【技术实现步骤摘要】
本专利技术属于图像分类，具体涉及一种基于深度学习的图像织物疵点图像分类方法。
技术介绍
1、随着各种新型织物模型和各类吸引人的图案被加入到纺织品中，纺织工业正面临着重大的质量考验，而纺织品的疵点检测正是推动纺织工业的高质量发展的重要一环。考虑到一个有缺陷的织物如果有疵点，它的销售价格会下降45-65％，因此纺织品疵点检测是重多纺织制造企业提升产品质量和增加经济效益的重要环节。纺织行业定义的织物疵点多达70余类。但是，世界大多数纺织制造企业中，质量检验过程仍然主要依靠人的视觉来完成。由于人眼疲劳、视觉扫描速度慢等人的生理和心理限制，人工检测效率低，即使是训练有素的工人成功率也仅仅只有60-75％。随着纺织产业的高质量发展要求不断提高，自动化的纺织品疵点检测技术必不可少。
2、近十几年来，随着深度学习的迅速普及，其在图像检测、对象识别等多个领域广泛应用。这也为纺织品疵点分类研究提供了新的思路。不少学者提出使用深度学习的方法来实现织物疵点的自动检测。castilho等人结合了神经网络(nn)、基于产品空间模糊聚类的模糊建模(fm)...
【技术保护点】
1.一种基于深度学习的图像织物疵点分类方法，其特征在于，该方法包括下列步骤：
2.如权利要求1所述的一种基于深度学习的图像织物疵点图像分类方法，其特征在于，所述图像织物疵点分类模型的训练过程包括以下步骤：
3.如权利要求1所述的一种基于深度学习的图像织物疵点图像分类方法，其特征在于，所述步骤1中，通过旋转，高斯噪声，对比度增强，图像翻转，亮度增强来对数据集进行数据增强，并安装8：2的比例划分为训练集和测试集。
4.如权利要求1所述的一种基于深度学习的图像织物疵点图像分类方法，其特征在于，步骤2中，所述ResNet50的学习率为1*1...
【技术特征摘要】
1.一种基于深度学习的图像织物疵点分类方法，其特征在于，该方法包括下列步骤：
2.如权利要求1所述的一种基于深度学习的图像织物疵点图像分类方法，其特征在于，所述图像织物疵点分类模型的训练过程包括以下步骤：
3.如权利要求1所述的一种基于深度学习的图像织物疵点图像分类方法，其特征在于，所述步骤1中，通过旋转，高斯噪声，对比度增强，图像翻转，亮度增强来对数据集进行数据增强，并安装...
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。