一种基于图像处理的纺织品烧毛工艺智能作业方法及系统

摘要

本发明涉及人工智能、纺织品加工技术领域，具体涉及一种基于图像处理的纺织品烧毛工艺智能作业方法及系统。该方法将未烧毛纺织品图像分为绒毛特征图像和表面纹理特征图像。利用传感器获得的温度分布图获得不同烧毛装置作业参数下的温度分布拟合模型。根据历史数据获得绒毛特征图像中每个绒毛特征像素点的参考温度分布序列。以绒毛特征图像每行像素点的参考温度分布序列构成参考温度分布信息；根据参考温度分布信息和温度分布拟合模型控制烧毛装置作业参数。本发明利用温度分布拟合模型和参考温度分布信息实现精准控制烧毛装置的作业参数，提高烧毛工艺效率。

权利要求

1.一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述方法包括：获取未烧毛纺织品图像；将所述未烧毛纺织品图像输入预先训练好的纺织品特征提取网络中，获得绒毛特征图像和表面纹理特征图像；

利用传感器获取不同烧毛装置作业参数下的温度分布图，根据所述温度分布图获得不同所述烧毛装置作业参数下的温度分布拟合模型；

获取历史未烧毛纺织品图像及对应的历史已烧毛纺织品图像；根据所述历史未烧毛纺织品图像的历史表面纹理特征图像和所述历史已烧毛纺织品图像的差异获得烧毛质量合格像素点；根据对应的所述温度分布模型获得所述烧毛质量合格像素点的参考温度分布序列；获得所述烧毛质量合格像素点在所述历史未烧毛纺织品图像的历史绒毛特征图像上的绒毛特征像素点；根据多组所述历史未烧毛纺织品图像和所述历史已烧毛纺织品图像获得不同绒毛特征像素点与所述参考温度分布序列的对应关系；根据所述对应关系获得所述绒毛特征图像每个像素点的所述参考温度分布序列；

以所述绒毛特征图像每行像素点的所述参考温度分布序列构成参考温度分布信息；根据所述参考温度分布信息和所述温度分布拟合模型控制所述烧毛装置作业参数。

2.根据权利要求1所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述纺织品特征提取网络包括：所述纺织品特征提取网络在训练时设置结构相同且参数共享第一分支网络和第二分支网络；以所述历史未烧毛纺织品图像作为训练数据，对应的所述历史已烧毛纺织品图像作为标签数据，通过复合损失函数训练两个分支网络；所述复合损失函数为重构损失函数和一致性损失函数的和；

所述重构损失函数将所述绒毛特征图像和所述表面纹理特征图像重构后获取重构图像，以所述重构图像与所述未烧毛纺织品图像的差异调整网络损失值；所述一致性损失函数通过所述表面纹理特征图像与所述标签数据的差异调整网络损失值。

3.根据权利要求2所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述重构损失函数包括：

其中， 为所述重构损失函数， 为所述纺织品特征提取网络的输入图像的尺寸，为所述第一分支网络输出的自身纹理图像中位置 处的像素值， 为所述第一分支网络输出的所述绒毛特征图像中位置 处的像素值， 为所述第一分支网络输入的训练数据， 为所述第二分支网络输出的自身纹理图像中位置 处的像素值， 为所述第二分支网络输出的所述绒毛特征图像中位置 处的像素值， 为所述第二分支网络输入的训练数据。

4.根据权利要求2所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述一致性损失函数包括：

其中， 为所述一致性损失函数， 为所述纺织品特征提取网络的输入图像的尺寸， 为所述第一分支网络输出的自身纹理图像中位置 处的像素值， 为所述第二分支网络输出的自身纹理图像中位置 处的像素值， 为所述第一分支网络输入的所述标签数据中位置 处的像素值， 为所述第二分支网络输入的所述标签数据中位置 处的像素值。

