方的细观结构来确定此区域是经纱还是纬纱，这些部分存在四种情况：

[0089] 1)经纱上方及下方均有空洞，且紧邻交叉区域的空洞的尺寸与纤维束的宽度相同，则确定此区域均为经纱，反之则确定为纬纱；

[0090] 2)经纱的上方及下方有一侧是有明显空洞的，另一侧空洞区域很小，但上下空洞紧邻交叉区域的边的尺寸均与纤维束的宽是相同，则按照经纱部分处理；

[0091] 3)由于在分割过程中的随机性，并不是按照一条条纬纱的位置分割XCT切片的，所以也会造成分割的竖条矩形中，空洞的长宽与经纱的长宽不是严格对等的，可能与交叉区域紧邻的边的尺寸仅为纤维束宽度的一半甚至更小，则根据紧邻交叉区域的空洞边长来确定交叉区域经纬纱的区域；

[0092] 4)如果整张切片没有发现经纱，则将整张切片判断为纬纱。

[0093] 对于整张切片不断重复上述操作，对于一系列的XCT切片也重复上述操作，直至所有的XCT切片处理完成。

[0094] 本发明通过全卷积神经网络初步对陶瓷基复合材料平纹编织结构进行细观结构识别，此时的细观结构包括纤维束、基体和空洞。根据平纹编织结构的分布特点，再分别划分经纬纱区域，整张切片最终被细分成若干网格。之后，将每一列纬纱与所有经纱区域的交叉区域进行编号标记。根据上述在交叉区域的经纱和纬纱区分方法，按照编号次序依次处理，最终实现了平纹编织结构的纤维束的经纱和纬纱的识别，弥补了神经网络无法准确区分经纬纱的缺点，为平纹编织结构的三维建模提供了准确的内部细观结构数据。

[0095] 需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

[0096] 以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。