【技术实现步骤摘要】
本专利技术属于织物疵点分类，具体涉及一种基于rime优化算法优化rvfl的织物疵点分类方法。
技术介绍
1、消费者对服装的需求现在越来越高，纺织行业的竞争也日趋剧烈，导致现在纺织业的生产效率较以前大幅提高。由于多种因素的影响，纺织产品表面难免会出现污渍、破洞等缺陷。疵点检测和分类对于保证服装质量尤为重要。以前传统的检测和分类主要是人工识别。但由于人的心理因素和主观因素等因素会对检测产生影响，而且还会因为疲劳等原因产生误检、漏检，所以检测效率和成功率往往较低。并且由于产量也大幅增加，检测的人工成本也大幅增加。为了提高产品竞争力，不应该继续使用传统方法来进行检测了，需要使用自动化的识别方式来检测。有效的织物疵点分类方法可以很大地提高检测效率，进而提高生产效率、提升产品质量。
2、由于织物疵点因为材质、形状不同等因素，无法直接建立精确的疵点分类模型。目前国内外有多种检测方案，广义上可分为基于传统的机器学习方法和基于神经网络学习的分类方法。深度学习可以有效处理大规模数据，从而提高生产效率。国外在该领域研究比较成熟，也大量商业化，比如...
【技术保护点】
1.一种基于RIME优化算法优化RVFL的织物疵点分类方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于RIME优化算法优化RVFL的织物疵点分类方法，其特征在于，所述步骤1中，所述织物疵点分类数据集为TILDA数据集。
3.如权利要求1所述的一种基于RIME优化算法优化RVFL的织物疵点分类方法，其特征在于，所述步骤3：将步骤1得到的所述训练集经由EfficientNetB0提取图像特征，并进行PCA主成分分析降维，最后保存特征以进行后续模型训练；具体包括以下步骤：
4.如权利要求3所述的一种基于RIME优化算法优化...
【技术特征摘要】
1.一种基于rime优化算法优化rvfl的织物疵点分类方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于rime优化算法优化rvfl的织物疵点分类方法，其特征在于，所述步骤1中，所述织物疵点分类数据集为tilda数据集。
3.如权利要求1所述的一种基于rime优化算法优化rvfl的织物疵点分类方法，其特征在于，所述步骤3：将步骤1得到的所述训练集经由efficientnetb0提取图像特征，并进行pca主成分分析降维，最后保存特征以进行后续模型训练；具体包括以下步骤：
4.如权利要求3所述的...
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。