深度学习在布匹缺陷检测中的应用

被引：22

作者：

赵志勇

叶林

桑红石

桂康

机构：

[1] 华中科技大学人工智能与自动化学院

来源：

国外电子测量技术 | 2019年 / 38卷 / 08期

关键词：

缺陷判决; 卷积神经网络; 深度学习; 计算机视觉;

D O I：

10.19652/j.cnki.femt.1901468

中图分类号：

TP391.41 []; TP18 [人工智能理论]; TS107 [纺织品的标准与检验];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ; 082102 ;

摘要：

布匹缺陷判决在布匹生产过程中尤为重要,是企业成活的关键,而布匹缺陷判决算法是保证疵点判决效率的核心。计算机技术的发展使得利用深度学习进行布匹缺陷判决成为可能,提出基于Inception-Resnet-v2网络的布匹缺陷判决算法可以将布匹图片直接送入模型中进行判决而无需人工干预,可达到准确率99%的效果,而且能够在复杂背景和无规律纹理的布匹上进行,相比较于传统计算机视觉算法其普适性更好,而且性能更加优越。

引用

页码：110 / 116

页数：7

共 12 条

[1]

基于小波分析与SVM的织物疵点识别分类算法的研究.[D].吴哲.华侨大学.2016, 02

[2]

基于机器视觉的无纺布疵点在线检测系统研究.[D].刘海平.华中科技大学.2015, 05

[3]

布匹疵点自动检测系统的研究和设计.[D].龚艳军.华中科技大学.2005, 05

[4]

布匹疵点在线检测系统研究.[D].邹超.华中科技大学.2009, 11

[5] ImageNet Classification with Deep Convolutional Neural Networks [J].

Krizhevsky, Alex ;

Sutskever, Ilya ;

Hinton, Geoffrey E. .

COMMUNICATIONS OF THE ACM, 2017, 60 (06) :84-90

[6] 纹理织物疵点窗口跳步形态学法检测 [J].

何峰 ;

周亚同 ;

赵翔宇 ;

刘猛 ;

张忠伟 .

纺织学报, 2017, 38 (10) :124-131

[7] 几种织物疵点检测算法的设计与比较 [J].

徐园园 ;

刘伟斌 ;

郑力新 .

控制工程, 2016, 23 (05) :777-782

[8] 基于频域滤波的织物疵点检测 [J].

管声启 ;

石秀华 .

计算机应用, 2008, (10) :2673-2675

[9] 基于数学形态学的织物疵点检测方法 [J].

王锋 ;

焦国太 ;

杜烨 .

测试技术学报, 2007, (06) :515-518

[10] 基于模糊类别共生矩阵的纹理疵点检测方法 [J].

邹超 ;

朱德森 ;

肖力 .

中国图象图形学报, 2007, (01) :92-97

← 1 2 →