基于快速活动轮廓模型和BP-AdaBoost的织物缺陷检测

发布时间：2020-08-01 15:51

【摘要】：制造业的迅速发展对于各类产品的缺陷检测提出了新的挑战,基于机器视觉的自动检测方法逐渐取代人工肉眼检测成为趋势。针对目前织物缺陷检测定位效率低和分类准确率不理想的问题,提出了基于快速活动轮廓分割模型和BP-AdaBoost的织物缺陷检测算法,将算法分为定位和分类两部分,用以实现对织物缺陷的自动检测。对于缺陷位置的定位要靠图像分割来完成,在总结分析了目前已有的各种分割方法的优缺点后,在活动轮廓分割模型的基础上提出了快速活动轮廓模型。首先分析了C-V模型、LBF模型和LIF模型这三种传统活动轮廓算法,由于这些算法的能量函数都是非凸的,在求解过程中易获得局部最小值,受初始轮廓位置设置和图像灰度不均影响较大。本文基于上述算法,引入凸优化技术,将求解问题变成了一个凸优化问题,从而解决了活动轮廓模型受初始位置影响大的问题,同时对求解过程进行优化,使算法求解速度得到了较大提升。在几种不同类型图片上进行了对比实验,实验结果表明快速活动轮廓模型分割精度高,且速度明显优于传统活动轮廓模型,平均分割时间仅需0.13秒。鉴于机器学习在图像分类中的实用性,在分析了几类典型的机器学习分类算法后,选用BP神经网络来完成对缺陷的分类,这种网络结构简单有效,通用性强。为了进一步提高网络的分类能力,引入AdaBoost算法,将算法中的弱分类器以BP网络代替,得到BP-AdaBoost算法。在MNIST、Fashion-MNIST和TFDS三类不同类型的典型数据库上进行算法分类对比实验,实验结果表明,BP-AdaBoost算法在上述三种数据库上的分类准确率明显优于传统SVM和KNN算法,且相比CNN而言,更符合实际产品检测中对实时性和准确性的要求。基于活动轮廓模型和BP-AdaBoost分类算法设计了织物典型疵点检测算法,完成了对织物缺陷的定位和分类任务。针对两种不同类型织物的破洞和污渍这两种典型缺陷设计了一系列对比实验,确定了网络的最佳参数。在此基础上,对四种缺陷进行了算法有效性实验,实验结果表明算法分类准确率高,定位精确,完成了对织物缺陷的定位和分类任务,能有效的应用于织物的缺陷检测中。
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS107;TP391.41
【图文】：

论文总体结构

图 2.1 水平集求解示意图一般来说，结合水平集方法的几何活动轮廓模型根据能量函数中使用的图息的不同可分为以下两类：基于边缘的活动轮廓模型和基于区域的活动轮廓。

图 2.2 凸优化原理图一种最优化的方法，研究定义在凸集上的凸函数的最术应用在活动轮廓模型的求结果过程中，本文在 M-S进，改善模型的全局最小化问题。C-V 模型本质是用

【参考文献】

相关期刊论文 前8条

1 王威;曾小能;;图像分割技术研究与应用[J];计算机时代;2015年01期

2 黄凯奇;任伟强;谭铁牛;;图像物体分类与检测算法综述[J];计算机学报;2014年06期

3 朱俊岭;汪军;张孝南;李立轻;陈霞;庞明军;;基于AR模型的机织物线状疵点研究[J];纺织学报;2012年08期

4 毛健;赵红东;姚婧婧;;人工神经网络的发展及应用[J];电子设计工程;2011年24期

5 王庆香;李迪;张舞杰;叶峰;;软性电路板金面缺陷的无监督检测[J];光学精密工程;2010年04期

6 杨家红;刘杰;钟坚成;何明志;;结合分水岭与自动种子区域生长的彩色图像分割算法[J];中国图象图形学报;2010年01期

7 李峰;黄达人;毕宁;戴青云;;基于多进制小波变换的纹理图像分割[J];模式识别与人工智能;2004年03期

8 栾丽华,吉根林;决策树分类技术研究[J];计算机工程;2004年09期

本文编号：2777669