(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211195517.1 (22)申请日 2022.09.29 (71)申请人 兰波 （苏州） 智能科技有限公司 地址 215000 江苏省苏州市高铁新城南天 成路58号3楼F0 05工位 （集群登记） (72)发明人 杨默　张超　赵宝军　苏方伟　 周煦文　 (74)专利代理 机构 苏州通途佳捷专利代理事务 所(普通合伙) 32367 专利代理师 翁德亿 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/54(2022.01) G06V 10/44(2022.01)G06V 10/28(2022.01) G06T 3/60(2006.01) G06T 7/00(2017.01) G06T 7/62(2017.01) (54)发明名称 一种纤维分类方法、 系统、 计算机装置和介 质 (57)摘要 本发明涉及一种纤维分类方法、 系统、 计算 机装置和介质。 其包括： S100、 对待检测图像上的 所有纤维图像进行提取， 获得若干个单一纤维图 像， S200、 获取各个单一纤维图像的一维空间特 征向量， 若单一纤维图像具有一维空间特征向 量， 则执行步骤S300， 若单一纤维图像没有一维 空间特征向量， 则判定该单一纤维为化学纤维， S300、 基于单一纤维图像的一维空间特征向量， 通过预先训练完毕的分类模型对所述单一纤维 图像进行分类。 本申请可快速准确的对动物纤 维、 化学纤维进行分类 。 权利要求书3页 说明书10页 附图5页 CN 115311503 A 2022.11.08 CN 115311503 A 1.一种纤维分类方法， 其特 征在于， 包括： S100、 对待检测图像上的所有纤维图像进行提取， 获得若干个单一纤维图像， S200、 获取各个单一纤维图像的一维空间特征向量， 若单一纤维图像具有一维空间特 征向量， 则执行步骤S 300， 若单一纤维图像 没有一维空间特征向量， 则判定该单一纤维为化 学纤维， S300、 基于单一纤维图像的一维空间特征向量， 通过预先训练完毕的分类模型对所述 单一纤维图像进行分类。 2.根据权利要求1所述的纤维分类方法， 其特征在于， 所述步骤S100中， 对待检测图像 上的所有纤维图像进行提取， 获得若干个单一纤维包括： S101、 使用基于Solov2的纤维提取模型对待检测图像中的所有纤维图像进行提取， 得 到多个单一纤维的mask掩膜二 值化图像， S102、 使用OpenCV  findContours轮廓提取算法提取步骤S101中单一纤维的mask掩膜 二值化图像的轮廓， S103、 使用OpenCV  contourAre a函数计算步骤S102中单一纤维的mask掩膜二值化图像 的轮廓的面积， 设定面积阈值， 筛选出符合面积阈值的单一纤维的mask掩膜二值化图像的 轮廓， S104、 使用Sk lansky算法求出筛 选出的各个 轮廓的轮廓点 集的凸包， S105、 使用旋转卡尺算法Rotating  calipers得到凸包的最小外接矩形和 该最小外接 矩形逆时针旋转第一条边与x轴的夹角， 所述夹角为矩阵的旋转角度 θ， S106、 根据步骤S105得到的凸包的最小外接矩形的长、 宽和长宽比设定阈值， 筛选出符 合阈值条件的单一纤维的mask掩膜二 值化图像， S107、 对于步骤S106中符合阈值条件的mask掩膜二值化图像 ,  使用OpenCV   boundingRect函数求出其在步骤S102中得到的轮廓点集的正外接矩形的左上点的坐标(x, y)和该正外 接矩形的宽w和高h， S108、 根据步骤S107得到的参数值在待检测图上截取该轮廓点集的正外接矩形 区域获 得Img截图， , Img原图为待检测图像， 同 时 在 单 一 纤 维的 m a s k 掩 膜 二 值 化图 像 上 截 取同 一区 域 获 得 I m gm a s k 截图， ， Imgmask原图为单一纤维的 mask掩膜二 值化图像， S109、 根据步骤S105和步骤S107获得的参数， 设计并得到步骤S108中Img截 图的旋转变换 矩阵M： ，权　利　要　求　书 1/3 页 2 CN 115311503 A 2新的画布高为hnew，  ， 新的画布宽为wnew， ， S110、 根据步骤S109中的hnew和wnew平移旋转变换矩阵M， 得到 M2： ， S111、 根据步骤S110中的M2， 对Img截 图和Imgmask截 图分别进行仿射旋转变换， 得到仿射旋转 变换后的图像Img截 图2和Imgmask截 图2， S112、 再次使用OpenCV  findContours轮廓提取算法提取步骤S111中  Imgmask截图2的轮 廓， S113、 再次使用OpenCV  boundingRect函数求出步骤S112得到的轮廓点集的正外接矩 形的左上点的坐标 （x2,y2） 和该正外 接矩形的宽w2和高h2， S114、 根据步骤S113得到的参数值在Img截 图2上截取对应纤维的轮廓点集的正外接矩形 区域,得到Img截图3， ， 同时 在Imgmask截 图2上截取同一区域， 得到Imgmask截 图3， ， S115、 利用步骤S114中的Imgmask截 图3对Img截图3进行”与”操作， 即保留掩膜图像白色区域 对应的需要处理的图像像素， 剔除掩膜图黑色区域对应的需要处理的图像像素， 得到 Img截 图4， S116、 比较步骤S115中Img截图4的宽和高的大小， 若宽小于高， 则将Img截图4顺时针旋转 90°， 否则， Img截 图4保持不变， Img截 图4为所述的单一纤维图像。 3.根据权利要求2所述的纤维分类方法， 其特征在于， 所述步骤S200中， 所述获取各个 单一纤维的一维空间特 征向量包括： S201、 使用基于PointRend的纤维纹理提取模型对步骤S116获得的单一纤维图像进行 纤维纹理提取， 获得纤维纹理 图像mask掩膜， 并获得步骤S116的单一纤维图像的纤维外轮 廓的二值化图像， S202、 使用OpenCV  findContours轮廓提取算法提取步骤S201中的纤维纹理图像mask 掩膜的纹理轮廓， 若存在纹理轮廓则继续向下执行步骤S203， 若不存在任何纹理轮廓， 则不 再向下执行， 判定该根纤维为 化学纤维， S203、 对于步骤S202中的所有纹理轮廓， 使用OpenCV  contourArea函数计算各个纹理 轮廓的面积， 并通过阈值法去除纤维纹理 图像mask掩膜上的不符合阈值的连通域， 获得筛权　利　要　求　书 2/3 页 3 CN 115311503 A 3