本文提出了一种用于动物纤维识别的自动化工作流程.在纤维的选择和确定属性方面的方法涵盖从采集样品到最后得出统计报告.为了获得高精度的结果,在纤维提取方面非常小心,然后应用了基于启发式特征的方法和基于深度学习的分类器.基于对参数的合适选择定义了特征向量VisualDNA,并可扩展到将来使用.而FiberNet神经网络还负责处理标准中未表达的特性的识别.实际数据表明,该方法的性能非常准确:单根纤维为93-94％,羊毛羊绒混纺产品为±2.8％精度.由于保留了与单个光纤相关的所有信息,所以所开发的处理流水线可以直接在具有人工监视的标准工作流中实现,并且可以在新开发的工作流中完全自动地使用.
NETL