5.根据权利要求1所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述根据所述温度分布图获得不同所述烧毛装置作业参数下的温度分布拟合模型包括：

构建初始温度分布拟合模型；所述初始温度分布拟合模型包括多个待定的拟合系数；

根据温度分布图和所述初始温度分布拟合模型构建极大似然函数；根据所述极大似然函数的最优解确定所述拟合系数的值，获得所述温度分布拟合模型。

6.根据权利要求5所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述极大似然函数包括：

其中， 为所述极大似然函数， 为所述烧毛装置作业参数为 的所述温度分布图， 为所述烧毛装置作业参数为 的所述温度分布图上位置为 的像素值， 为所述烧毛装置作业参数为 的所述初始温度分布拟合模型上位置为 的像素值。

7.根据权利要求5所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述初始温度分布拟合模型包括：其中， 为所述烧毛装置作业参数为 的所述初始温度分布拟合模型， 为所述拟合系数， 为所述初始温度分布拟合模型的坐标原点。

8.根据权利要求1所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述根据所述对应关系获得所述绒毛特征图像每个像素点的所述参考温度分布序列包括：

根据所述对应关系训练参考温度分布序列获取网络；将所述绒毛特征图输入所述参考温度分布序列获取网络，输出所述绒毛特征图像每个像素点的所述参考温度分布序列。

9.根据权利要求1所述的一种基于图像处理的纺织品烧毛工艺智能作业方法，其特征在于，所述根据所述参考温度分布信息控制所述烧毛装置作业参数包括：根据所述温度分布拟合模型获得不同所述烧毛装置作业参数下最大温度分布区域；

当所述绒毛特征图像中的目标像素行进入所述最大温度分布区域时，获得所述目标像素行的所述参考温度分布信息；以与所述参考温度分布信息差异最小的所述温度分布模型对应的所述烧毛装置作业参数作为理想作业参数；根据所述理想作业参数调整所述烧毛装置作业参数。

10.一种基于图像处理的纺织品烧毛工艺智能作业系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1 9任意一项所述方法的步骤。

~

说明书

一种基于图像处理的纺织品烧毛工艺智能作业方法及系统

技术领域

[0001] 本发明涉及人工智能、纺织品加工技术领域，具体涉及一种基于图像处理的纺织品烧毛工艺智能作业方法及系统。

背景技术

[0002] 在纺织品加工的过程中，从纺织厂进入印染厂之后，坯布需要进行烧毛加工；烧毛的目的是将原布表面的耸立的长短不一的绒毛去除，从而改善布面光泽，提高光洁度。烧毛
工艺的原理为：利用绒毛与织物本体的温度差异。绒毛体积小而升温迅速，而织物体积大升
温较慢，故在烧毛时绒毛易于被烧掉，而织物则难于燃烧，且对布的强力损伤甚微。

[0003] 现有技术中，常用的烧毛装置为气体烧毛机、铜板烧毛机和圆筒烧毛机三种，为了保证烧毛质量，常常需要对人工操作，并对同一纺织品进行烧毛工序，对于纺织品不同位置
的绒毛无法做到自适应控制作业参数，烧毛作业效率低下。

