一种基于改进yolov5网络的织物瑕疵检测方法技术

本发明专利技术涉及一种基于改进yolov5网络的织物瑕疵检测方法，该方法中的模型基于单一通路的YOLOV5网络改进成双通路模型，其中一个通路为浅层分路，其主要用于纹理比较简单的图像瑕疵检测使用，可以大大减少网络的计算量，提高检测效率；另一个通路为深层分路，其主要用于纹理比较复杂的图像瑕疵检测使用，有助于提高检测精度。本发明专利技术所构建的改进模型还增加了小目标检测层，让原本的三层输出变为四层输出，可以提高小瑕疵的检测质量。本发明专利技术相比于现有技术中基于传统YOLOV5网络的检测方法，其检测效率及检测精度均具有显著优势，还能够对小尺寸织物瑕疵准确识别。

【技术实现步骤摘要】

本专利技术涉及计算机视觉检测，具体涉及一种基于改进yolov5网络的织物瑕疵检测方法。

技术介绍

1、纺织行业在现代国民经济发展中占有重要比重。提高纺织品质量检测水平对促进纺织工业转型升级,创造智能制造新优势具有重要意义。织物瑕疵检测是织物质量把控的重要环节,实现织物瑕疵的自动化检测已成为提高纺织品生产质量的关键之一。但目前织物瑕疵检测仍依赖于传统的人工检测,耗时费力且检测精度难于保证,严重影响了织物产品质量以及大规模生产的效率。因此,提高纺织设备的自动化、智能化水平已成为纺织工业发展的必然趋势。

2、近年来,基于yolov5网络的计算机视觉目标检测方法在图像识别领域得到广泛的应用,相比传统算法体现出了明显的性能优势。但现有技术中的yolov5网络检测方法中也有些许缺点，例如无法检测尺寸较小的瑕疵，对于复杂纹理下的瑕疵检测精确率较低等等。

技术实现思路

1、本专利技术公开一种基于改进yolov5网络的织物瑕疵检测方法，采用双通路模型将简单纹理图片和复杂纹理图片分不同通道进行处理，有助于提高检测效率本文档来自技高网...

【技术保护点】

1.一种基于改进yolov5网络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yolov5网络的织物瑕疵检测方法，其特征在于：所述步骤2中，预处理包括灰度化、滤波、除噪操作。

3.根据权利要求1所述的一种基于改进yolov5网络的织物瑕疵检测方法，其特征在于：所述步骤3中，对图像的分类是利用图片频率直方图原理，根据灰度图片各像素点的集中分布范围差异进行类别的划分。

4.根据权利要求3所述的一种基于改进yolov5网络的织物瑕疵检测方法，其特征在于：所述灰度图片中各像素点集中分布在100以上范围的判断为简单纹理图像，...

【技术特征摘要】

1.一种基于改进yolov5网络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yolov5网络的织物瑕疵检测方法，其特征在于：所述步骤2中，预处理包括灰度化、滤波、除噪操作。

3.根据权利要求1所述的一种基于改进yolov5网络的织物瑕疵检测方法，其特征在于：所述步骤3中，对图像的分类是利用图片频率直方图原理，根据灰度图片各像素点的集中分布范围差异进行类别的划分。

4.根据权利要求3所述的一种基于改进yolov5网络的织物瑕疵检测方法，其特征在于：所述灰度图片中各像素点集中分布在100以上范围的判断为简单纹理图像，反之则判断为复杂纹理图像。

5.根据...

【专利技术属性】
技术研发人员：向忠，尹邦雄，周光宝，刘丽娴，钱淼，郑泽宇，温苗苗，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：