基于卷积神经网络的布匹缺陷检测方法技术

本发明专利技术公开了一种基于卷积神经网络的布匹缺陷检测方法，包括如下步骤：步骤S1，训练形成一用于分类检测布匹缺陷的布匹缺陷分类检测模型；步骤S2，基于所述布匹缺陷分类检测模型，多层提取待检测的布匹图像的图像特征；步骤S3，基于所述布匹缺陷分类检测模型对所述步骤S2提取到的各特征图进行前背景分类；步骤S4，将所述步骤S3分类得到的关联于各所述特征图的前景图像进行图像融合，得到经图像融合后的关联于所述布匹图像的融合特征图；步骤S5，基于所述布匹缺陷分类检测模型，对所述融合特征图进行分类检测，得到所述布匹图像上存在的布匹缺陷对应的缺陷种类，并输出缺陷种类检测结果，本发明专利技术提高了布匹缺陷检测准确率和检测效率。

Fabric defect detection method based on convolution neural network

【技术实现步骤摘要】
基于卷积神经网络的布匹缺陷检测方法
本专利技术涉及布匹缺陷检测
，具体涉及一种基于卷积神经网络的布匹缺陷检测方法。
技术介绍
在布匹缺陷检测领域中，由于布匹上通常具有多种纹路，所以对于布匹缺陷的检测较为困难。近些年，随着计算机视觉识别技术的发展，出现了一些利用计算机视觉识别技术识别布匹缺陷的方法，但也因为布匹纹路过于繁杂，而且布匹颜色丰富，各种颜色特别是较深的颜色对于布匹缺陷检测造成了障碍，导致布匹缺陷检测的识别率和准确率较低。目前，还存在基于深度学习的布匹缺陷检测方法，但现有的基于深度学习的布匹缺陷检测方法同样由于布匹纹理过于复杂，无法很好地实现布匹图像的缺陷部分与非缺陷部分的图像分类，很难对缺陷位置进行识别定位，而且在大面积检测布匹缺陷时检测时间过长，检测准确率较低。
技术实现思路
本专利技术的目的在于提供一种基于卷积神经网络的布匹缺陷检测方法，以解决上述技术问题。为达此目的，本专利技术采用以下技术方案：提供一种基于卷积神经网络的布匹缺陷检测方法，用于对布匹上存在的缺陷进行分类检测，包括如下本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的布匹缺陷检测方法，用于对布匹上存在的缺陷进行分类检测，其特征在于，包括如下步骤：/n步骤S1，以布匹样本数据集为训练样本作为一训练网络的输入，训练形成一用于分类检测布匹缺陷的布匹缺陷分类检测模型；/n步骤S2，基于所述布匹缺陷分类检测模型，多层提取待检测的布匹图像的图像特征，得到所述布匹图像对应的多张特征图；/n步骤S3，基于所述布匹缺陷分类检测模型对所述步骤S2提取到的各所述特征图进行前背景分类；/n步骤S4，将所述步骤S3分类得到的关联于各所述特征图的前景图像进行图像融合，得到经图像融合后的关联于所述布匹图像的融合特征图；/n步骤S5，基于所述布匹缺陷分类检测模型...

【技术特征摘要】
1.一种基于卷积神经网络的布匹缺陷检测方法，用于对布匹上存在的缺陷进行分类检测，其特征在于，包括如下步骤：
步骤S1，以布匹样本数据集为训练样本作为一训练网络的输入，训练形成一用于分类检测布匹缺陷的布匹缺陷分类检测模型；
步骤S2，基于所述布匹缺陷分类检测模型，多层提取待检测的布匹图像的图像特征，得到所述布匹图像对应的多张特征图；
步骤S3，基于所述布匹缺陷分类检测模型对所述步骤S2提取到的各所述特征图进行前背景分类；
步骤S4，将所述步骤S3分类得到的关联于各所述特征图的前景图像进行图像融合，得到经图像融合后的关联于所述布匹图像的融合特征图；
步骤S5，基于所述布匹缺陷分类检测模型，对所述融合特征图进行分类检测，得到所述布匹图像上存在的布匹缺陷对应的缺陷种类，并输出缺陷种类检测结果。


2.如权利要求1所述的布匹缺陷检测方法，其特征在于，所述步骤S1中，所述训练网络为ResNet50卷积神经网络结构。


3.如权利要求1所述的布匹缺陷检测方法，其特征在于，所述步骤S2中，所述布匹缺陷分类检测模型基于RPN网络架构提取所述布匹图像的图像特征。<...

【专利技术属性】
技术研发人员：艾国，赫工博，杨敏，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11