发明内容

[0004] 为了解决上述技术问题，本发明的目的在于提供一种基于图像处理的纺织品烧毛工艺智能作业方法及系统，所采用的技术方案具体如下：

[0005] 本发明提出了一种基于图像处理的纺织品烧毛工艺智能作业方法，所述方法包括：

[0006] 获取未烧毛纺织品图像；将所述未烧毛纺织品图像输入预先训练好的纺织品特征提取网络中，获得绒毛特征图像和表面纹理特征图像；

[0007] 利用传感器获取不同烧毛装置作业参数下的温度分布图，根据所述温度分布图获得不同所述烧毛装置作业参数下的温度分布拟合模型；

[0008] 获取历史未烧毛纺织品图像及对应的历史已烧毛纺织品图像；根据所述历史未烧毛纺织品图像的历史表面纹理特征图像和所述历史已烧毛纺织品图像的差异获得烧毛质
量合格像素点；根据对应的所述温度分布模型获得所述烧毛质量合格像素点的参考温度分
布序列；获得所述烧毛质量合格像素点在所述历史未烧毛纺织品图像的历史绒毛特征图像
上的绒毛特征像素点；根据多组所述历史未烧毛纺织品图像和所述历史已烧毛纺织品图像
获得不同绒毛特征像素点与所述参考温度分布序列的对应关系；根据所述对应关系获得所
述绒毛特征图像每个像素点的所述参考温度分布序列；

[0009] 以所述绒毛特征图像每行像素点的所述参考温度分布序列构成参考温度分布信息；根据所述参考温度分布信息和所述温度分布拟合模型控制所述烧毛装置作业参数。

[0010] 进一步地，所述纺织品特征提取网络包括：

[0011] 所述纺织品特征提取网络在训练时设置结构相同且参数共享第一分支网络和第二分支网络；以所述历史未烧毛纺织品图像作为训练数据，对应的所述历史已烧毛纺织品
图像作为标签数据，通过复合损失函数训练两个分支网络；所述复合损失函数为重构损失
函数和一致性损失函数的和；

[0012] 所述重构损失函数将所述绒毛特征图像和所述表面纹理特征图像重构后获取重构图像，以所述重构图像与所述未烧毛纺织品图像的差异调整网络损失值；所述一致性损
失函数通过所述表面纹理特征图像与所述标签数据的差异调整网络损失值。

[0013] 进一步地，所述重构损失函数包括：

[0014]

[0015] 其中， 为所述重构损失函数， 为所述纺织品特征提取网络的输入图像的尺寸， 为所述第一分支网络输出的所述自身纹理图像中位置 处的像素值， 为所
述第一分支网络输出的所述绒毛特征图像中位置 处的像素值， 为所述第一分支网络
输入的训练数据， 为所述第二分支网络输出的所述自身纹理图像中位置 处的像素
值， 为所述第二分支网络输出的所述绒毛特征图像中位置 处的像素值， 为为所述
第二分支网络输入的训练数据。

[0016] 进一步地，所述一致性损失函数包括：

[0017]

[0018] 其中， 为所述一致性损失函数， 为所述纺织品特征提取网络的输入图像的尺寸， 为所述第一分支网络输出的所述自身纹理图像中位置 处的像素值，
为所述第二分支网络输出的所述自身纹理图像中位置 处的像素值， 为所述第一分
支网络输入的所述标签数据中位置 处的像素值， 为所述第二分支网络输入的所述
标签数据中位置 处的像素值。

[0019] 进一步地，所述根据所述温度分布图获得不同所述烧毛装置作业参数下的温度分布拟合模型包括：

[0020] 构建初始温度分布拟合模型；所述初始温度分布拟合模型包括多个待定的拟合系数；

[0021] 根据温度分布图和所述初始温度分布拟合模型构建极大似然函数；根据所述极大似然函数的最优解确定所述拟合系数的值，获得所述温度分布拟合模型。

[0022] 进一步地，所述极大似然函数包括：

[0023]

[0024] 其中， 为所述极大似然函数， 为所述烧毛装置作业参数为 的所述温度分布图， 为所述烧毛装置作业参数为 的所述温度分布图上位置为 的
像素值， 为所述烧毛装置作业参数为的所述初始温度分布拟合模型上位置为
的像素值。

[0025] 进一步地，所述初始温度分布拟合模型包括：

[0026]

[0027] 其中， 为所述烧毛装置作业参数为 的所述初始温度分布拟合模型， 为所述拟合系数， 为所述初始温度分布拟合模型的坐标原点。

[0028] 进一步地，所述根据所述对应关系获得所述绒毛特征图像每个像素点的所述参考温度分布序列包括：

[0029] 根据所述对应关系训练参考温度分布序列获取网络；将所述绒毛特征图输入所述参考温度分布序列获取网络，输出所述绒毛特征图像每个像素点的所述参考温度分布序
列。

