【技术实现步骤摘要】
本专利技术属于深度学习，具体涉及一种基于近红外光谱的羊毛羊绒纤维鉴别方法。
技术介绍
1、羊毛是出自绵羊的身上，再细的绵羊毛都叫羊毛，它摸起来手感丰满，保暖性也很好。羊绒是长在山羊身上的，生长在外表的皮层，是掩盖在其粗毛根部的一层细绒，羊绒会自然脱落，是一种特有的动物纤维。
2、羊绒和羊毛纤维同属蛋白质纤维，基本组成均为角阮蛋白，都是由许多细胞聚积而成的，其截面分布划分为2或3个层次，即外表面的鳞片层、内部的皮质层和中心的髓质层。羊绒纤维长度短、强力低，表面覆盖的鳞片薄而稀，彼此紧贴，纤维卷曲数比羊毛少，所以摩擦系数比羊毛小，纤维间抱合力相对较差，但手感滑糯。虽然羊绒纤维卷曲数少，但卷曲深度大，伸直度可达300％以上，而64支美利奴羊毛仅为16000，因此羊绒纤维保暖性优于羊毛。
3、由于它们的组成和组织结构相近，导致它们在外观和手感上难以区分。市场上时常出现以羊毛冒充羊绒的现象，这不仅损害了消费者的利益，还对纺织品市场的健康发展产生了负面影响。因此，羊毛与羊绒纤维的准确鉴别成为行业中的一大难题。
4、目前传统的一些羊绒羊毛纤维的鉴别方法主要有生物鉴别法、化学鉴别法和图像识别法。生物鉴别法检测速度较慢，成本较高，需要检测人员拥有一定的专业知识水平；化学鉴别法通常需要对样本进行制备，对样品具有一定的破坏性，且检测周期长，不适用于一些特定场合的快速检测。图像识别法作为目前主流的检测技术，大大提高了检测的精度和速度，但是特征参数的合理选择对最终的纤维定性定量分析准确性起着决定性的作用，理论上特征参数
5、图像识别法中的近红外光谱分析方法，作为一种非破坏性、快速、环保的分析方法，在纺织品纤维鉴别中逐渐受到关注。该技术通过分析纤维材料在近红外光谱区的吸收特性，能够提供关于纤维化学成分和结构的详细信息。
6、目前的近红外光谱分析方法通常依赖于预先建立的模型，并且需要大量的标记数据进行训练，面对大量数据进行逐一标注，时间成本较高，并且在面对不同批次、不同来源的纤维样品时，其准确性和鲁棒性可能会受到限制。因此需要一种在缺乏大量标记数据的情况下也能对羊毛羊绒进行分类鉴别的模型和方法。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其结构简单、设计合理，基于谱带缩放、局部平滑扰动和谱峰偏移进行样本增强，自动生成正负样本对，从而降低了数据标注的成本和时间；通过前置任务模型提取到更深层次的特征，提高羊毛与羊绒纤维鉴别的精度和效率，具有广阔的应用前景。
2、为解决上述技术问题，本专利技术采用的技术方案是：一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：包括以下步骤：
3、步骤一、r类羊毛的近红外光谱数据和m类羊绒的近红外光谱数据构成近红外光谱数据集；
4、步骤二、对近红外光谱数据集中的近红外光谱数据进行预处理，得到光谱样本；
5、步骤三、对光谱样本分别生成增强样本，第q类光谱样本和其增强样本组成正样本对，第q类光谱样本和第p类光谱样本组成负样本对，1≤g≤r，1≤p≤m，g和p为正整数；
6、步骤四、构建自监督学习的前置任务模型：
7、步骤401、前置任务模型包括输入层、i通道的卷积神经网络、特征融合层、全连接层1和全连接层2；
8、步骤402、将正样本对和负样本对分别划分为多个波长块bi，i表示波长块的个数，n≥i≥2，n为正整数；
9、步骤403、将正样本对的波长块分别输入到前置任务模型中，前置任务模型输出正样本对的数值型特征向量；将负样本对的波长块分别输入到前置任务模型中，前置任务模型输出负样本对的数值型特征向量；
10、步骤404、计算正负样本对的数值型特征向量之间的相似度，以此构建对比损失函数，更新前置任务模型的网络参数，得到构建完成的前置任务模型；
11、步骤五、构建自监督学习的下游任务模型：将数值型特征向量作为svm分类器的输入，训练svm分类器，得到构建完成的svm分类器；
12、步骤六、构建完成的前置任务模型和构建完成的svm分类器组成基于近红外光谱的自监督学习模型，利用近红外光谱的自监督学习模型对待测样品进行分类。
13、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤三中，生成增强样本的方法包括谱带缩放、局部平滑扰动和谱峰偏移。
14、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：谱带缩放的具体方法为：x'(λ)＝x(λ)·(1+α)，其中λ∈[λ1，λ2]，[λ1，λ2]为特定波段范围，α表示缩放因子,x(λ)表示原始光谱数据在波长λ处的光谱值，x'(λ)表示在波长λ处的增强光谱值。
15、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：局部平滑扰动的具体方法为：其中λ∈[λ1，λ2]，[λ1，λ2]为特定波段范围，n表示该特定波段范围内波点的数量，β表示随机噪声项，x(λ)表示原始光谱数据在波长λ处的光谱值，x'(λ)表示在波长λ处的增强光谱值。
16、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：谱峰偏移的具体方法为：x'(λ)＝x(λ+δλ)，λ表示特定波长，δλ表示随机偏移量，x(λ)表示原始光谱数据在波长λ处的光谱值，x'(λ)表示在波长λ处的增强光谱值。
17、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤四中，i通道卷积神经网络包括i个卷积分支，每个卷积分支的基本结构包括卷积层1、池化层1、卷积层2和池化层2。
