【技术实现步骤摘要】
基于深度可分离卷积神经网络的织物疵点检测方法
本专利技术涉及图像处理
,特别是指一种基于深度可分离卷积神经网络的织物疵点检测方法。
技术介绍
在纺织生产过程中往往会产生各类疵点,严重影响纺织品的产品质量,给企业带来较大损失。织物疵点检测是在织物表面发现疵点,准确定位疵点位置,并判断疵点种类的过程。目前一般采用人工检测织物疵点,但人工检测织物疵点容易受到主观因素的影响,使得检测的精度较低且检测效率低、成本高。因此,基于计算机视觉的织物疵点自动检测技术成为研究的热点。目前的织物疵点检测算法主要分为:基于统计分析、频域分析、模型分析、结构分析等几大类。统计分析方法通过计算与周围环境灰度值的对比来检测织物的疵点;频谱方法将测试图像变换到频域,然后通过计算频谱系数之间的差异来检测疵点,包括傅立叶变换、Gabor变换、小波变换等;基于模型的方法首先利用参数估计技术对正常图像的纹理特征进行建模,然后将测试图像与正常纹理模型进行比较,检测出疵点图像。这些方法针对特定的布匹种类具有良好的疵点检测能力,但随着整个社会纺织工业的不断发展,织物的种类变得越来越多样,纹理和图案特征也变得越来越复杂,传统检测方法特征提取能力不足,且计算复杂、检测速度慢,难以满足工业生产要求。近年来,以卷积神经网络为代表的机器学习技术得到快速的发展。卷积神经网络具有很强的特征提取能力,在目标检测领域得到了广泛的应用。文献[Shi,Y.,Li,Y.,Wei,X.,&Zhou,Y."Afaster-rcnnbasedchemicalfi ...
【技术保护点】
1.一种基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,其步骤如下:/nS1、利用图像采集系统采集织物疵点图像后进行预处理,并通过标注工具标注预处理后织物疵点图像中的疵点的位置坐标,作为织物图像数据集,其中,织物图像数据集包括训练集和测试集;/nS2、构建深度可分离卷积层,利用深度可分离卷积层搭建DefectNet网络;/nS3、将步骤S1中的训练集输入DefectNet网络中进行训练,并利用异步梯度下降的训练策略调整DefectNet网络的参数,得到DefectNet网络模型;/nS4、将测试集中的织物图像输入步骤S3得到的DefectNet网络模型中,得到图像中的目标疵点及位置坐标,并在图像中框出疵点目标。/n
【技术特征摘要】
1.一种基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,其步骤如下:
S1、利用图像采集系统采集织物疵点图像后进行预处理,并通过标注工具标注预处理后织物疵点图像中的疵点的位置坐标,作为织物图像数据集,其中,织物图像数据集包括训练集和测试集;
S2、构建深度可分离卷积层,利用深度可分离卷积层搭建DefectNet网络;
S3、将步骤S1中的训练集输入DefectNet网络中进行训练,并利用异步梯度下降的训练策略调整DefectNet网络的参数,得到DefectNet网络模型;
S4、将测试集中的织物图像输入步骤S3得到的DefectNet网络模型中,得到图像中的目标疵点及位置坐标,并在图像中框出疵点目标。
2.根据权利要求1所述的基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,所述步骤S1中的织物疵点图像的预处理方法为:对采集的织物疵点图像进行剪切和缩放,得到图像尺寸大小相同的织物图像。
3.根据权利要求1所述的基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,所述DefectNet网络的架构为输入层-标准卷积层I-深度可分离卷积层I-深度可分离卷积层II-深度可分离卷积层III-深度可分离卷积层IV-标准卷积层II-深度可分离卷积层V-深度可分离卷积层VI-输出层。
4.根据权利要求1所述的基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,所述深度可分离卷积层包括深度卷积层和点卷积层,标准卷积层、深度卷积层和点卷积层均连接有批量标准化层和激活层,其中,激活层为LeakyReLU激活函数层。
5.根据权利要求3所述的基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,所述DefectNet网络在深度可分离卷积层VI输出为原图32倍下采样后得到的特征图,再将深度可分离卷积层VI提取的特征图进行2倍的上采样,并与标准卷积层II输出为原图16倍下采样的特征图进行特征融合,得到经过特征融合的16倍下采样特征图。
6.根据权利要求1所述的基于深度可分离卷积神经网络的织物疵点检测方法,其特征在于,所述步骤S3中利用异步梯度下降的训练策略调整DefectNet网络的参数,得到DefectNet网络模型的训练方法为:
S31、设置输入图像的大小为M'×M',类别为1,设置学习率θ和权重衰减w,设置最大迭代次数tmax;
S32、随机选取训练集中的N’张原始图像及疵点的位置坐标输入DefectNet网络中;
S33、将DefectNet网络的第六层提取的特征图和第...
【专利技术属性】
技术研发人员:刘洲峰,李春雷,崔建,丁淑敏,朱永胜,魏苗苗,
申请(专利权)人:中原工学院,
类型:发明
国别省市:河南;41
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。