基于深度残差网络的布匹疵点检测方法

发布时间：2021-08-16 23:01

　　针对传统布匹疵点人工检测成本高、识别稳定性差的问题,本文提出一种基于深度残差网络的布匹疵点检测方法.首先,采用线阵相机、线性光源和传动系统设计布匹疵点检测装置;其次,根据采集图像的灰度值调整光源的光照强度,并对采集图像进行去噪滤波预处理;然后使用深度残差网络修改Faster R-CNN中的原始特征提取网络,获得更高的疵点特征精度;最后在Faster R-CNN的区域生成网络中增加预测锚点框,提升多尺度疵点和小目标疵点的检测能力.实验结果表明,本文方法的布匹疵点识别率达到96%,检测速度达到30m/min,实现了布匹疵点检测自动化,大幅降低了人力成本,具有良好的实际应用价值. 

【文章来源】：小型微型计算机系统. 2020,41(04)北大核心CSCD

【文章页数】：7 页

【部分图文】：

布匹图像采集装置结构图

在布匹传动系统的设计上，使用如图2所示带有压辊的传送带装置，布匹在经过线阵相机之前，通过张力辊让布匹保持一定张力，压辊和传送带上的专用胶水保证布匹平整，使线阵相机可以拍摄到高质量的、平整的布匹图像．传送带的传动由无级变速电机带动，可以使传动期间的速度稳定，可以保证线阵相机所采集的图像质量一致性．3 布匹图像预处理

不同类型的布匹对光的反射率不同，在相同光强情况下浅色布匹会比深色布匹的反射效果好，因此在布匹检测开始之前，需要调整光源的光照强度使采集到的图像具有较好的成像效果，有利于下一步的疵点检测．本文中光强调节使用如式(1)所示的方法，统计整幅图像的平均灰度值G，其范围为[0,255]，α是权重系数，β是偏置系数．在检测过程中，权重值保持不变，偏置值根据图像灰度范围选取，通过计算得到光强L，其值范围为[0,100]，计算机通过串口与光源控制器保持通信，将需要的光强发送至光源控制器，光源控制器调整至设定的光强．如图3所示，在未调整光强之前整体图像偏暗，细节呈现也较差，在调整光强之后图像的整体亮度提升，布匹细节纹理也更为清晰，有利于后续的检测分析．3.2 加权均值滤波

【参考文献】：
期刊论文
[1]基于边缘检测的斜纹布匹瑕疵检测[J]. 邓超,刘岩岩.  测控技术. 2018(12)
[2]基于CNN的火炮身管全景图像疵病识别方法[J]. 汤一平,韩国栋,鲁少辉,胡克钢,袁公萍.  仪器仪表学报. 2016(04)



本文编号：3346545