卷积神经网络在纺织品缺陷检测中的应用研究

发布时间：2020-12-24 00:20

　　近年来,深度学习技术在语音识别、智能监控、人脸识别等方面取得了巨大的成功,卷积神经网络作为深度学习最主要的算法之一也逐渐被广泛应用在工业图像缺陷检测中。卷积神经网络用于织物缺陷检测主要有两种方法:一种是只对缺陷进行分类;另一种是既对缺陷类别进行判定同时也定位出缺陷位置。本课题以白坯布、色织物、复杂条纹织物为研究对象,分析了卷积神经网络在织物缺陷智能分类和检测上的应用价值。针对深度学习在实际应用场景中存在的样本获取困难和样本量少的问题,分析了如何利用深度学习方法有效地分类和检测织物缺陷。研究内容主要包括以下几个方面:（1）将迁移学习与卷积神经网络模型相结合。首先加载已经在百万数据集上预训练好的模型AlexNet和GoogLeNet,再利用已构建好的数据样本对预训练模型的参数进行微调,该方法在缩短训练时间和降低实验硬件要求的基础上极大地提高了训练的准确率。因为不同的卷积神经网络卷积层数不尽相同,这代表着它们的感受野也不同,于是在迁移学习的基础上将AlexNet与GoogLeNet提取的特征进行融合,最后加入SVM分类器进行缺陷分类。实验结果表明,采用特征融合加迁移学习的方法比单独应用Ale... 

【文章来源】：西安工程大学陕西省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

EVS公司的TEX验布系统

第 1 章 绪论份额，但仍然存在一些问题：这些平台不仅造价昂贵，而修工作较为繁琐，导致大部分公司不太愿意购入。同时因技闭源，导致很难在平台上做进一步的开发。 FS220 自动验布机是我国近期创新开发的自动验布设备算机视觉和光电检测技术为基础，能精准检测布面上的各动标记。该公司设计的布面牵引系统，能确保布面平整、织企业提供了高智能化的布面修理系统，还可以与码布机的工作效率和智能化管理水平。

工作效率和智能化管理水平。图 1-2 陕西长岭的 FS220 自动验布机械有限公司推出的 AO-AI 纺织品智能检验机，如图对运动中的布匹进行监测，采集的数据由以太网传输理过程得到当前布匹的门幅大小、经密、纬密、纬斜别的布面缺陷等信息；最后的检测结果可以通过人机围系统将会自动报警，检测数据也将上传并保存在数


本文编号：2934611