發(fā)布時(shí)間：2020-12-24 00:20

　　近年來,深度學(xué)習(xí)技術(shù)在語音識(shí)別、智能監(jiān)控、人臉識(shí)別等方面取得了巨大的成功,卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)最主要的算法之一也逐漸被廣泛應(yīng)用在工業(yè)圖像缺陷檢測中。卷積神經(jīng)網(wǎng)絡(luò)用于織物缺陷檢測主要有兩種方法:一種是只對(duì)缺陷進(jìn)行分類;另一種是既對(duì)缺陷類別進(jìn)行判定同時(shí)也定位出缺陷位置。本課題以白坯布、色織物、復(fù)雜條紋織物為研究對(duì)象,分析了卷積神經(jīng)網(wǎng)絡(luò)在織物缺陷智能分類和檢測上的應(yīng)用價(jià)值。針對(duì)深度學(xué)習(xí)在實(shí)際應(yīng)用場景中存在的樣本獲取困難和樣本量少的問題,分析了如何利用深度學(xué)習(xí)方法有效地分類和檢測織物缺陷。研究內(nèi)容主要包括以下幾個(gè)方面:（1）將遷移學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)模型相結(jié)合。首先加載已經(jīng)在百萬數(shù)據(jù)集上預(yù)訓(xùn)練好的模型AlexNet和GoogLeNet,再利用已構(gòu)建好的數(shù)據(jù)樣本對(duì)預(yù)訓(xùn)練模型的參數(shù)進(jìn)行微調(diào),該方法在縮短訓(xùn)練時(shí)間和降低實(shí)驗(yàn)硬件要求的基礎(chǔ)上極大地提高了訓(xùn)練的準(zhǔn)確率。因?yàn)椴煌木矸e神經(jīng)網(wǎng)絡(luò)卷積層數(shù)不盡相同,這代表著它們的感受野也不同,于是在遷移學(xué)習(xí)的基礎(chǔ)上將AlexNet與GoogLeNet提取的特征進(jìn)行融合,最后加入SVM分類器進(jìn)行缺陷分類。實(shí)驗(yàn)結(jié)果表明,采用特征融合加遷移學(xué)習(xí)的方法比單獨(dú)應(yīng)用Ale... 

【文章來源】：西安工程大學(xué)陜西省

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

EVS公司的TEX驗(yàn)布系統(tǒng)

第 1 章 緒論份額，但仍然存在一些問題：這些平臺(tái)不僅造價(jià)昂貴，而修工作較為繁瑣，導(dǎo)致大部分公司不太愿意購入。同時(shí)因技閉源，導(dǎo)致很難在平臺(tái)上做進(jìn)一步的開發(fā)。 FS220 自動(dòng)驗(yàn)布機(jī)是我國近期創(chuàng)新開發(fā)的自動(dòng)驗(yàn)布設(shè)備算機(jī)視覺和光電檢測技術(shù)為基礎(chǔ)，能精準(zhǔn)檢測布面上的各動(dòng)標(biāo)記。該公司設(shè)計(jì)的布面牽引系統(tǒng)，能確保布面平整、織企業(yè)提供了高智能化的布面修理系統(tǒng)，還可以與碼布機(jī)的工作效率和智能化管理水平。

工作效率和智能化管理水平。圖 1-2 陜西長嶺的 FS220 自動(dòng)驗(yàn)布機(jī)械有限公司推出的 AO-AI 紡織品智能檢驗(yàn)機(jī)，如圖對(duì)運(yùn)動(dòng)中的布匹進(jìn)行監(jiān)測，采集的數(shù)據(jù)由以太網(wǎng)傳輸理過程得到當(dāng)前布匹的門幅大小、經(jīng)密、緯密、緯斜別的布面缺陷等信息；最后的檢測結(jié)果可以通過人機(jī)圍系統(tǒng)將會(huì)自動(dòng)報(bào)警，檢測數(shù)據(jù)也將上傳并保存在數(shù)


本文編號(hào)：2934611