一种基于改进Faster-RCNN的布料缺陷检测方法技术

本发明专利技术公开了一种基于改进Faster

【技术实现步骤摘要】
一种基于改进Faster
‑
RCNN的布料缺陷检测方法


[0001]本专利技术涉及目标检测
，特别涉及一种基于改进Faster
‑
RCNN的布料缺陷检测方法。

技术介绍

[0002]布料是日常生活中常见的物品之一，也是我国主要的工业产品。随着人民生活水平的提高和出口贸易的发展，布料的供应需求也在高速增长，但是需求量增长的同时，布料的质量也愈显重要。在生产布料的过程中会出现孔洞、污渍、划痕等缺陷，所以，我们需要把布料的表面缺陷正确识别，防止把有缺陷的布料交给客户。
[0003]目前，检测布料表面缺陷的主要方式，依旧是人眼目测判断，这样不仅检测效率比较低下，还容易造成漏检、误检的情况，浪费了人力物力资源提高了生产成本。随着近年来计算机计算能力的提高以及神经网络算法的优化，深度学习得到了快速发展。越来越多的工厂采用深度学习等智能的检测手段来取代人工检测，可以大大降低人力成本，提高检测效率。Faster
‑
RCNN算法是常见的目标检测算法，但是其对小目标的检测能力不够好。
专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进Faster
‑
RCNN的布料缺陷检测方法，其特征在于，包括：收集布料缺陷图片，并对缺陷图片进行处理，得到数据集，并将数据集划分为训练集和验证集；构建Faster
‑
RCNN的主干网络，所述主干网络以注意残差模块进行搭建，利用FPN网络进行多尺度特征融合，得到大小不同的预测特征层；构建RPN网络，用于对大小不同的预测特征层生成Anchor并回归，得到候选框；将候选框投影到大小不同的预测特征层得到特征图，并将特征图缩放到同一尺寸；将得到的同一尺寸特征图，利用全连接层得到分类结果。2.根据权利要求1所述的布料缺陷检测方法，其特征在于，所述收集布料缺陷图片，并对缺陷图片进行处理，得到数据集，并将数据集划分为训练集和验证集，具体为：拍摄获得布料的缺陷图片；将获取的缺陷图片利用labelImg标注工具进行标注；通过对缺陷图片进行数据增强
‑
随机水平翻转，扩充数据集；将数据集内的照片进行标准化处理；将标准化处理后的数据分为训练集和验证集。3.根据权利要求1所述的布料缺陷检测方法，其特征在于，所述主干网络以注意残差模型进行搭建，具体为：所述主干网络是以Resnet50网络结构为主体，包括卷积层、最大池化层、和残差子模块，将注意力机制模块Senet嵌入到各个残差模块中。4.根据权利要求3所述的布料缺陷检测方法，其特征在于，所述残差子模块包括主分支和捷径分支，主分支依次包括第一个1
×
1卷积，3
×
3卷积及第三个1
×
1卷积，在每个卷积层加入批归一化层和非线性激活函数，捷径分支直接经过1
×
1卷积和批归一化层，3个残差子模块构成残差模块layer1，4个残差子模块构成残差模块layer2，6个残差子模块构成残差模块layer3，3个残差子模块构成残差模块layer4。5.根据权利要求4所述的布料缺陷检测方法，其特征...

【专利技术属性】
技术研发人员：杜娟，陈建，潘华杰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：