基于卷积神经网络的织物瑕疵检测方法研究

发布时间：2021-06-21 12:50

　　织物瑕疵检测是控制织物产品质量的重要步骤,传统的织物瑕疵检测方法检测效率低,劳动强度大。因此,针对传统检测方法存在的问题,提出一种基于卷积神经网络（CNN）的分类算法用于实现织物瑕疵检测。网络是在VGG16的基础上进行减枝,通过优化网络参数实现最优结果。首先,由于织物瑕疵大小差别较大,提出将瑕疵边缘作为检测的目标,这样就可以将大尺度图片分割为64×64的小尺度图片用于网络训练,既提高了网络的分类准确率,又解决了织物瑕疵图像搜集困难的问题。其次,在测试过程中,提出对大尺度图片进行有重叠的分割,然后对分割后的图片进行分类,根据每张图片的输出标签和位置来实现大尺度图片的瑕疵检测。实验结果表明,本文所提出的网络结构相比于传统的VGG16和LeNet网络结构,具有检测速度快、检测精度高等优势。 

【文章来源】：信息技术与网络安全. 2020,39(11)

【文章页数】：7 页

【部分图文】：

卷积神经网络的卷积和池化过程

图像归一化前后对比

其中，是网络输出层的非归一化分数，pn是第n个类别的概率，N指输出层中神经元个数，即所要分类的类别数，n,k∈[1,N],p,y∈RN。损失函数的第一项是交叉熵损失函数，第二项为权重的正则化损失函数。Adam算法对网络的优化过程如下：

【参考文献】：
期刊论文
[1]深度学习在表面质量检测方面的应用[J]. 肖书浩,吴蕾,何为,彭煜.  机械设计与制造. 2020(01)
[2]基于改进的加权中值滤波与K-means聚类的织物缺陷检测[J]. 张缓缓,马金秀,景军锋,李鹏飞.  纺织学报. 2019(12)
[3]全连接神经网络算法的改进与应用研究[J]. 吴辰斌,王剑.  电子世界. 2019(09)
[4]基于卷积神经网络的织物表面缺陷分类方法[J]. 景军锋,刘娆.  测控技术. 2018(09)
[5]基于改进SAE网络的织物疵点检测算法[J]. 景军锋,党永强,苏泽斌,李鹏飞,张宏伟.  电子测量与仪器学报. 2017(08)
[6]应用深度卷积神经网络的色织物缺陷检测[J]. 景军锋,范晓婷,李鹏飞,洪良.  纺织学报. 2017(02)
[7]基于Gabor滤波器组与BP神经网络的帘子布疵点检测研究与实现[J]. 张五一,杨扬,林聪,温盛军.  中原工学院学报. 2014(03)
[8]基于GMRF模型的统计特征畸变织物疵点识别[J]. 杨晓波.  纺织学报. 2013(04)



本文编号：3240709