【技术实现步骤摘要】
本专利技术属于氨纶包覆纱缺陷检测，具体涉及基于双通道特征学习的氨纶包覆纱缺陷检测方法。
技术介绍
1、目前，印发了《智能检测装备产业发展行动计划（2023—2025年）》，在专栏3供给能力提升重点方向中提出：针对加工对象柔性大幅面、易变形、三维立体，加工过程高速动态、瑕疵种类多等带来的检测需求，实现纺丝、纺纱、织造、非织造等关键环节的智能检测等。在这一背景下，纱线作为纺织品的基础原材料，其质量直接关系到终端产品的性能和市场竞争力。纱线表面的缺陷不仅影响织物的外观，还可能对产品的物理性能产生不良影响。研究并应用智能检测技术对纱线缺陷进行精准识别和分类，不仅有助于提高生产环节的质量管理水平，也能进一步助力纺织行业的数字化转型。
2、随着高性能纤维和高技术产品的快速发展，纱线的均匀性、强力、耐磨性以及缺陷控制能力成为影响纺织品质量的关键因素。其中，氨纶包覆纱作为现代弹性纺织品的关键材料，在运动服饰、医疗护具和智能可穿戴设备等领域发挥着不可替代的作用，传统的氨纶包覆纱缺陷检测方法，检测精度低，检测效率低，检测准确性不够。近年来，机器...
【技术保护点】
1.基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，步骤1中所述氨纶包覆纱缺陷图像数据集包括不同规格、不同背景及不同噪声条件下的黑色氨纶包覆纱缺陷图像与白色氨纶包覆纱缺陷图像；
3.根据权利要求2所述的基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，步骤3中所述双层卷积模块通过引入双层解码器结构和条件卷积，使得模型能够通过卷积操作计算图像的变换矩阵，确保纱线结构在不同特征空间位置中仍能保持一致，通过条件卷积提取纱线缺陷区域的特征，精确...
【技术特征摘要】
1.基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，步骤1中所述氨纶包覆纱缺陷图像数据集包括不同规格、不同背景及不同噪声条件下的黑色氨纶包覆纱缺陷图像与白色氨纶包覆纱缺陷图像；
3.根据权利要求2所述的基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，步骤3中所述双层卷积模块通过引入双层解码器结构和条件卷积，使得模型能够通过卷积操作计算图像的变换矩阵，确保纱线结构在不同特征空间位置中仍能保持一致，通过条件卷积提取纱线缺陷区域的特征，精确识别纱线中的缺陷，减少背景干扰。
4.根据权利要求3所述的基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，所述双层卷积模块的第一层卷积负责基础特征提取，该层使用3×3的小尺寸卷积核提取局部特征，以保留细节信息，如式（1）所示：
5.根据权利要求4所述的基于双通道特征学习的氨纶包覆纱缺陷检测方法，其特征在于，所述双通道特征对齐模块通过双通道特征网络，分别从原始图像和初步分割的掩码中提取特征信息，原始图像用于保留纱线的整体纹理结构，掩码分割结果则用于关注缺陷区域的位置和形状，在此基础上，结合动态掩码引导机制和缺陷类别信息，进一步突出...
【专利技术属性】
技术研发人员：张缓缓，王月莹，葛矅光，苏泽斌，景军锋，姜萌，
申请(专利权)人：西安工程大学，
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。