基于深度学习的布匹缺陷识别与检测研究
发布时间：2021-05-16 01:19
随着纺织工业的快速发展,布匹的产量变得越来越大,给布匹缺陷检测带来了更大挑战,传统的人工验布技术已经越来越难以满足工业生产需求。计算技术尤其是人工智能技术的发展,为布匹缺陷检测提供了新的更可靠的技术支持。针对布匹缺陷种类多样、尺度多样和背景干扰严重等问题,本文提出基于深度学习的布匹缺陷识别和检测方法。针对布匹缺陷识别问题,本文提出了基于改进Inception-ResNet-v2网络的布匹分类算法。根据实际应用需求,本文将布匹缺陷识别分为两个任务进行:正常布匹、缺陷布匹的二分类识别和正常布匹、7种缺陷布匹的多分类识别。为了提取布匹中更丰富的特征,进一步增加了网络的层数,并对网络中卷积核的尺寸进行改进。最终改进后的算法在布匹二分类识别中获得94%以上的准确率,并在多分类识别中实现top-1准确率达86%以上。同时,通过对比算法改进前后的效果,得出改进后的算法能将布匹缺陷识别准确率提升近20%,成功验证了改进算法的有效性。针对布匹缺陷检测问题,本文提出基于改进Faster-RCNN网络的布匹缺陷检测算法。主要改进点为:设计了多尺度特征图谱提取网络;针对不同种类的布匹缺陷,基于k-means算...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景以及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 论文组织结构
2 布匹缺陷图像识别与检测原理
2.1 引言
2.2 布匹数据集的获取
2.3 缺陷布匹表面状态及其成因分析
2.4 布匹缺陷识别与检测中难点分析
2.5 基于深度学习的图像识别原理
2.6 基于深度学习的目标检测原理
2.7 本章小结
3 基于改进Inception-ResNet-v2 算法的布匹缺陷图像识别
3.1 引言
3.2 Inception-ResNet-v2 算法及其改进
3.3 数据集增强
3.4 基于改进算法布匹缺陷识别
3.5 布匹缺陷识别可靠性分析
3.6 本章小结
4 基于改进Faster-RCNN算法的布匹缺陷检测
4.1 引言
4.2 Faster-RCNN算法改进
4.3 基于前置多分类器的Faster-RCNN布匹缺陷检测
4.4 布匹缺陷检测结果分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]基于改进局部自适应对比法的织物疵点检测[J]. 杜帅,李岳阳,王孟涛,罗海驰,蒋高明. 纺织学报. 2019(02)
[2]Faster RCNN模型在坯布疵点检测中的应用[J]. 晏琳,景军锋,李鹏飞. 棉纺织技术. 2019(02)
[3]基于CUDA计算GLCM特征值和SVM的织布疵点检测[J]. 万东,孙志刚,肖力. 计算机与数字工程. 2018(04)
[4]基于梯度方向直方图的本色布疵点检测算法[J]. 刘海军,单维锋,袁静,李忠. 毛纺科技. 2018(01)
[5]纹理织物疵点窗口跳步形态学法检测[J]. 何峰,周亚同,赵翔宇,刘猛,张忠伟. 纺织学报. 2017(10)
[6]BP神经网络算法改进[J]. 黄尚晴,赵志勇,孙立波. 科技创新导报. 2017(20)
[7]织物疵点自动检测方法研究进展[J]. 张玉继,雷威,李文博. 纺织科技进展. 2017(05)
[8]一种改进的印刷丝网布疵点快速检测算法[J]. 王延年,杨万里. 国外电子测量技术. 2017(01)
[9]应用最优Gabor滤波器的经编织物疵点检测[J]. 尉苗苗,李岳阳,蒋高明,丛洪莲. 纺织学报. 2016(11)
[10]基于数字形态学滤波与SVM技术的帘子布疵点检测[J]. 温盛军,常保磊,蒋成龙,张五一. 中原工学院学报. 2016(04)
硕士论文
[1]基于深度学习的表面缺陷检测方法研究[D]. 张浩.苏州大学 2018
[2]基于机器视觉的织造疵点自动验布机研制[D]. 姚登辉.武汉纺织大学 2016
[3]基于小波分析与SVM的织物疵点识别分类算法的研究[D]. 吴哲.华侨大学 2016
[4]基于机器视觉的坯布疵点检测方法研究[D]. 魏娟.天津工业大学 2016
[5]布匹瑕疵实时视觉检测技术的研究与开发[D]. 何薇.江南大学 2015
