The invention discloses a classification method of appearance defects of pipe yarn based on deep convolution neural network, which includes the following steps: S1, image cutting; S2, manual sorting; S3, data cleaning; S4, data reorganization; S5, data expansion; S6, neural network structure; S7, model training; S8, parameter adjustment; S9, model testing; S10, after obtaining the optimal data, it opens from them. First, until the loss value of the verification set approaches zero and can not decline, the optimal model is finally obtained. Compared with the traditional machine vision image processing method based on convolution neural network, the method can mathematically fit the surface feature data extracted from the picture and obtain reliable feature classification. Finally, a simple classifier can achieve satisfactory results, thus improving the reliability and detection speed, and reducing the labor cost.
【技术实现步骤摘要】
一种基于深度卷积神经网络的管纱外观缺陷的分类方法
本专利技术涉及一种基于深度卷积神经网络的管纱外观缺陷的分类方法。
技术介绍
玻纤管纱经过捻纱机后,形成一个个的管纱,管纱需要经过去皮,测量Tex、外观检测、称重、包装等环节,才能够出厂。目前外观检测都是由大量的人工来完成,其需要工人有很强经验和观察能力来区分特征,存在偶然性强,可靠性低,无法精确检测玻纤管纱外观缺陷的问题。目前基于深度学习的方法已经远远超过传统机器视觉检测识别算法,卷积神经网络是深度学习计算机视觉类别的较为成熟的方法之一,它是一种前馈神经网络,它的每个神经元可以相应一部分覆盖范围内的周围单元,尤其对于大型图像处理有无可比拟的优势。卷积神经网络通过对图像进行分层次卷积和池化操作,逐次提取图像的高阶特征,在使用神经网络对特征进行特征表层分类,从而达到模式识别的功能。相比传统的机器视觉图像处理方法基于卷积神经网络的玻纤管纱外观检测方法是将图片中提取的表层特征数据进行数学拟合,得到可靠的特征分类,这样最后在使用一个简单的分类器就能达到令人满意的结果,从而提高可靠性。
技术实现思路
本专利技术的目的在于为了克服现有玻纤管纱外观缺陷检测分类方法的不足,提供了一种基于深度卷积神经网络的玻纤管纱外观检测与分类方法,以解决现有玻纤管纱外观缺陷检测需要工人有很强经验和观察能力来区分特征,存在偶然性强,可靠性低,无法精确检测玻纤管纱外观缺的问题。为了解决上述技术问题,本专利技术提供如下技术方案:一种基于深度卷积神经网络的管纱外观缺陷的分类方法,具体包括以下步骤:S1、图像切割:对管纱缺陷图片进行切割,将图片中的疑似疵 ...
【技术保护点】
1.一种基于深度卷积神经网络的管纱外观缺陷的分类方法,其特征在于,具体包括以下步骤:S1、图像切割:对管纱缺陷图片进行切割,将图片中的疑似疵点的部分切出并作为待分类数据;S2、人工分拣:将步骤S1中所述的待分类数据按照毛羽、毛夹、毛圈做人工粗分类;S3、数据清洗:a、采用预训练模型全链接层前的中间特征层获取输入图片的特征向量;b、在将特征数据复制成两组,一组保持原有向量顺序,另一组做T转置;c、将对两组数据中的原数据与T转置数据做向量点乘积计算出相似度;d、重复步骤c将相似度大于80%的数据排除;S4、数据再组织:以图像数据量最少类别为基准,将其它类别做数据均衡,将每个类别数据分为80%训练集和20%验证集;S5、数据增广:对训练集数据增加随机镜像、随机亮度、随机噪声以降低其对属性的依赖;S6、神经网络结构:
【技术特征摘要】
1.一种基于深度卷积神经网络的管纱外观缺陷的分类方法,其特征在于,具体包括以下步骤:S1、图像切割:对管纱缺陷图片进行切割,将图片中的疑似疵点的部分切出并作为待分类数据;S2、人工分拣:将步骤S1中所述的待分类数据按照毛羽、毛夹、毛圈做人工粗分类;S3、数据清洗:a、采用预训练模型全链接层前的中间特征层获取输入图片的特征向量;b、在将特征数据复制成两组,一组保持原有向量顺序,另一组做T转置;c、将对两组数据中的原数据与T转置数据做向量点乘积计算出相似度;d、重复步骤c将相似度大于80%的数据排除;S4、数据再组织:以图像数据量最少类别为基准,将其它类别做数据均衡,将每个类别数据分为80%训练集和20%验证集;S5、数据增广:对训练集数据增加随机镜像、随机亮...
【专利技术属性】
技术研发人员:赵瑾,景军锋,高原,
申请(专利权)人:西安获德图像技术有限公司,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。