一种基于SegNet改进的皮革缺陷分割网络算法制造技术

本发明专利技术涉及图像数据处理技术领域，根据SegNet网络进行改进以便适应具有随机纹理和缺陷丰富等特点的原料皮革，基于SegNet网络提出一种特征融合多解码皮革缺陷分割网络，通过融合皮革缺陷图像不同尺度的特征，得到缺陷的完整信息，再进行多次解码，最终分割出缺陷部位，并经过大量的训练，得到了效果较为理想的一种基于SegNet改进的皮革缺陷分割网络算法包括用于处理皮革图像的特征提取融合模块、缺陷复原模块；特征提取融合模块在SegNet的编码网络基础上增加了浅层特征与深层特征的融合，保留了皮革图像中更丰富的细节和更为详尽的上下文信息；缺陷复原模块则将SegNet解码网络的上采样过程扩大为四条上采样路径，并在最后进行融合且展开进行像素级分类。进行融合且展开进行像素级分类。进行融合且展开进行像素级分类。

【技术实现步骤摘要】
一种基于SegNet改进的皮革缺陷分割网络算法


[0001]本专利技术涉及图像数据处理
，特别涉及一种基于SegNet改进的皮革缺陷分割网络算法。

技术介绍

[0002]皮革是现如今人们生活中最重要的生活用品原料之一，例如皮衣、皮鞋、汽车里的真皮座椅等。据联合国工业发展组织的数据报告，中国纺织、服装、皮革、基本金属等产业增加值占世界的比重超过30%。截至2018 年我国规模以上制革企业年产量已占世界皮革总产量25%，居世界首位。在制皮过程中，大部分制革企业通过肉眼观察来划分皮革的等级。然而，人工检测会导致缺陷识别误差较大，皮革分级不准确。因此，快速且准确的计算皮革表面伤残率就成为了当前制革行业的主要问题。
[0003]现阶段的皮革缺陷检测算法研究多基于计算机视觉。基于视觉的皮革缺陷检测算法根据检测效果主要分为分类和分割两种，其中分割算法是将皮革图像中的缺陷部位按照其形状边缘分割出来，而分类算法则是将皮革缺陷部位通过方形线框等形式将缺陷识别出来。现有的皮革缺陷检测研究以分类算法居多，主要有主成分分析（PCA）、支持向量机（SVM）、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SegNet改进的皮革缺陷分割网络算法，其特征在于：包括用于处理皮革图像的特征提取融合模块、缺陷复原模块；特征提取融合模块在SegNet的编码网络基础上增加了浅层特征与深层特征的融合，保留了皮革图像中更丰富的细节和更为详尽的上下文信息；缺陷复原模块则将SegNet解码网络的上采样过程扩大为四条上采样路径，并在最后进行融合且展开进行像素级分类。2.根据权利要求1所述的一种基于SegNet改进的皮革缺陷分割网络算法，其特征在于：所述特征提取融合模块共有五层结构，即提取了五层特征，其中，第一层结构包含了两次特征提取和一个最大池化层，第二层结构、第三层结构、第四层结构、第五层结构均包含了三次特征提取和一个最大池化层；将第二层结构、第三层结构、第四层结构提取的特征进行16倍最大值池化、8倍最大值池化和4倍最大值池化操作使其尺寸和第五层特征相同，再通过通道方向上的叠加融合形成最终的特征图。3.根据权利要求2所述的一种基于SegNet改进的皮革缺陷分割网络算法，其特征在于：一次特征提取包含三个过程，分别为卷积层、批归一化层和激活层；特征提取中卷积层均采用3
×
3大小的卷积核在图像上滑动完成特征提取，此时获取的图像信息较大，且计算速度较快。4.根据权利要求1所述的一种基于SegNet改进的皮革缺陷分割网络算法，其特征在于：所述缺陷复原模块共有六层结构，...

【专利技术属性】
技术研发人员：黄惠玲，韩军，张忠良，王愉锦，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：