一种基于数据库的面料成分检索方法与流程

1.本发明涉及属于织物成分的检索领域，特别涉及一种基于数据库的面料成分检索方法。


背景技术：

2.面料是我们日常生活中随处可见且必不可少的产品。经过几十年的发展，中国已经成为纺织品生产大国、消费大国和出口大国。与此同时，无论是国内还是国际间，纺织行业内的竞争也愈发激烈。纺织行业不只是制造，创新是行业进步的关键。寻求新的技术来提高生产效率和节约生产成本是非常必要的。因此，提出面料成分的类别检索方法具有十分重要的意义。与此同时，纺织面料成分为衡量纺织品质量的重要指标之一，其检测难度和挑战性也随之增加；一些不法商家在面料成分标注中弄虚作假、以次充好，而消费者又不具备相应的鉴别技术，导致消费者的合法权益受到损害，因此找到一种快速、方便、低门槛的面料成分分类方法变得尤为重要。
3.传统的面料成分检测方法有手感目测法、显微镜观测法、化学方法及物理方法，这些方法要求检测者具备一定的专业知识，人为主观因素影响较大，且对专业仪器设备的要求也较高，需要对织物进行拆解，其中化学方法所需的化学试剂不仅污染环境，同时也会损害检测者的身体健康。
4.而理化分析方法，耗费时间比较长；市面上有的光谱设备可以检测，效果不好。具体而言存在以下几个问题：
5.(1)时间耗费长：市场上面料繁多，每一块面料都需要先燃烧，燃烧过程中闻气味，燃烧之后看灰烬的颜色，人工判断多块面料需要一定的时间。
6.(2)人力财力耗费多：人工判断方法需要对面料成分了解的专业人员才能实施，无经验的人员通常无法完成此项工作。当面料数量繁多的情况下，需要相当大的人力成本，同时燃烧面料也造成了一定的浪费。
7.(3)难以辨别成分：现在的面料有很多是混纺面料，凭手感和燃烧法很难辨别准确。且人的精力是有限的，哪怕是经验丰富也有劳累的时候，此时准确率就更难以保证。同时，构建面料成分比例预测模型需要针对不同比例收集大量的数据才具备预测可信度，操作难度大。
8.(4)相同面料，一台光谱设备获取到的数据和另一台设备的获取到的光谱数据不一致。


