【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种基于改进yolov7模型的织物瑕疵检测方法。
技术介绍
1、纺织行业在我国国民经济体系中一直占据重要地位，随着经济的快速发展和人民生活水平的提高，消费市场对织物产品提出了新的质量要求。常见的织物瑕疵检测方法主要有两种方式：第一种为纯人工检测方式，即由检测人员站在验布设备前通过肉眼检测的方式发现织物疵点并对疵点进行标记或记录。除员工培训成本高外，在检测过程中仍存在漏检率高、速度慢、数据库不足等情况，且连续工作下人工易产生疲劳。第二种为单机质量检测模式，主要是通过机器视觉和计算机程序分析来检测织物疵点并实现分类。这种方式一般将程序固化到终端设备中，针对织物种类单一，自学习能力不足，且后期需要分别对每一终端设备进行维护，系统集成难度大，运营成本高昂。因此，设计一种高效的织物图像瑕疵检测方法是非常有必要。
2、深度学习神经网络具有识别种类多，准确率高等优点。在同样的识别场景下，使用深度学习神经网络进行目标识别可以有效抵抗颜色、纹理、光照等干扰条件，但其计算量极大，对硬件的要求非常高，限制了深度学习...
【技术保护点】
1.一种基于改进YOLOv7模型的织物瑕疵检测方法，其特征在于，包括如下内容：
2.根据权利要求1所述的一种基于改进YOLOv7模型的织物瑕疵检测方法，其特征在于：所述步骤1中的织物瑕疵图像数据集的构建方法如下：
3.根据权利要求1所述的一种基于改进YOLOv7模型的织物瑕疵检测方法，其特征在于：所述步骤5中获得K个先验框的方法如下：
4.根据权利要求1所述的一种基于改进YOLOv7模型的织物瑕疵检测方法，其特征在于：所述步骤1中，RGB色彩空间转换为YCrCb色彩空间方法如下：
5.根据权利要求1所述的一种基于改进YO...
【技术特征摘要】
1.一种基于改进yolov7模型的织物瑕疵检测方法，其特征在于，包括如下内容：
2.根据权利要求1所述的一种基于改进yolov7模型的织物瑕疵检测方法，其特征在于：所述步骤1中的织物瑕疵图像数据集的构建方法如下：
3.根据权利要求1所述的一种基于改进yolov7模型的织物瑕疵检测方法，其特征在于：所述步骤5中获得k个先验框的方法如下：
4.根据权利要求1所述的一种基于改进yolov7模型的织物瑕疵检测方法，其特征在于：所述步骤1中，rgb色彩空间转换为ycrcb色彩空间方法如下：
5.根据权利要求1所述的一种基于改进yolov7模型的织物瑕疵检测方法，其特征在于：所述步骤4中，eca注意力机制首先通过全局平均池化操作计算每个通道的平均值，然后，对每个通道的平均值进行一维卷积计算该通道的注意力系数；最后，将注意力系数乘以原始输入数据，并将结果重组为与原始输入相同的形状，以获得加权的输入数据；
6.根据权利要求1所述的一种基于改进yolov7模型的织物瑕疵检测方法，其特征在于：所述步骤7中，将每组训练得到的训练预测特征图划分为h×w个网...
【专利技术属性】
技术研发人员：郑泽宇，温苗苗，向忠，贾建辉，周光宝，刘丽娴，钱淼，
申请(专利权)人：杭州知衣科技有限公司，
类型：发明
国别省市：
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。