[0030] 进一步地，所述根据所述参考温度分布信息控制所述烧毛装置作业参数包括：

[0031] 根据所述温度分布拟合模型获得不同所述烧毛装置作业参数下最大温度分布区域；

[0032] 当所述绒毛特征图像中的目标像素行进入所述最大温度分布区域时，获得所述目标像素行的所述参考温度分布信息；以与所述参考温度分布信息差异最小的所述温度分布
模型对应的所述烧毛装置作业参数作为理想作业参数；根据所述理想作业参数调整所述烧
毛装置作业参数。

[0033] 本发明还提出了一种基于图像处理的纺织品烧毛工艺智能作业系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器
执行所述计算机程序时实现任意一项所述一种基于图像处理的纺织品烧毛工艺智能作业
方法的步骤。

[0034] 本发明具有如下有益效果：

[0035] 本发明实施例通过传感器获得不同烧毛装置作业参数下的温度分布图，进而获得温度分布拟合模型。进一步通过历史数据获得纺织品图像上每行像素点的参考温度分布信
息，控制烧毛装置作业参数。通过逐行像素点控制烧毛装置作业参数，使其温度分布拟合模
型达到参考温度分布信息，实现精准的烧毛装置作业参数控制，保证烧毛质量的基础上提
高作业效率。

附图说明

[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅
仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，
还可以根据这些附图获得其它附图。

[0037] 图1为本发明一个实施例所提供的一种基于图像处理的纺织品烧毛工艺智能作业方法流程图；

[0038] 图2为本发明一个实施例所提供的一个纺织品特征提取网络的分支网络示意图；

[0039] 图3为本发明一个实施例所提供的一个温度分布区域示意图。

具体实施方式

[0040] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的纺织品烧毛工艺智能作业
方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的
“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特
定特征、结构、或特点可由任何合适形式组合。

[0041] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0042] 下面结合附图具体的说明本发明所提供的一种基于图像处理的纺织品烧毛工艺智能作业方法及系统的具体方案。

[0043] 请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的纺织品烧毛工艺智能作业方法流程图，该方法包括：

[0044] 步骤S1：获取未烧毛纺织品图像；将未烧毛纺织品图像输入预先训练好的纺织品特征提取网络中，获得绒毛特征图像和表面纹理特征图像。

[0045] 在纺织品印染工艺中的烧毛工序是通过卷筒或者流水线将未烧毛的纺织品输送到烧毛装置下进行烧毛。在烧毛工序中，因为纺织品表面的绒毛分布程度不同，如绒毛长
度、绒毛密集度等，需要根据绒毛特征进行精确的控制烧毛装置参数，以实现自适应控制烧
毛工艺。

[0046] 在纺织品运行的流水线上部署相机获取未烧毛纺织品，相机光轴垂直于纺织品，相机与纺织品存在一定高度使相机视野能够完整包含纺织品图像信息。因为未烧毛纺织品
图像中不仅包含绒毛特征还包含纺织品的表面纹理特征，即绒毛特征图像和表面纹理特征
图像构成了未烧毛纺织品图像。因此为了完整的分析未烧毛纺织品的特征信息，将未烧毛
纺织品图像输入先训练好的纺织品特征提取网络中，获得绒毛特征图像和表面纹理特征图
像。纺织品特征提取网络具体包括：

