基于深度卷积神经网络的单色布匹瑕疵检测识别

发布时间：2023-08-25 19:46

　　纺织工业是我国长久以来的经济支柱产业和不可替代的民生产业,同时也是国际上处于领先地位的一项产业。从目前该产业的现状来看,织物的瑕疵检测与识别是制约织物生产效率与织物质量的重要因素。传统的织物瑕疵检测与识别是以人工的方式进行,存在效率低(检测速度仅为10～20米/分钟)、误检率和漏检率高的问题。因此,高质量的自动化织物瑕疵检测与识别已经成为布匹生产企业亟待解决的问题之一。我国的布匹瑕疵检测识别还停留在基于传统数字图像处理技术的算法研究层面,采用手工设计特征的方法,但其特征难以设计及调优。而目前基于卷积神经网络(Convolutional Neural Network,CNN)的图像识别算法,是基于数据自动学习特征,其识别效果显著,明显超越了传统数字图像处理算法的识别效果。当今国内外对卷积神经网络在布匹瑕疵检测与识别领域的应用鲜有成果,本文以某布匹生产企业的需求为依托,开展基于深度卷积神经网络的布匹瑕疵检测识别系统开发,主要研究工作如下:(1)到实际布匹生产企业进行调研,了解布匹生产企业的生产现状及布匹瑕疵的检测需求;针对深度学习模型的训练需要大量数据集的需求,在企业生产线搭建相机、光源等...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题的研究背景及意义
        1.1.1 研究背景及意义
        1.1.2 课题来源
    1.2 课题的国内外研究现状
        1.2.1 布匹瑕疵检测的研究现状
        1.2.2 布匹瑕疵识别的研究现状
        1.2.3 基于CNN的图像识别算法研究现状
        1.2.4 目前存在的问题
    1.3 本文的研究内容与章节结构
        1.3.1 本文研究内容
        1.3.2 本文章节结构
第二章 布匹瑕疵检测识别系统的总体设计
    2.1 布匹瑕疵检测系统设计要求
    2.2 布匹质量评分标准
    2.3 布匹瑕疵检测识别系统难点分析
    2.4 系统总体方案设计与原理
    2.5 布匹瑕疵检测识别系统的硬件选型
        2.5.1 工业相机选型
        2.5.2 镜头的选型
        2.5.3 光源的选型
    2.6 本章小结
第三章 基于CNN的布匹瑕疵检测识别算法研究与设计
    3.1 深度卷积神经网络概要
        3.1.1 卷积神经网络基本结构
        3.1.2 反向传播算法
        3.1.3 Softmax分类器
    3.2 基于CNN的布匹瑕疵检测识别算法
        3.2.1 建立布匹瑕疵图像数据集
        3.2.2 数据集预处理
        3.2.3 构建瑕疵分类CNN网络结构与设计网络训练算法
        3.2.4 布匹瑕疵检测基本原理
    3.3 实验结果与分析
        3.3.1 网络模型训练过程
        3.3.2 实验结果与对比分析
    3.4 本章小结
第四章 CNN模型压缩算法
    4.1 基于网络剪枝的模型压缩算法
        4.1.1 网络剪枝模型压缩算法
        4.1.2 改进的模型压缩算法
    4.2 压缩算法测试与分析
    4.3 本章小结
第五章 布匹瑕疵检测识别软件系统设计与测试
    5.1 开发环境简介
        5.1.1 Qt简介
        5.1.2 深度学习框架Caffe简介
    5.2 系统用户界面设计
        5.2.1 相机控制模块
        5.2.2 瑕疵识别模块
        5.2.3 识别结果数据处理
        5.2.4 质量评估与报告打印模块
    5.3 多线程系统优化设计
    5.4 系统测试
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间发表的论文及其他成果
附录



本文编号：3843200