【技术实现步骤摘要】
一种基于卷积神经网络的面料疵点检测方法
本专利技术涉及一种基于卷积神经网络的面料疵点检测方法，属于面料疵点检测领域。
技术介绍
面料疵点的检测是面料生产中非常重要的一环，在生产中面料疵点产生后，如果不能及时进行处理，会导致大量废布的产生，造成经济损失。现如今面料疵点的检测方法主要有两种：第一种基于传机器视觉的检测方法，主要包括基于频域、基于统计和基于学习的检测方法，基于频域、基于统计的方法一定程度上解放了人力，但其抗干扰能力和识别分类能力较弱；第二类是基于深度学习的检测方法，但并没有考虑光照变化对于检测效果的影响。赵志勇在《基于深度学习的布匹缺陷识别与检测研究》中提出了一种改进的FasterR-CNN检测算法，通过分类器获得图像对应的类别，在采用对应FasterR-CNN模型进行检测以获得疵点的种类与位置。但由于FasterR-CNN的两阶段检测模式，其检测速度相对较慢且并没有考虑光照的影响。
技术实现思路
本专利技术要解决的技术问题是目前面料疵点检测方法速度相对较慢且没有考虑光照影响的问题。
【技术保护点】
1.一种基于卷积神经网络的面料疵点检测方法，其特征在于，包括以下步骤：/n步骤1、设计针对面料疵点检测的卷积神经网络结构，所述的网络结构由两部分组成，包括面料疵点特征提取网络和面料疵点定位网络端对端的结构特点提高了模型的检测速度；/n步骤2、设计损失函数用于神经网络的训练，损失函数由四部分组成，分别是含有疵点的置信度的损失值，疵点坐标位置的损失值，疵点边界框尺寸的损失值以及疵点类别的损失值；/n步骤3、确定需要检测的面料种类，其疵点种类和尺寸具有多样性；/n步骤4、构建待检测面料的疵点数据集，并按照7:3的比例划分训练集和测试集；/n步骤5、通过聚类算法获得8个面料疵点边界...
【技术特征摘要】
1.一种基于卷积神经网络的面料疵点检测方法，其特征在于，包括以下步骤：
步骤1、设计针对面料疵点检测的卷积神经网络结构，所述的网络结构由两部分组成，包括面料疵点特征提取网络和面料疵点定位网络端对端的结构特点提高了模型的检测速度；
步骤2、设计损失函数用于神经网络的训练，损失函数由四部分组成，分别是含有疵点的置信度的损失值，疵点坐标位置的损失值，疵点边界框尺寸的损失值以及疵点类别的损失值；
步骤3、确定需要检测的面料种类，其疵点种类和尺寸具有多样性；
步骤4、构建待检测面料的疵点数据集，并按照7:3的比例划分训练集和测试集；
步骤5、通过聚类算法获得8个面料疵点边界框的候选尺...
【专利技术属性】
技术研发人员：陈广锋，唐云卿，王军舟，周敏飞，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海;31
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。