[0047] （1）设置未烧毛纺织品图像、绒毛特征图像和表面纹理特征图像的关系为：，其中 为未烧毛纺织品图像， 为表面纹理特征图像，为绒毛特征图像。因为
纺织品表面绒毛会增加对光的散射从而影响自身纹理特征，所以绒毛特征图像的标签数据
不易获得。但因为表面纹理特征图像为待烧毛纺织品经过烧毛工序后的表面纹理的特征，
因此可将已烧毛纺织品作为待烧毛纺织品图像的表面纹理特征标签数据。相机在白色光源
下以俯视视角采集历史未烧毛纺织品图像 ，并以同样的位姿和光源采集历史已烧毛纺织
品 ，将高质量，特征明显的 保留获得多个训练样本 。

[0048] （2）请参阅图2，其示出了本发明一个实施例所提供的一个纺织品特征提取网络的分支网络示意图，因为未烧毛纺织品图像、绒毛特征图像和表面纹理特征图像的关系，所以
在纺织品特征提取网络设置结构相同且参数共享第一分支网络和第二分支网络，使纺织品
特征提取网络能够学习到图像之间的拆解关系，不需要另外设置绒毛特征标签，加快网络
训练过程，提高训练效率。第一分支网络的训练样本为 ，包括第一分支编码器101和
第一分支解码器102；第二分支网络的训练样本为 ，包括第二分支编码器103和第二分
支解码器104。其中第一分支解码器101与第二分支解码器103的参数共享，对输入数据进行
相同的特征提取；第一分支解码器102与第二分支解码器104的参数共享，对提取特征后的
特征图进行相同的采样变换输出对应的绒毛特征图像和表面纹理特征图像，即第一分支网
络输出为 ，第二分支网络输出为 。

[0049] （3）通过符合损失函数训练两个分支网络。使纺织品特征提取网络能够通过分支网络学习未烧毛纺织品图像、绒毛特征图像和表面纹理特征图像的关系并输出准确的绒毛
特征图像和表面纹理特征图像。复合损失函数为重构损失函数和一致性损失函数的和。重
构损失函数用于约束未烧毛纺织品图像、绒毛特征图像和表面纹理特征图像的关系，将绒
毛特征图像和表面纹理特征图像重构后获取重构图像，以重构图像与未烧毛纺织品图像的
差异调整网络损失值，具体包括：

[0050] 其中， 为重构损失函数， 为纺织品特征提取网络的输入图像的尺寸，为第一分支网络输出的自身纹理图像中位置 处的像素值， 为第一分支网络输出的
绒毛特征图像中位置 处的像素值，为第一分支网络输入的训练数据， 为第二分支
网络输出的自身纹理图像中位置 处的像素值， 为第二分支网络输出的绒毛特征图
像中位置 处的像素值， 为为第二分支网络输入的训练数据。

[0051] 一致性损失函数通过表面纹理特征图像与标签数据的差异调整网络损失值，用于约束两个分支网络输出的不同表面纹理特征图像的差异与标签数据的差异，具体包括：

[0052]

[0053] 其中， 为一致性损失函数， 为纺织品特征提取网络的输入图像的尺寸，为第一分支网络输出的自身纹理图像中位置 处的像素值， 为第二分支网络输
出的自身纹理图像中位置 处的像素值， 为第一分支网络输入的标签数据中位置
处的像素值， 为第二分支网络输入的标签数据中位置 处的像素值。

[0054] （4）利用梯度下降法不断更新网络参数，完成训练。需要说明的是，在实际使用中，将实时采集的未烧毛纺织品图像输入一个网络分支中即可获得绒毛特征图像和表面纹理
特征图像。

[0055] 步骤S2：利用传感器获取不同烧毛装置作业参数下的温度分布图，根据温度分布图获得不同烧毛装置作业参数下的温度分布拟合模型。

[0056] 烧毛工序中纺织品表面的温度直接影响了烧毛工序的效率，因此需要获得不同烧毛装置作业参数下的温度分布进行精准分析。

[0057] 在本发明实施例中，因为考虑到气体烧毛装置适应性广，燃料消耗小且劳动强度低等特点，将气体烧毛装置沿着纺织品的宽度方向等间距并列设置多个气体烧毛装置，以
使火焰可以覆盖未烧毛纺织品的整个宽度。因为在烧毛工序中，烧毛装置的高度容易控制
且高度直接影响了纺织品表面的温度，因此以烧毛装置的高度作为烧毛装置作业参数。

