CASIA OpenIR  > 学术期刊  > 自动化学报
基于深度学习的纹理布匹瑕疵检测方法
许玉格; 钟铭; 吴宗泽; 任志刚; 刘伟生
发表期刊自动化学报
ISSN0254-4156
2023
卷号49期号:4页码:857-871
摘要布匹瑕疵检测是纺织工业中产品质量评估的关键环节,实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义.在实际布匹生产过程中,布匹瑕疵在形状、大小及数量分布上存在不平衡问题,且纹理布匹复杂的纹理信息会掩盖瑕疵的特征,加大布匹瑕疵检测难度.本文提出基于深度卷积神经网络的分类不平衡纹理布匹瑕疵检测方法(Detecting defects in imbalanced texture fabric based on deep convolutional neural network, ITF-DCNN),首先建立一种基于通道叠加的ResNet50卷积神经网络模型(ResNet50+)对布匹瑕疵特征进行优化提取;其次提出一种冗余特征过滤的特征金字塔网络(Filter-feature pyramid network, F-FPN)对特征图中的背景特征进行过滤,增强其中瑕疵特征的语义信息;最后构造针对瑕疵数量进行加权的MFL (Multi focal loss)损失函数,减轻数据集不平衡对模型的影响,降低模型对于少数类瑕疵的不敏感性.通过实验对比,提出的方法能有效提升布匹瑕疵检测的准确率及定位精度,同时降低了布匹瑕疵检测的误检率和漏检率,明显优于当前主流的布匹瑕疵检测算法.
关键词布匹瑕疵检测 深度学习 特征过滤 深度卷积神经网络 不平衡分类
DOI10.16383/j.aas.c200148
引用统计
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/56173
专题学术期刊_自动化学报
推荐引用方式
GB/T 7714
许玉格,钟铭,吴宗泽,等. 基于深度学习的纹理布匹瑕疵检测方法[J]. 自动化学报,2023,49(4):857-871.
APA 许玉格,钟铭,吴宗泽,任志刚,&刘伟生.(2023).基于深度学习的纹理布匹瑕疵检测方法.自动化学报,49(4),857-871.
MLA 许玉格,et al."基于深度学习的纹理布匹瑕疵检测方法".自动化学报 49.4(2023):857-871.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
AAS-CN-2020-0148.pdf(4255KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[许玉格]的文章
[钟铭]的文章
[吴宗泽]的文章
百度学术
百度学术中相似的文章
[许玉格]的文章
[钟铭]的文章
[吴宗泽]的文章
必应学术
必应学术中相似的文章
[许玉格]的文章
[钟铭]的文章
[吴宗泽]的文章
相关权益政策
暂无数据
收藏/分享
文件名: AAS-CN-2020-0148.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。