基于高分辨率图像的纺织物缺陷检测算法研究

发布时间：2023-08-18 16:49

　　纺织物的表面缺陷检测是其质检环节中最为重要的一步。传统的人工检测方法,效率低,精度波动幅度较大,对人体健康尤其是视力健康存在着巨大的伤害。而当前存在的一些自动化检测方法,需要人为设计特征表达方式,但这极大地依赖于经验和运气,严重影响了算法的更新迭代与泛化性。近年来,卷积神经网络技术发展迅猛,在目标的检测识别等方面取得了许多突破性的成果。因此,本文基于实际的课题研究,将卷积神经网络技术应用于纺织物(素色布)的缺陷检测问题上。本文首先分析了纺织物缺陷检测的技术难点,并通过对经典检测算法与典型的深度学习方法的研究,针对各个技术难点,提出了对应的改进算法以实现对纺织物缺陷快速准确的检测。其次,本文分析了高分辨率图像处理的经典方法及其各种弊端。然后设计了并行网络结构来提取特征,并通过深度融合的方式综合了各网络特征层特征,在保证检测精度的前提下解决了高分辨率带来的检测效率低的问题。本文还分析了经典数据增强方法在纺织物缺陷检测问题上存在的局限性。并针对纺织物缺陷图像的特点改进了合成少数类过采样技术丰富了样本多样性,并设计了缺陷区域CopyPasting方法,丰富了缺陷位置多样性。通过人工生成新样本的...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 基于传统方法的研究现状
        1.2.2 基于卷积神经网络(CNN)的研究现状
        1.2.3 国内外产业化现状
    1.3 本文的主要研究内容与组织结构安排
第2章 目标检测算法分析
    2.1 引言
    2.2 非极大值抑制
    2.3 检测算法概述
        2.3.1 RCNN系列
        2.3.2 YOLO系列
        2.3.3 SSD
    2.4 特征金字塔网络
    2.5 本章小结
第3章 基于高分辨率图像的特征表达研究
    3.1 引言
    3.2 基于并行结构的特征提取网络
        3.2.1 传统方法分析
        3.2.2 并行结构下的深度融合
    3.3 基于特征多样性的数据增强方法
        3.3.1 经典数据增强方法分析
        3.3.3 基于SMOTE的改进算法
        3.3.4 基于特征位置的多样性算法设计
    3.4 本章小结
第4章 基于注意力特征金字塔的小缺陷检测模型
    4.1 引言
    4.2 基于注意力机制的FPN改进算法
        4.2.1 注意力机制
        4.2.2 混合域注意力下的FPN
    4.3 针对小缺陷检测的损失函数设计
    4.4 本章小结
第5章 缺陷检测算法实现及结果分析
    5.1 引言
    5.2 纺织物缺陷检测网络设计
    5.3 算法结果分析
        5.3.1 改进算法性能分析
        5.3.2 纺织物缺陷检测结果
        5.3.3 特征多样性下的检测结果
    5.4 本章小结
结论
参考文献
致谢



本文编号：3842573