【技术实现步骤摘要】
基于改进的MobileNet
‑
V2的锦纶丝饼表面缺陷检测方法
[0001]本专利技术属于计算机视觉和深度学习领域，具体涉及基于改进的MobileNet
‑
V2的锦纶丝饼表面缺陷检测方法。
技术介绍
[0002]2018年深度可分离卷积的概念被应用到卷积神经网络上，许多轻量化网络模型如MobileNet模型、ShuffleNet模型陆续诞生，轻量化网络模型识别的精度和准确率虽然略低于传统的卷积神经网络模型，但整体的网络参数量减少了数十倍，训练时长和识别时长也大大缩短。
[0003]丝饼作为化学纤维的重要储存形式，主要由纸筒和化学纤维细丝组成，化学纤维细丝经过有规律的卷绕成为饼状物，以便后续的包装运送及应用。化学纤维细丝在卷绕过程中的速度较快，且受到的张力不完全均匀，加上其它生产环境及人工误操作等原因，所以丝饼在制造过程中难免会产生一些瑕疵品，其中出现频率较高的表面缺陷种类为拌丝、油污和成型不良。这些瑕疵品的存在影响着产品的质量以及后续的加工制造，因此对丝饼进行表面缺陷检测极为重要。...
【技术保护点】
【技术特征摘要】
1.基于改进的Mobi leNet
‑
V2的锦纶丝饼表面缺陷检测方法，其特征在于，检测方法如下：首先采集丝饼正常和缺陷的样本图制成数据集，所述数据集包括训练集和测试集和验证集；然后对数据集进行数据增强和图像预处理；在Mobi leNet
‑
V2卷积神经网络的基础上进行改进，采用全局最大池化的方法代替Mobi leNet
‑
V2的全局平均池化、采用Leaky Relu代替Mobi leNet
‑
V2的Relu6作为激活函数、并适当的减少模型的参数量；对丝饼数据集的训练集进行训练，训练完成后对测试集进行表面缺陷检测。2.根据权利要求1所述的基于改进的Mobi leNet
‑
V2的锦纶丝饼表面缺陷检测方法，其特征在于，所述对数据集进行数据增强的方法包括平移、旋转、缩放、裁剪。3.根据权利要求1所述的基于改进的Mobi leNet
‑
V2的锦纶丝饼表面缺陷检测方法，其特征在于，所述对数据集进行图像预处理的方法为：在预处理中丝饼表面的图像进行ROI提取与滤波处理。4.根据权利要求3所述的基于改进的Mobi leNet
‑
V2的锦纶丝饼表面缺陷检测方法，其特征在于，经过ROI提取后，采用高斯滤波的方法对图像进行降噪。5.根据权利要求1所述的基...
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。