基于DCNN的布匹疵点检测方法  

作　　者：孙羽 何志勇[1] 张浩[1] 刘旭华 

机构地区：[1]苏州大学机电工程学院

出　　处：《中国科技信息》2021年第2期92-95,共4页China Science and Technology Information

基　　金：国家重点研发计划课题(2018YFB1309201)。

摘　　要：传统检测算法如Gabor变换与支持向量机,通过提取织物的特征信息,在疵点检测方面取得了较高的准确率。由于织物和疵点存在多样性,传统检测方法对特征提取不完全且适应性较弱。由此,本文提出一种基于深度卷积神经网络(DCNN)的织物疵点检测办法。我们首先采集不同疵点的织物图像并进行数据增强以建立数据集,其次,我们设计建立了一种改进的多层感知机卷积神经网络,可以进一步增强特征表示能力。同时,在训练过程中使用正则化等优化方法,可以加快收敛速度、提高准确率以及防止网络过拟合。为了验证该方法的有效性,将线阵CCD相机收集的数据用于实验。实验结果表明,该方法在织物疵点检测中的准确率高达98.9%。本文提出的深度卷积神经网络(DCNN)模型,优于现有的支持向量机等传统检测算法,具有更好的适应性,并拥有高于经典方法的特征提取能力。

关 键 词：疵点检测 传统检测方法 支持向量机 卷积神经网络 多层感知机 GABOR变换 特征提取 织物图像 

分 类 号：TS107[轻工技术与工程—纺织工程] TP183[轻工技术与工程—纺织科学与工程] TP391.41[自动化与计算机技术—控制理论与控制工程]