[6]基于机器视觉的无纺布疵点在线检测系统研究[D]. 刘海平.华中科技大学 2015
[7]基于统计特征的纺织品缺陷检测方法研究[D]. 李小宁.合肥工业大学 2015
[8]基于AR模型的机织物线状疵点的检测研究[D]. 朱俊岭.东华大学 2012
[9]基于纹理梯度的纺织品缺陷检测方法研究[D]. 沈晶.合肥工业大学 2009
[10]织物疵点检测方法及其基于DM642图像处理系统的软件设计[D]. 张灵敏.北京服装学院 2008
本文编号：3188686
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景以及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 论文组织结构
2 布匹缺陷图像识别与检测原理
2.1 引言
2.2 布匹数据集的获取
2.3 缺陷布匹表面状态及其成因分析
2.4 布匹缺陷识别与检测中难点分析
2.5 基于深度学习的图像识别原理
2.6 基于深度学习的目标检测原理
2.7 本章小结
3 基于改进Inception-ResNet-v2 算法的布匹缺陷图像识别
3.1 引言
3.2 Inception-ResNet-v2 算法及其改进
3.3 数据集增强
3.4 基于改进算法布匹缺陷识别
3.5 布匹缺陷识别可靠性分析
3.6 本章小结
4 基于改进Faster-RCNN算法的布匹缺陷检测
4.1 引言
4.2 Faster-RCNN算法改进
4.3 基于前置多分类器的Faster-RCNN布匹缺陷检测
4.4 布匹缺陷检测结果分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文
【参考文献】：
期刊论文
[1]基于改进局部自适应对比法的织物疵点检测[J]. 杜帅,李岳阳,王孟涛,罗海驰,蒋高明. 纺织学报. 2019(02)
[2]Faster RCNN模型在坯布疵点检测中的应用[J]. 晏琳,景军锋,李鹏飞. 棉纺织技术. 2019(02)
[3]基于CUDA计算GLCM特征值和SVM的织布疵点检测[J]. 万东,孙志刚,肖力. 计算机与数字工程. 2018(04)
[4]基于梯度方向直方图的本色布疵点检测算法[J]. 刘海军,单维锋,袁静,李忠. 毛纺科技. 2018(01)
[5]纹理织物疵点窗口跳步形态学法检测[J]. 何峰,周亚同,赵翔宇,刘猛,张忠伟. 纺织学报. 2017(10)
[6]BP神经网络算法改进[J]. 黄尚晴,赵志勇,孙立波. 科技创新导报. 2017(20)
[7]织物疵点自动检测方法研究进展[J]. 张玉继,雷威,李文博. 纺织科技进展. 2017(05)
[8]一种改进的印刷丝网布疵点快速检测算法[J]. 王延年,杨万里. 国外电子测量技术. 2017(01)
[9]应用最优Gabor滤波器的经编织物疵点检测[J]. 尉苗苗,李岳阳,蒋高明,丛洪莲. 纺织学报. 2016(11)
[10]基于数字形态学滤波与SVM技术的帘子布疵点检测[J]. 温盛军,常保磊,蒋成龙,张五一. 中原工学院学报. 2016(04)
硕士论文
[1]基于深度学习的表面缺陷检测方法研究[D]. 张浩.苏州大学 2018
[2]基于机器视觉的织造疵点自动验布机研制[D]. 姚登辉.武汉纺织大学 2016
[3]基于小波分析与SVM的织物疵点识别分类算法的研究[D]. 吴哲.华侨大学 2016
[4]基于机器视觉的坯布疵点检测方法研究[D]. 魏娟.天津工业大学 2016
[5]布匹瑕疵实时视觉检测技术的研究与开发[D]. 何薇.江南大学 2015
[6]基于机器视觉的无纺布疵点在线检测系统研究[D]. 刘海平.华中科技大学 2015
[7]基于统计特征的纺织品缺陷检测方法研究[D]. 李小宁.合肥工业大学 2015
[8]基于AR模型的机织物线状疵点的检测研究[D]. 朱俊岭.东华大学 2012
[9]基于纹理梯度的纺织品缺陷检测方法研究[D]. 沈晶.合肥工业大学 2009
[10]织物疵点检测方法及其基于DM642图像处理系统的软件设计[D]. 张灵敏.北京服装学院 2008
本文编号：3188686
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3188686.html
