在服装产品自动缝制过程中,服装面料裁片的识别是一道非常重要的工序。其中服装面料裁片的识别分类需要消耗大量的人力物力资源,阻碍了工作的质量和分类的效率,因此实现服装面料裁片自动化的识别和分类是提高企业生产效率和收益的快速途径之一。随着计算机视觉应用的广泛开展,通过数字图像识别方法对服装面料裁片识别成为了新的探索途径。本文对服装面料裁片特征进行识别与检测,结合当前的深度学习网络对服装面料裁片的面料、颜色、形状等方面进行识别。首先根据实验所需要精度选择合适的摄像头与光源。使用张正友棋盘格标定法在不同角度拍摄棋盘格,通过计算棋盘格角点像素坐标,最终完成了对摄像头的标定。其次本文完成了服装面料裁片主成分的识别方法。通过放大倍数为100倍的摄像头采集6种不同面料的服装裁片信息并进行预处理操作,选取VGG16网络、Inception v3网络、Mobile Net v3网络进行训练,训练结果表明三种网络能够实现对服装面料裁片主成分具有高达97%的分类准确率。然后对服装面料裁片的形状和颜色进行识别与检测。通过自主构建服装面料裁片形状颜色数据集并对数据集进行标定。预处理之后,选取Fastet R-CNN,YOLO v3和Retina Net三种网络对7种颜色5种形状的服装面料裁片进行训练,实验结果表明三种网络都能够对服装面料裁片进行很高的识别与定位效果。通过对网络结果的对比与分析,综合识别准确率与处理速度,最终选用YOLO v3网络作为本文的识别网络。最后搭建了服装面料裁片自动固定与搬运装置,设计了服装面料裁片特征识别软件。服装面料裁片通过制冷装置对喷涂雾剂的服装面料裁片进行制冷达到固定效果,将服装裁片搬运到工作台进行缝制后,最后通过加热装置对服装面料裁片进行解固。搬运装置可以实现对服装面料裁片的自动固定与搬运。