基于MF-SSD网络的织物疵点检测

发布时间：2021-09-11 19:17

　　为解决实际工业环境纺织品表面疵点检测速度慢、漏检率高的问题,利用MobileNet的深度可分离卷积取代传统SSD主干网络（VGG-16）中的普通卷积加速提取织物疵点特征,对MobileNet主干网络中的不同尺度的卷积特征层进行上采样,获得融合特征图并通过下采样构建特征图像金字塔网络,进而提取不同尺度特征;最后,使用具有不同尺度的特征层对大小不同的疵点做预测。将该算法分别在公共数据集和个人构建数据集进行测试,并与目前主流目标检测算法进行对比。结果表明:对于输入尺寸为300 pixel×300 pixel的织物图像,该MF-SSD网络的平均准确率均值达到90.1%,单张检测时间为30 ms。认为:MF-SSD网络具有更快的检测速度和较高的准确率。 

【文章来源】：棉纺织技术. 2020,48(12)北大核心

【文章页数】：6 页

【部分图文】：

Mobile Net-SSD网络结构

深度可分离卷积

MF-SSD模型

【参考文献】：
期刊论文
[1]深度学习在布匹缺陷检测中的应用[J]. 赵志勇,叶林,桑红石,桂康.  国外电子测量技术. 2019(08)
[2]改进的SSD航拍目标检测方法[J]. 裴伟,许晏铭,朱永英,王鹏乾,鲁明羽,李飞.  软件学报. 2019(03)
[3]应用GAN和Faster R-CNN的色织物缺陷识别[J]. 李明,景军锋,李鹏飞.  西安工程大学学报. 2018(06)
[4]基于LBP和HOG特征的图案织物缺陷检测[J]. 马浩,景军锋,苏泽斌,张缓缓,李鹏飞.  电子测量与仪器学报. 2018(04)
[5]基于X射线图像和卷积神经网络的石油钢管焊缝缺陷检测与识别[J]. 刘涵,郭润元.  仪器仪表学报. 2018(04)
[6]基于条件深度卷积生成对抗网络的图像识别方法[J]. 唐贤伦,杜一铭,刘雨微,李佳歆,马艺玮.  自动化学报. 2018(05)
[7]应用最优Gabor滤波器的经编织物疵点检测[J]. 尉苗苗,李岳阳,蒋高明,丛洪莲.  纺织学报. 2016(11)
[8]基于机器视觉和图像处理的织物疵点检测研究新进展[J]. 李文羽,程隆棣.  纺织学报. 2014(03)



本文编号：3393568