(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210691022.1 (22)申请日 2022.06.18 (65)同一申请的已公布的文献号 申请公布号 CN 114782562 A (43)申请公布日 2022.07.22 (73)专利权人 南通寝尚纺织品有限公司 地址 226000 江苏省南 通市通州区金沙镇 金北村十三组 (72)发明人 魏云　 (74)专利代理 机构 宁波海曙甬睿专利代理事务 所(普通合伙) 33330 专利代理师 胡倩 (51)Int.Cl. G06T 7/90(2017.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/762(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 110706294 A,2020.01.17 CN 112649391 A,2021.04.13 CN 114549522 A,2022.05.27 CN 114372983 A,202 2.04.19 CN 114529550 A,2022.05.24 US 2019206089 A1,2019.07.04 审查员 丁娇 (54)发明名称 基于数据识别的服装布料浸染监测方法及 人工智能系统 (57)摘要 本发明涉及数据处理技术领域， 具体涉及基 于数据识别的服装布料浸染监测方法及人工智 能系统。 该方法是一种识别图形的方法， 方法包 括： 获取待检测布匹图像； 获取待检测布匹图像 的颜色标准程度； 若待检测布匹图像的颜色标准 程度小于 预设的相似度阈值， 则根据预设的聚类 数量范围和k ‑means聚类算法对待检测布匹图像 进行聚类， 得到待检测布匹图像对应的最优数量 个目标簇； 根据最优数量、 待检测布匹图像中各 目标簇内各像素点的灰度值， 计算待检测布匹图 像对应的染色均匀程度； 根据待检测布匹图像对 应的染色均匀程度， 得到待检测布匹的染色质量 等级。 本发 明基于计算机视觉对待检测布匹的染 色效果进行评价， 提高了对布匹染色效果的检测 效率。 权利要求书3页 说明书9页 附图1页 CN 114782562 B 2022.09.02 CN 114782562 B 1.一种基于数据识别的服装布料浸染监测方法， 其特 征在于， 该 方法包括以下步骤： 获取待检测布匹浸染后的图像， 记为待检测布匹图像； 获取待检测布匹图像的颜色标 准程度， 所述颜色标准程度为待检测布匹图像与标准颜色的布匹图像之间的颜色相似程 度； 若待检测布匹图像的颜色标准程度小于预设的相似度阈值， 则根据预设的聚类数量范 围和k‑means聚类算法对待检测布匹图像中的各像素点进行聚类， 得到待检测布匹图像对 应的最优数量个簇， 记为目标簇； 所述 最优数量 为聚类效果 最好的簇的数量； 根据最优数量、 待检测布匹图像中各目标簇内各像素点的灰度值， 计算待检测布匹图 像对应的染色均匀程度； 根据待检测布匹图像对应的染色均匀程度， 得到待检测布匹的染色质量 等级； 所述根据预设的聚类数量范围和k ‑means聚类算法对待检测布匹图像中的各像素点进 行聚类， 得到待检测布匹图像对应的最优数量个簇， 记为目标簇， 包括： 对聚类数量范围进行遍历， 根据不同的聚类数量和k ‑means聚类算法依次对待检测布 匹图像中的各像素点进行聚类， 得到基于各聚类数量得到的各簇； 根据各聚类数量得到的各簇 内的各像素点对应的坐标和对应的灰度值， 计算各聚类数 量对应的聚类效果指标； 选择聚类效果指标最小的聚类数量， 记为最优数量； 将根据最优数量聚类得到的簇作 为目标簇； 所述根据不同的聚类数量和k ‑means聚类算法依次对待检测布匹图像中的各像素点进 行聚类， 得到基于各聚类数量得到的各簇， 包括： 对于任一聚类数量： 在待检测布匹图像中得到该聚类数量个初始质心； 待检测布匹图像中各像素点对应的坐标与 灰度值， 计算各像素点到各初始质心的差异 距离； 根据各像素点到各初始质心的差异距离对待检测布匹图像中的各像素点进行聚类， 得 到基于该聚类数量得到的各簇； 所述计算各像素点到各初始质心的差异 距离的计算公式为： 其中， 为像素点到第i个初始质心的差异距离， 为像素点的横坐标， 为像素点的纵坐 标， 为像素点的灰度值， 为第i个初始质心的横坐标， 为第i个初始质心的纵坐标， 为 第i个初始质心的灰度值， 为距离信息 权重， 为灰度信息 权重； 所述距离信息 权重的计算公式为： 其中， 为调节参数； 所述灰度信息 权重为1减去对应的距离信息 权重。 2.根据权利要求1所述的一种基于数据识别的服装布料浸染监测方法， 其特征在于， 获 取待检测布匹图像的颜色标准 程度， 包括：权　利　要　求　书 1/3 页 2 CN 114782562 B 2构建目标网络， 所述目标网络用于对待检测布匹图像的颜色标准 程度进行检测； 获取大量样本布匹图像， 根据标准颜色的布匹图像对各样本布匹图像的颜色标准程度 进行打分； 利用各样本布匹图像和对应的颜色标准程度对目标网络进行训练， 得到训练好的目标 网络； 对所述目标网络进行训练的损失函数为交叉熵损失函数。 3.根据权利要求1所述的一种基于数据识别的服装布料浸染监测方法， 其特征在于， 计 算各聚类数量对应的聚类效果指标的公式为： 其中， 为聚类数量对应的聚类效果指标， 为聚类数量， 为综合密集程度， 为簇间差 异程度， 为第 个簇的簇内异常程度； 所述簇内异常程度的计算公式为： 其中， 为第 个簇的簇内异常程度， 为第 个簇的中心点的横坐标， 为第 个簇的 中心点的纵坐标， 为第 个簇的中心点的灰度值， n为第 个簇对应的像素点的个数， 为 第 个簇内的第i个像素点的横坐 标， 为第 个簇内的第i个像素点的纵坐 标， 为第 个簇 内的第i个 像素点的灰度值； 所述中心点的横坐标为簇 内各像素点的横坐标的均值， 所述中心点的纵坐标为簇 内各 像素点的纵坐标的均值， 所述中心点的灰度值 为簇内各像素点的灰度值的均值； 所述簇间差异程度的计算公式为： 其中， 为各簇中心点的横坐标的平均值， 为各簇中心点的纵坐标的平均值， 为各簇 中心点的灰度值的平均值， k 为聚类数量。 4.根据权利要求3所述的一种基于数据识别的服装布料浸染监测方法， 其特征在于， 计 算综合密集 程度， 包括： 计算各簇对应的密集 程度的均值， 作为综合密集 程度； 所述各簇对应的密集 程度的计算公式为： 其中， 为第 个簇对应的密集程度， 为第 个簇对应的像素点个数， 为第 个簇对应权　利　要　求　书 2/3 页 3 CN 114782562 B 3