基于卷积神经网络的布料疵点检测方法

摘要：

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标.为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的非极大值抑制分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离图形处理器显存限制,适用于各种性能计算机.实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性.实际检测速度为3 f/s,准确率可达99.6％,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业.

关键词：布料疵点检测、卷积神经网络、改进非极大值抑制算法、分割算法

所属期刊栏目：20

分类号：TP391.4;TS117(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科技计划项目

在线出版日期：2020-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10327-10333