本发明涉及纺织品成分分析，具体而言，涉及一种纺织物成分的确定方法、装置、处理器和存储介质。
背景技术：
1、在相关技术中，若需要对纺织品的成分进行确定，常采用近红外光谱数据纺织品成分分析方法，可以基于近红外光谱数据的特点，进行四阶段特征提取，在此之后还需要进行损失计算、注意力计算以及分类。虽然一定程度上能够增强对纺织品的分类能力，但是往往依赖与光谱数据预处理，对数据纯净度要求更高，并且整个分析过程既复杂且耗费时间。因此，仍存在纺织物成分的确定效率低的技术问题。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本发明实施例提供了一种纺织物成分的确定方法、装置、处理器和存储介质，以至少解决纺织物成分的确定效率低的技术问题。
2、根据本发明实施例的一个方面，提供了一种纺织物成分的确定方法，包括：获取纺织物的目标图像，其中，目标图像中包括纺织物中待识别的纹理特征；将目标图像输入至特征提取模型中，利用特征提取模型，从目标图像中，识别出纹理特征对应的特征向量，其中，特征提取模型为基于目标图像样本和特征向量样本对深度神经网络模型进行训练得到，特征向量样本为从目标图像样本中识别纹理特征得到；对特征向量对应的特征图进行裁剪，得到特征子图，其中，特征子图中纹理特征的精细程度高于特征图中纹理特征的精细程度；从特征子图中，确定纺织物的成分信息。
3、可选地，特征提取模型中包括第一模块、第二模块和第三模块，其中，将目标图像输入至特征提取模型中，利用特征提取模型，从目标图像中，识别出纹理特征对应的特征向量数据，包括：将目标图像输入至第一模块中，利用第一模块，对目标图像进行识别，得到第一特征向量数据；将第一特征向量数据输入至第二模块中，基于第一特征向量数据，确定第二特征向量数据，其中，第二特征向量数据的向量维度高于第一特征向量数据的向量维度；将第二特征向量数据输入至第三模块中，基于第二特征向量数据，确定特征向量数据，其中，特征向量数据的向量维度高于第二特征向量数据的向量维度。
4、可选地，将目标图像输入至第一模块中，利用第一模块，对目标图像进行识别，得到第一特征向量数据，包括：将目标图像的特征信息输入至第一模块中；响应于第一模块接收到特征信息，对特征信息执行第一子卷积操作，得到第一子特征向量；对第一子特征向量执行两次第二子卷积操作，得到第一特征向量数据。
5、可选地，将第一特征向量数据输入至第二模块中，基于第一特征向量数据，确定第二特征向量数据，包括：响应于第二模块接收到第一特征向量数据，执行两次第三子卷积操作，得到第二特征向量数据。
6、可选地，将第二特征向量数据输入至第三模块中，基于第二特征向量数据，确定特征向量数据，包括：响应于第三模块接收到第二特征向量数据，执行两次第四子卷积操作，得到特征向量数据。
7、可选地，对特征向量数据对应的特征图进行裁剪，得到特征子图，包括：利用多尺度的滑动窗口，对特征图进行裁剪，得到特征子图；在对特征向量数据对应的特征图进行裁剪，得到特征子图之后，该方法还包括：获取特征图的高度信息和宽度信息，以及滑动窗口的滑动步长；基于高度信息、宽度信息和滑动步长，确定特征子图的目标数量。
8、可选地，在从特征子图中，确定纺织物的成分信息之前，该方法还包括：将目标数量的特征子图输入至纹理编码模型中，得到特征子图的特征子向量数据，其中，纹理编码模型用于对特征子图进行编码；从特征子图中，确定纺织物的成分信息，包括：基于特征子向量数据，确定成分信息。
9、可选地，基于特征子向量数据，确定成分信息，包括：对特征子向量数据和特征向量数据进行向量压缩，得到特征集合；确定特征向量库中各个特征向量样本与特征集合中目标特征之间的内积相似度；将满足内积相似度阈值的内积相似度对应的特征向量所对应的成分信息，确定为纺织物的成分信息。
10、根据本发明实施例的另一方面，还提供了一种纺织物成分的确定装置，包括：获取单元，用于获取纺织物的目标图像，其中，目标图像中包括纺织物中待识别的纹理特征；识别单元，用于将目标图像输入至特征提取模型中，利用特征提取模型，从目标图像中，识别出纹理特征对应的特征向量，其中，特征提取模型为基于目标图像样本和特征向量样本对深度神经网络模型进行训练得到，特征向量样本为从目标图像样本中识别纹理特征得到；裁剪单元，用于对特征向量对应的特征图进行裁剪，得到特征子图，其中，特征子图中纹理特征的精细程度高于特征图中纹理特征的精细程度；确定单元，用于从特征子图中，确定纺织物的成分信息。
11、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，上述计算机可读存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的纺织物成分的确定方法。
12、根据本发明实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的纺织物成分的确定方法。
13、根据本发明实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时可以用于执行任意一项上述的纺织物成分的确定方法。
14、在本发明实施例中，若需要对纺织物的成分进行确定，可以获取该纺织物上能够体现出纺织物的纹理特征的目标图像。可以将目标图像输入至特征提取模型中，利用特征提取模型，来从目标图像中识别出该纺织物的纹理特征所对应的特征向量。可以对特征向量所对应的特征图进行随机裁剪，使得纹理特征的精细程度提高，得到裁剪后的特征子图。从而可以在纹理特征的精细程度较高的特征子图中，确定出该纺织物的成分信息。由于本发明实施例不仅可以对整个纺织物成分确定过程进行自动化，且能够特征提取和特征图裁剪，使得纺织物的纹理特征的精细程度提高。不仅简化了整个纺织物成分确定过程，还能够精确地对成分信息进行确定，从而实现了提高纺织物成分的确定效率的技术问题，解决了纺织物成分的确定效率低的技术问题。
1.一种纺织物成分的确定方法，其特征在于，包括：
2.根据权利要求1所述的确定方法，其特征在于，所述特征提取模型中包括第一模块、第二模块和第三模块，其中，将所述目标图像输入至特征提取模型中，利用所述特征提取模型，从所述目标图像中，识别出所述纹理特征对应的特征向量数据，包括：
3.根据权利要求2所述的确定方法，其特征在于，将所述目标图像输入至所述第一模块中，利用所述第一模块，对所述目标图像进行识别，得到第一特征向量数据，包括：
4.根据权利要求2所述的确定方法，其特征在于，将所述第一特征向量数据输入至所述第二模块中，基于所述第一特征向量数据，确定第二特征向量数据，包括：
5.根据权利要求2所述的确定方法，其特征在于，将所述第二特征向量数据输入至所述第三模块中，基于所述第二特征向量数据，确定所述特征向量数据，包括：
6.根据权利要求1所述的确定方法，其特征在于，对所述特征向量数据对应的特征图进行裁剪，得到特征子图，包括：
7.根据权利要求6所述的确定方法，其特征在于，在从所述特征子图中，确定所述纺织物的成分信息之前，所述方法还包括：
8.根据权利要求7所述的确定方法，其特征在于，基于所述特征子向量数据，确定所述成分信息，包括：
9.一种纺织物成分的确定装置，其特征在于，包括：
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被所述处理器运行时执行权利要求1至8中任意一项所述的纺织物成分的确定方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至8中任意一项所述的纺织物成分的确定方法。
12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任意一项所述的纺织物成分的确定方法。
13.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至8中任意一项所述的纺织物成分的确定方法。
