【技术实现步骤摘要】
本专利技术涉及图像检测，具体涉及基于改进centernet网络的织物瑕疵检测方法。
技术介绍
1、织物疵点发生在纺织品生产过程中，显著影响最终产品的视觉和机械性能，织物疵点检测在织物检验和质量控制中起着至关重要的作用。然而，由于视觉疲劳、工作状态等主观因素的影响，基于人眼视觉和人工操作的方法是不可行的。因此，在过去的几十年里，人们发展了许多基于计算机检测的织物疵点检测方法。
2、centernet是一种anchor-free的目标检测网络，在速度和精度上都比较有优势，该模型的算法复杂度也比其他卷积神经网络模型低很多，只需要回归特征图的坐标、尺寸和偏差等信息即可，相比于现有技术中基于锚框的检测方法效率也更高，比较适合用于具有复杂纹理背景的织物疵点检测中应用。为了提高网络对复杂纹理信息的敏感度，引入gabor滤波器来改进centernet网络，可以提升织物疵点的检测效率和准确性。在利用遗传算法来优化gabor滤波器提取的参数时，现有技术中大多采用图像熵、滤波图像与无缺陷图像之间的灰度差等经验指标作为适应度函数，这种凭经验设计的适...
【技术保护点】
1.基于改进CenterNet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所述的基于改进CenterNet网络的织物瑕疵检测方法，其特征在于：所述步骤1中，构建具有优化核函数的二维Gabor滤波器，二维Gabor滤波器是正弦平面波和高斯核的乘积，高斯核在空间域内分为实部和虚部，二维Gabor滤波器在复数域的表示如下：
3.根据权利要求1所述的基于改进CenterNet网络的织物瑕疵检测方法，其特征在于：所述步骤2中，改进CenterNet模型的主干网络由Gabor第一卷积层和ResNet50网络构成，上采样网络由三个反...
【技术特征摘要】
1.基于改进centernet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所述的基于改进centernet网络的织物瑕疵检测方法，其特征在于：所述步骤1中，构建具有优化核函数的二维gabor滤波器，二维gabor滤波器是正弦平面波和高斯核的乘积，高斯核在空间域内分为实部和虚部，二维gabor滤波器在复数域的表示如下：
3.根据权利要求1所述的基于改进centernet网络的织物瑕疵检测方法，其特征在于：所述步骤2中，改进centernet模型的主干网络由gabor第一卷积层和resnet50网络构成，上采样网络由三个反卷积组所组成，每个组都包括一个3*3的卷积层和一个反卷积层；对输入主干网络的织物图像数据进行特征学习并输出特征图，...
【专利技术属性】
技术研发人员：向忠，任科成，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：
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。