[0058] 为了方便对温度数据的分析，使得后续温度分布与烧毛装置作业参数一一对应，考虑到在纺织品上烧毛装置中心点处的温度是最高的，且温度整体符合中间大，四周小的
分布，因此根据二维高斯分布构建初始温度分布拟合模型，初始温度分布拟合模型包括多
个待定的拟合系数，具体包括：

[0059]

[0060] 其中， 为烧毛装置作业参数为 的初始温度分布拟合模型， 为拟合系数，为初始温度分布拟合模型的坐标原点。

[0061] 初始温度分布拟合模型中的拟合系数为未知的待定系数，需要通过真实的温度分布去获得，因此在纺织品所在的流水线上部署耐高温的温度传感器，通过温度传感器获得
不同烧毛装置作业参数下的温度分布图，温度分布图上像素值为所在位置的温度值。在本
发明实施例中，考虑到温度传感器作用范围的局限，获得的温度分布图并不完整，通过反距
离插值处理温度分布图，使温度分布图中的温度信息完整且准确。

[0062] 为了使温度分布图中的温度信息准确确定初始温度分布拟合模型中的拟合参数，根据温度分布图和初始温度分布拟合模型构建极大似然函数。根据极大似然函数的最优解
确定拟合系数的值，获得温度分布拟合模型，极大似然函数具体包括：

[0063]

[0064] 其中，为极大似然函数， 为烧毛装置作业参数为 的温度分布图， 为烧毛装置作业参数为 的温度分布图上位置为 的像素值， 为烧毛装置作业参数为
的初始温度分布拟合模型上位置为 的像素值。在本发明实施例中，利用EM算法确定极
大似然函数的最优解。

[0065] 通过不同烧毛装置作业参数下的温度分布图获得不用烧毛装置作业参数下的温度分布拟合模型。

[0066] 步骤S3：根据历史未烧毛纺织品图像的历史表面纹理特征图像和历史已烧毛纺织品图像的差异获得烧毛质量合格像素点；根据对应的温度分布模型获得烧毛质量合格像素
点的参考温度分布序列；获得烧毛质量合格像素点在历史未烧毛纺织品图像的历史绒毛特
征图像上的绒毛特征像素点；根据多组历史未烧毛纺织品图像和历史已烧毛纺织品图像获
得不同绒毛特征像素点与参考温度分布序列的对应关系；根据对应关系获得绒毛特征图像
每个像素点的参考温度分布序列。

[0067] 历史已烧毛纺织品图像因为没有绒毛特征，因此仅包含表面纹理特征，所以可以根据历史未烧毛纺织品图像的历史表面纹理特征图像和历史已烧毛纺织品图像获得烧毛
质量合格像素点。即获得历史表面纹理特征图像和历史已烧毛纺织品图像的差值图像，差
值图像中像素值为0的像素点为烧毛质量合格像素点。根据对应的烧毛装置作业参数下的
温度分布模型获得烧毛质量合格像素点的参考温度分布序列。

[0068] 在本发明实施例中，卷筒控制的流水线有工作人员设定的固定速度 进行运动。该速度下可保证纺织品的烧毛工序效率。根据相机参数获得图像中一行像素点在真实环境
下的距离 。为了确保能够采集到每一行像素的温度分布，设定温度分布获取频率为 次/
秒，同时图像中的像素点每 秒步进一行像素，可以根据步进频率实现图像中像素点的跟
踪。