技术实现要素：

9.本发明的目的是解决面料成分数据预处理、面料识别难的技术缺陷，提供一种简化的基于数据库的面料成分检索方法。
10.本发明的目的是通过以下技术方案来实现的：
11.一种基于数据库的面料成分检索方法，包括以下步骤：
12.步骤101、采用900
‑
1700nm波长范围的光谱仪构建面料光谱数据库；
13.步骤102、获取待检测面料的光谱数据并处理；
14.步骤103、从面料光谱数据库中检索出与待检测面料的光谱数据计算得出的欧式距离最接近的k个光谱，其中，k为不小于5且不大于10的自然数；
15.步骤104、将k个光谱数据绘制成图像，按照欧式距离由小到大将图像显示在界面，并对应显示它们的成分，并由此得出待检测面料的最接近成分。
16.进一步的，如上述的基于数据库的面料成分检索方法，所述步骤101包括：
17.步骤1011、通过光谱采集仪采集面料光谱，并去噪消除非材料本身的反射光影响得到面料的正反两面光谱值；
18.步骤1012、对光谱数据进行预处理去除杂散光、噪声、基线漂移等因素的干扰；
19.步骤1013、记录面料成分标签，面料光谱和成分一一对应；
20.步骤1014、重复步骤1011到步骤1013，直到给定面料的光谱数据和成分全部处理并记录完毕，构建光谱与成分一一对应的数据库。
21.进一步的，如上述的基于数据库的面料成分检索方法，所述步骤102包括：
22.步骤1021、通过光谱采集仪采集待检测面料的光谱数据，包括正反两面各m条；
23.步骤1022、分别将每一条光谱进行一阶差分处理，一阶差分公式如下：
24.其中：，k为固定值。
25.再进行标准化，遍历标准化后的每条光谱，若光谱中有绝对值大于3的数值，则从m条光谱删除该条光谱，保留未删除数据的原光谱；
26.步骤1023、原本m条正面光谱，经过删除后，留下0到m条光谱，将留下的正面光谱取均值成一条光谱，成为新的正面光谱，反面光谱同理取均值后成一条新的光谱；
27.步骤1024、对光谱进行截取，删除光谱边界两端各50nm波长的部分，每条光谱只保留中间的数值；
28.步骤1025、对步骤1024获得的光谱进行一阶差分，一阶差分的方法与第一步骤中第(8)小步保持一致；
29.步骤1026、对光谱进行单位化。
30.进一步的，如上述的基于数据库的面料成分检索方法，所述步骤103包括：
31.步骤1031、求出面料光谱数据库中的所有光谱与待检测的面料光谱之间的欧式距离；
32.步骤1032、根据欧式距离排名，检索出与待检测光谱距离相差最小的k个光谱。
33.进一步的，如上述的基于数据库的面料成分检索方法，所述步骤1011包括：
34.步骤a：一块面料采集正反两面各m条光谱；
35.步骤b：将正面m条光谱去噪，反面m条光谱去噪；
36.步骤c：将正面m条光谱取均值成一条光谱，反面m条光谱取均值成一条光谱。
37.进一步的，如上述的基于数据库的面料成分检索方法，所述步骤1012包括：
38.步骤a：遍历光谱数据，并判断是否有异常值，如果有，则删除整条数据；
39.步骤b：判断该光谱是否为震荡光谱，如果光谱数据为震荡光谱，则删除整条数据；
40.步骤c：截取光谱数据中间数值，删除光谱边缘数值，只保留光谱中间数值作为一
条光谱数据；
41.步骤d：对光谱数据进行一阶差分；
42.步骤e：对光谱数据进行单位化。
43.本发明相比现有技术具有以下优点及有益效果：
44.1、采用本发明的面料检索方法，不需要经过燃烧等过程，只需要通过光谱采集仪采集光谱，简单快速。同时可以避免人工常规检测方法时人为主观因素、专业知识储备的影响，不需要对专业仪器设备有很高要求，也不用对织物进行拆解，相比于现有的人工检索，通过本发明的检索方法更加高效。
45.2、利用本发明的检索方法省去了大量人工的耗时和面料的浪费，降低依赖专业人员，本发明更为操作简单，省时省力。
46.3、由于现在的面料很多的是混纺面料，且混纺比例不固定，人工识别很难给出准确的答案，本发明的检索方法可以给出最接近的答案，提高了准确率。
附图说明
47.图1为取样面料的正面光谱图像。
48.图2为表1排名第1位的正面光谱图像。
49.图3为表1排名第2位的正面光谱图像。
50.图4为表1排名第3位的正面光谱图像。
51.图5为表1排名第4位的正面光谱图像。
52.图6为表1排名第5位的正面光谱图像。
53.图7为表1排名第6位的正面光谱图像。
54.图8为表1排名第7位的正面光谱图像。
55.图9为表1排名第8位的正面光谱图像。
56.图10为表1排名第9位的正面光谱图像。
57.图11为表1排名第10位的正面光谱图像。
58.图12为取样面料的反面光谱图像。
59.图13为表2排名第1位的正面光谱图像。
60.图14为表2排名第2位的正面光谱图像。
61.图15为表2排名第3位的正面光谱图像。
62.图16为表2排名第4位的正面光谱图像。
63.图17为表2排名第5位的正面光谱图像。
64.图18为表2排名第6位的正面光谱图像。
65.图19为表2排名第7位的正面光谱图像。
66.图20为表2排名第8位的正面光谱图像。
67.图21为表2排名第9位的正面光谱图像。
68.图22为表2排名第10位的正面光谱图像。
具体实施方式
69.下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限
于此。
70.实施例
71.为使本发明的方法过程和优点更加清楚，下面结合具体数值和实例对本发明中的技术过程进行清楚完整的描述，显然，以下实施例和具体数值用于说明本发明，但是不用来限制本发明的范围。
72.本发明提供一种一种基于数据库的面料成分检索方法，包括以下步骤：
73.步骤101、构建面料光谱数据库；
74.步骤102、获取待检测的面料的光谱数据；
75.步骤103、从面料光谱数据库中检索出与待检测光谱数据相差最小的k个光谱。
76.下面对上述步骤进行详细阐述：
77.第一步骤：构建面料光谱数据库，该步骤具体包括以下几个步骤：
78.(1)通过光谱采集仪采集面料光谱，每块面料正反两面各m条光谱，其中，上述优选采用900
‑
1700nm波长范围的光谱仪；
