基于Faster R-CNN的花纹检测及参数测量方法研究

发布时间：2021-08-13 21:32

　　纺织裁片是汽车座椅、服装等诸多行业中成品加工过程中裁床裁切的中间件,其质量是决定成品品质的一个关键。其中,在多周期花纹裁片中,花纹的偏斜角与周期长度是衡量裁片是否合格的重要的指标。目前工业领域对这两个参数的测量主要靠手工检测,耗时、耗力,且对具有复杂花纹的裁片检测效率更低。除此之外,由于裁片花纹种类繁多,造成在实际生产过程中只能进行人工抽检,无法对每一片裁片都进行检测。从而时常发生花纹裁片质量不合格而未能发现的情况,导致成品质量下降,引发经济损失。因此,提出一种多周期花纹裁片花纹偏斜角与周期长度的测量方法,建立裁片自动化检测系统,对提高裁片生产企业的生产水平与生产力具有重要的意义。本文结合图像处理技术与深度学习理论,提出了一种基于改进的Faster R-CNN的裁片花纹检测及参数测量方法。首先,本文设计了一套由二维机械臂和面阵相机组成的图像采集系统,机械臂在前后、左右两个空间维度上运动,通过控制运动可采集任何部位清晰的花纹纹理图像。其次,提出了一种基于Faster R-CNN网络的多周期花纹定位方法,并且引入花纹角度预测功能对倾斜的花纹进行有效的检测。此外,通过对ROI池化原理的分析,... 

【文章来源】：天津工业大学天津市

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

多周期花纹裁片图像及偏斜角与周期长度测量示意图

第一章绪论7提高了对所需目标的定位能力，已经大量的运用在纺织领域。目前，深度学习中包括两种类型的目标检测方法：一种取决于区域建议，如R-CNN（区域卷积神经网络）[21]，FastR-CNN[22]，FasterR-CNN[23-25]和R-FCN[26]；另一种不依赖于区域提案并直接估计候选目标建议，例如SSD[27]和YOLO[28]系列。基于FasterR-CNN的目标检测方法具有目标检测速度快，网络成熟度高等优点，为多周期花纹的检测提供了很好的花纹定位方法，成为了花纹周期提取的关键步骤。基于上述讨论，本文选取FasterR-CNN网络作为裁片多周期花纹的定位器，并且结合传统图像处理方法进一步提取花纹周期测量所需参数。1.4论文研究内容本文提出了一种基于改进的FasterR-CNN的多周期花纹检测及参数测量方法，其总框架图如图1-2所示。本文主要研究内容包括：多周期花纹粗定位（基于FasterR-CNN的花纹检测）、花纹精确定位（提取花纹中心点）、花纹周期提取及参数测量三大部分。图1-2本文方法总体框图

天津工业大学硕士学位论文12图2-1卷积运算过程2.2.2池化层在卷积神经网络中，为了减少图像在训练过程中的计算量，下采样操作（池化层）往往跟在卷积操作后面进行。池化层主要的作用包括提取对于图像平移和小变形过程中的不变的特征、压缩特征图的尺寸减少参数量，能够有效的抑制过拟合现象。池化的种类分为最大池化、平均池化、随机池化以及空金字塔池化等。最大池化是选取图像区域的最大值作为池化值；平均池化是将图像区域的平均值作为池化值；随机池化是按概率随机选取图像区域中的元素作为池化值；空间金字塔池化的设计思想来源于空间金字塔模型（SpatialPyramidModel），它将一个尺度的池化变成了多个尺度的池化操作。用不同大小池化窗口作用于卷积特征，能够达到输入不同尺寸图像却可以得到相同尺寸特征图输出的效果。图2-2展示了卷积神经网络训练过程中常用的最大池化、平均池化以及随机池化的计算过程。图2-2池化运算过程

【参考文献】：
期刊论文
[1]基于深度学习的织物缺陷在线检测算法[J]. 王理顺,钟勇,李振东,贺宜龙.  计算机应用. 2019(07)
[2]基于树莓派的深度学习色织物疵点检测研究[J]. 曹振军,景军锋,苏泽斌,张缓缓.  棉纺织技术. 2019(01)
[3]应用频域分析与距离匹配函数的织物纹理周期测量[J]. 周建,王静安,潘如如,高卫东.  东华大学学报(自然科学版). 2017(05)
[4]采用距离匹配函数的印花织物图案周期测定[J]. 景军锋,杨盼盼,李鹏飞.  纺织学报. 2015(12)
[5]基于词向量特征的循环神经网络语言模型[J]. 张剑,屈丹,李真.  模式识别与人工智能. 2015(04)
[6]基于改进归一化距离匹配函数的纹理周期自动提取方法[J]. 蒋圣,汤国安,陶旸.  模式识别与人工智能. 2014(12)
[7]基于灰度共生矩阵的织物纹理研究[J]. 李静,杨玉倩,沈伟,李丹,周华.  现代纺织技术. 2013(03)
[8]基于纹理周期性分析的织物疵点检测方法[J]. 祝双武,郝重阳.  计算机工程与应用. 2012(21)
[9]基于并行灰度级差共生矩阵的图像纹理检测[J]. 叶苗.  激光与红外. 2011(11)
[10]汽车座椅用纺织品的性能要求和检验标准[J]. 杨斌,冯岑.  四川丝绸. 2006(04)

硕士论文
[1]基于Faster R-CNN的交通标志检测方法[D]. 杨梦梦.湖北工业大学 2019
[2]基于深度卷积神经网络的织物瑕疵检测方法研究[D]. 陈宇俊.广东工业大学 2018
[3]基于深度学习的织物图像疵点区域定位算法研究[D]. 刘祥惠.中原工学院 2018
[4]纺织品图案和纹理的周期性研究[D]. 齐菲.东华大学 2017
[5]单色周期图案布匹瑕疵检测算法研究[D]. 徐莉莉.吉林大学 2016



本文编号：3341175