18、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：特征融合层对不同波长块bi的特征进行加权融合。
19、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：i＝5；波长范围为1000nm-2500nm；将整个波长范围划分为5个子波段，每个波段的波长范围为：
20、b1波段：1000nm-1300nm；
21、b2波段：1301nm-1600nm；
22、b3波段：1601nm-1900nm；
23、b4波段：1901nm-2200nm；
24、b5波段：2200nm-2500nm。
25、上述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤404中损失函数的表达式为：其中ωi表示波长块bi的加权系数，表示正样本对中和的相似性，与组成正样本对，表示第i个样本zi在波长块bi上的特征向量，表示第i个样本zj的增强样本zi'在波长块bi上的特征向量；表示负样本对中和的相似性，与组成负样本对，表示第i个样本zi在波长块bi上的特征向量，表示第j个样本zj在波长块bi上的特征向量。
26、本文档来自技高网...
【技术保护点】
1.一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：包括以下步骤：
2.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤三中，生成增强样本的方法包括谱带缩放、局部平滑扰动和谱峰偏移。
3.按照权利要求2所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：谱带缩放的具体方法为：X'(λ)＝X(λ)·(1+α)，其中λ∈[λ1，λ2]，[λ1，λ2]为特定波段范围，α表示缩放因子,X(λ)表示原始光谱数据在波长λ处的光谱值，X'(λ)表示在波长λ处的增强光谱值。
4.按照权利要求2所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：局部平滑扰动的具体方法为：其中λ∈[λ1，λ2]，[λ1，λ2]为特定波段范围，n表示该特定波段范围内波点的数量，β表示随机噪声项，X(λ)表示原始光谱数据在波长λ处的光谱值，X'(λ)表示在波长λ处的增强光谱值。
5.按照权利要求2所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：谱峰偏移的具体方法为：X'(λ)＝X(λ+Δλ)，λ表示特定波长，
6.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤四中，i通道卷积神经网络包括i个卷积分支，每个卷积分支的基本结构包括卷积层1、池化层1、卷积层2和池化层2。
7.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：特征融合层对不同波长块Bi的特征进行加权融合。
8.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：i＝5；波长范围为1000nm-2500nm；将整个波长范围划分为5个子波段，每个波段的波长范围为：
9.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤404中损失函数的表达式为：其中ωi表示波长块Bi的加权系数，表示正样本对中和的相似性，和组成正样本对，表示第g个样本在波长块Bi上的特征向量，表示第g个样本的增强样本在波长块Bi上的特征向量；表示负样本对中和的相似性，和组成负样本对，表示第g个样本在波长块Bi上的特征向量，表示第p个样本在波长块Bi上的特征向量。
10.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：分类网络模型采用SVM分类器，SVM分类器使用交叉熵损失函数。
...【技术特征摘要】
1.一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：包括以下步骤：
2.按照权利要求1所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：步骤三中，生成增强样本的方法包括谱带缩放、局部平滑扰动和谱峰偏移。
3.按照权利要求2所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：谱带缩放的具体方法为：x'(λ)＝x(λ)·(1+α)，其中λ∈[λ1，λ2]，[λ1，λ2]为特定波段范围，α表示缩放因子,x(λ)表示原始光谱数据在波长λ处的光谱值，x'(λ)表示在波长λ处的增强光谱值。
4.按照权利要求2所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：局部平滑扰动的具体方法为：其中λ∈[λ1，λ2]，[λ1，λ2]为特定波段范围，n表示该特定波段范围内波点的数量，β表示随机噪声项，x(λ)表示原始光谱数据在波长λ处的光谱值，x'(λ)表示在波长λ处的增强光谱值。
5.按照权利要求2所述的一种基于近红外光谱的羊毛羊绒纤维鉴别方法，其特征在于：谱峰偏移的具体方法为：x'(λ)＝x(λ+δλ)，λ表示特定波长，δλ表示随机偏移量，x(λ)表示原始光谱数据在波长λ处的光谱值，x'(λ)表示在波长λ处的增强光谱值。
【专利技术属性】
技术研发人员：朱耀麟，陈龙，陈鑫，陈锦妮，顾梅花，李云红，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。