79.(2)将正面m条光谱进行一阶差分，一阶差分公式如下：
80.其中：，k为固定值。
81.再进行标准化，遍历标准化后的每条光谱，若光谱中有绝对值大于3的数值，则从m条光谱删除该条光谱，保留未删除数据的原光谱，此过程称为去噪，通过去噪过程，可以消除非材料本身的反射光影响；
82.(3)原本m条正面光谱，经过删除后，应留下0到m条光谱，将留下的正面光谱取均值成一条光谱，成为新的正面光谱，反面光谱同理取均值后成一条新的光谱；
83.(4)重复上述步骤(1)到(3)，将给定面料的正反面光谱都获取到；
84.(5)使用画图工具，画出所有正面光谱，观察是否有光谱存在明显大于数据范围的值，使得光谱形状变异，并确定一个阈值，遍历正面光谱，判断每条光谱数据中是否有绝对值大于该阈值的数值，如果有，则此条光谱需要删除，反面光谱进行相同操作；
85.(6)遍历每一条正面光谱，统计光谱峰的数量，并设定一个阈值，若一条光谱中峰的数量大于该阈值，则认定该光谱为震荡光谱，并删除该震荡光谱，反面光谱进行相同处理；
86.(7)对每一条光谱进行截取，删除光谱边界两端各50nm波长的部分，每条光谱只保留中间的数值；
87.(8)对每一条光谱进行一阶差分，一阶差分的方法及k的取值与步骤(2)中一致，之后操作后的光谱都是一阶差分后的光谱数据；
88.通过上述操作，可以去除杂散光、噪声、基线漂移等因素的干扰。
89.(9)对每一条光谱进行单位化，即计算出每条光谱的欧几里得范数，欧几里得范数也即是光谱数据的向量长度‖a‖，计算公式如下：
[0090][0091]
其中x1,x2,x3，
…
，x
(n
‑
1)
,x
n
为光谱数据中的数值，n为大于1的自然数，
[0092]
再将光谱中每个数值除以向量长度‖a‖，即光谱数据单位化后转换成x1/‖a‖,x2/‖
a‖,x3/‖a‖，
…
，x
(n
‑
1)
/‖a‖,x
n
/‖a‖，至此，完成了光谱数据的预处理工作；
[0093]
(10)将处理好的光谱数据与其成分标签一一对应，完成面料光谱数据库的构建。
[0094]
第二步骤：获取并处理待检测面料的光谱数据，该步骤具体包括以下几个步骤：
[0095]
(1)通过光谱采集仪采集待检测面料的光谱数据，包括正反两面各m条；
[0096]
(2)分别将每一条光谱进行一阶差分处理，再进行标准化，遍历标准化后的每条光谱，若光谱中有绝对值大于3的数值，则从m条光谱删除该条光谱，保留未删除数据的原光谱，此过程称为去噪；
[0097]
(3)原本m条正面光谱，经过删除后，应留下0到m条光谱，将留下的正面光谱取均值成一条光谱，成为新的正面光谱，反面光谱同理取均值后成一条新的光谱；
[0098]
(4)对光谱进行截取，删除光谱边界两端各50nm波长的部分，截取范围与第一步骤中第(7)小步保持一致，每条光谱只保留中间的数值；
[0099]
(5)对光谱进行一阶差分，一阶差分的方法与第一步骤中第(8)小步保持一致；
[0100]
(6)对光谱进行单位化，单位化的方法与第一步骤中第(9)小步保持一致。
[0101]
第三步骤：从面料光谱数据库中检索出与待检测光谱最接近的k个光谱，该步骤具体包括以下几个步骤：
[0102]
将面料光谱数据库中所有的光谱都与待检测光谱计算(euclidean distance，以下简称：欧式距离)，具体计算公式如下：欧式距离
[0103][0104]
其中x为面料数据库中一条光谱数据向量，y为待检测一条光谱数据向量，相应的，x
i
表示面料数据库中光谱数据向量x中的数值，y
i
表示面料数据库中光谱数据向量y中的数值，一条光谱共n个数值，其中i＝0,1,
…
,n
‑
1；
[0105]
(2)将面料光谱数据库中的光谱根据计算出来的欧式距离从小到大排名，并画出前k个光谱数据图像，展示这k个图像及其对应的成分标签，为用户提供参考。例如，任意选取一块面料，获得其正面光谱数据，经过预处理后，其正面光谱图像如图1所示。
[0106]
表1排名前10的光谱信息表：
[0107]
排名距离成分标签光谱图像10.05007313433746082涤棉图220.05181128277293674涤棉图330.06276544234550341涤棉图440.06589382441881518涤棉图550.06942635333534454涤棉图660.07145114124465189涤棉图770.07494596194999296涤棉图880.07765793994901286涤棉图990.07789106552416576涤棉图10100.08480474362878732涤棉图11
[0108]
同理，图2一块待检测面料反面光谱数据图，该块面料的反面光谱图像如图12所
示。
[0109]
如表2表示与待检测面料反面光谱距离最小前10名面料反面光谱信息表。
[0110]
表2排名前10的光谱信息表：
[0111]
排名距离成分标签光谱图像10.05515642255589156涤棉图1320.06024024937146307涤棉图1430.06366307999456787涤棉图1540.06672048637453437涤棉图1650.07218630258005164涤棉图1760.07218925906419413涤棉图1870.07319959226927658涤棉图1980.07639520797078284涤棉图2090.07688301882753339涤棉图21100.07690193776971824涤棉图22
[0112]
如表1和表2所示，该块布距离正反面光谱前10的面料成分都是涤棉成分的，那么我们可以认定该面料成分为涤棉。
[0113]
为测试方法有效性，在光谱数据库中随机选取1300个面料做验证，每条面料分别获取正反两条光谱。每次验证中若排名前10的面料成分中大于5个与验证光谱成分标签相同，那么就认为判断正确。实验结果中通过正面光谱判断正确的准确率为86.76923076923077％，反面光谱判断正确的准确率为81.23076923076923％。
[0114]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。