基于深度学习的布匹缺陷检测方法研究

发布时间：2023-10-14 07:18

　　布匹的瑕疵检测是纺织工业中必不可少的环节,在布匹的生产过程中,不可避免的会产生不同种类的瑕疵,因此实现快速、准确的布匹瑕疵检测对于提高纺织工业的生产效率具有重要意义。目前大多数纺织企业主要依靠人工视觉的手段进行瑕疵检测,这种方式检测效率低且劳动强度大。使用深度学习的布匹瑕疵检测方法相对于传统的瑕疵检测方法有了明显的提升,但布匹瑕疵仍存在复杂花色背景干扰、小目标、极端纵横比、不平衡分类等问题,这会导致瑕疵检测识别率低、错检、漏检等情况频繁发生。针对上述问题,本文提出基于深度学习的布匹缺陷检测方法研究,主要研究内容如下:提出融合形变卷积和自注意力的素色布匹瑕疵检测方法,首先,提出了融合形变卷积的多尺度特征提取,有效缓解模型对不规则瑕疵特征提取能力不足的问题。其次提出了双通道特征融合,通过引入自注意力机制自适应的调整融合获得更为有效的瑕疵特征,从而生成新的具有强语义和精确位置信息的瑕疵特征图,提高了布匹瑕疵数据集中较多小目标瑕疵检测的准确率。最后,在候选区域阶段设计自适应边框生成器,指导生成更精确的瑕疵边界框,利于后续检测和回归,解决了布匹瑕疵数据集中部分纵横比悬殊的瑕疵(如吊经)无法生成紧...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状与分析
        1.2.1 基于传统的布匹瑕疵检测方法
        1.2.2 基于深度学习的布匹瑕疵检测方法
        1.2.3 研究现状分析
    1.3 研究内容与创新点
    1.4 论文组织及架构
2 目标检测相关技术与评价指标
    2.1 引言
    2.2 相关技术基础
        2.2.1 深度残差网络
        2.2.2 高分辨率网络
        2.2.3 注意力机制
        2.2.4 两阶段算法的网络结构
    2.3 数据集及评价标准
        2.3.1 素色布匹数据集
        2.3.2 花色布匹数据集
        2.3.3 性能评价标准
    2.4 本章小结
3 融合形变卷积和自注意力的素色布匹瑕疵检测
    3.1 引言
    3.2 素色布匹瑕疵检测方法
        3.2.1 多尺度特征提取
        3.2.2 双通道特征融合
        3.2.3 自适应边框生成器
    3.3 实验结果及分析
        3.3.1 实验环境及配置
        3.3.2 训练
        3.3.3 消融实验
        3.3.4 性能及对比分析
        3.3.5 检测结果呈现
    3.4 本章小结
4 双路高分辨率转换网络的花色布匹瑕疵检测方法
    4.1 引言
    4.2 花色布匹瑕疵检测方法
        4.2.1 双路高分辨率特征提取
        4.2.2 多尺度特征金字塔转换器
        4.2.3 自适应边框生成器
        4.2.4 级联检测器与改进的聚焦损失
    4.3 实验结果及分析
        4.3.1 实验环境及配置
        4.3.2 训练
        4.3.3 消融实验
        4.3.4 性能及对比分析
        4.3.5 检测结果呈现
    4.4 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士期间发表的学术论文与取得的研究成果



本文编号：3853854