[0069] 需要说明的是，烧毛装置作业参数的不同，在纺织品上温度分布区域的面积大小也不同。为了规范参考温度分布序列的尺寸，使其后续数据分析过程中分析准确，获得不同
烧毛装置作业参数下的最大温度分布区域。请参阅图3，其示出了本发明一个实施例所提供
的一个温度分布区域示意图。在本发明实施例中部署了多个烧毛装置，所以温度分布区域A
为多个烧毛装置的温度分布拟合模型在空间位置中温度分布区域的叠加。将沿着纺织品运
动方向上的最大温度分布区域的最大尺寸B设置为 ，参考温度分布序列的长度为：
。即在不同烧毛作业装置下，参考温度分布序列的长度都一致，方便
后续数据的分析。

[0070] 进一步获得烧毛质量合格像素点在历史未烧毛纺织品图像的历史绒毛特征图像上的绒毛特征像素点，根据多组历史未烧毛纺织品图像和历史已烧毛纺织品图像获得不同
绒毛特征像素点与参考温度分布序列的对应关系。即每个绒毛特征像素点对应一个参考温
度分布序列。根据对应关系可获得实时获取的未烧毛纺织品图像的绒毛特征图像每个像素
点的参考温度分布序列。

[0071] 优选的，根据对应关系训练温度分布序列获取网络，即以绒毛特征图像作为训练数据，将参考温度分布序列作为标签数据训练温度分布序列获取网络。将绒毛特征图输入
参考温度分布序列获取网络，输出绒毛特征图像每个像素点的参考温度分布序列。

[0072] 在本发明实施例中温度分布序列获取网络包括输入层、隐含层和输出层，输入为绒毛特征图像上每个像素点的像素值；隐含层设置为三层，用于处理输入数据；输出为固定
长度的参考温度分布序列。采用均方差损失函数对网络进行训练。

[0073] 步骤S4：以绒毛特征图像每行像素点的参考温度分布序列构成参考温度分布信息；根据参考温度分布信息和温度分布拟合模型控制烧毛装置作业参数。

[0074] 因为纺织品在流水线上是沿着流水线运动方向进行运动，所以可根据未烧毛纺织品图像的绒毛特征图像每行的像素信息对烧毛装置作业参数进行控制，具体包括：

[0075] 当绒毛特征图像中的目标像素行进入最大温度分布区域时，获得目标像素行的参考温度分布信息。因为绒毛特征图像的宽度为固定宽度 ，所以参考温度分布信息的尺寸
信息为。以与参考温度分布信息差异最小的温度分布模型对应的烧毛装置作业参数作为理
想作业参数。根据理想作业参数调整烧毛装置作业参数。

[0076] 因为在本发明实施例中，存在多个相同的烧毛装置，所以构建目标函数：

[0077]

[0078] 其中， 为第 行像素对应的 个烧毛装置的作业参数， 为目标函数， 为第 行像素对应的 个烧毛装置的作业参数控制的温度分布模型信息，
为参考温度分布信息。利用梯度下降法获得最优结果，即温度分布模型对应的每个
烧毛装置的理想作业参数。根据理想作业参数进行对烧毛装置精准控制。

[0079] 综上所述，本发明实施例将未烧毛纺织品图像分为绒毛特征图像和表面纹理特征图像。利用传感器获得的温度分布图获得不同烧毛装置作业参数下的温度分布拟合模型。
根据历史数据获得绒毛特征图像中每个绒毛特征像素点的参考温度分布序列。以绒毛特征
图像每行像素点的参考温度分布序列构成参考温度分布信息；根据参考温度分布信息和温
度分布拟合模型控制烧毛装置作业参数。本发明实施例利用温度分布拟合模型和参考温度
分布信息实现精准控制烧毛装置的作业参数，提高烧毛工艺效率。

[0080] 本发明还提出了一种基于图像处理的纺织品烧毛工艺智能作业系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程
序时实现任意一项一种基于图像处理的纺织品烧毛工艺智能作业方法的步骤。

[0081] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一
些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且
仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连
续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者
可能是有利的。

[0082] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

[0083] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。