一种基于卷积神经网络模型融合的织物疵点检测方法

发布时间：2021-05-25 17:04

　　针对织物疵点种类较多、形状差异大导致的检测准确率较低的问题,提出一种基于两个卷积神经网络模型融合的疵点识别方法。首先对织物的样本图像进行预处理,然后将样本图像缩小尺寸输入到一个网络模型进行训练;将样本图像采样后的图像输入到另一个网络模型训练。实验中使用ROC曲线下面积和平均精度均值的组合作为模型的评价指标,测试时取两个模型的预测结果平均,模型的评价指标值稳定在0.75左右。实验中还评估了图像翻转、测试集增强和模型融合的贡献,实验结果显示这些方法都有助于提高疵点检测的效果。 

【文章来源】：北京服装学院学报(自然科学版). 2020,40(01)北大核心

【文章页数】：8 页

【文章目录】：
1 研究方法
    1.1 训练和测试模型
    1.2 ResNet
        (1)卷积层
        (2)池化层
        (3)全连接层
        (4)分类器
        (5) 损失函数(Loss function)
        (6)目标函数(Object function)
2 实 验
    2.1 数据集
    2.2 数据增强
    2.3 实验设置
    2.4 评估指标
    2.5 实验结果
3 结 论


【参考文献】：
期刊论文
[1]应用Canny算子的织物疵点检测改进算法[J]. 胡克满,罗少龙,胡海燕.  纺织学报. 2019(01)
[2]高斯混合模型在印花织物疵点检测中的应用[J]. 李敏,崔树芹,谢治平.  纺织学报. 2015(08)

硕士论文
[1]基于卷积神经网络的色织物疵点检测与分类算法研究[D]. 董阿梅.西安工程大学 2018
[2]基于小波和极速学习机的织物疵点检测和分类[D]. 马强.东华大学 2016



本文编号：3205698