隨著紡織行業(yè)貿(mào)易競爭的日益激烈,嚴格把控紡織品的產(chǎn)品質(zhì)量并降低檢測成本成為重點研究方向。國內(nèi)目前主要依靠人工完成坯布缺陷的檢測,該方法準確率低、成本高,因此自動化檢測成為替代人工檢測的重要途徑。本文利用卷積神經(jīng)網(wǎng)絡對坯布表面缺陷的檢測與分類算法進行了研究。分別采用改進的AlexNet網(wǎng)絡、改進的VGG16網(wǎng)絡以及基于遷移學習的方法完成對坯布缺陷的分類;使用基于Faster RCNN與殘差網(wǎng)絡相結(jié)合的方法和基于SSD的方法完成對坯布缺陷的檢測。具體研究內(nèi)容如下:（1）研究了坯布缺陷的分類問題,對AlexNet網(wǎng)絡及VGG16網(wǎng)絡進行了改進。在改進的AlexNet網(wǎng)絡中,使用批歸一化層替換局部歸一化層,通過實驗驗證了改進的有效性;在改進的VGG16網(wǎng)絡中,在池化層和卷積層間添加批歸一化層,當使用隨機梯度下降法時,分類準確率為98.26%。（2）采用基于遷移學習的坯布缺陷分類算法。運用基于模型的遷移學習,將預訓練得到的Inception V3的結(jié)構和參數(shù)進行遷移,再通過訓練坯布缺陷數(shù)據(jù)集微調(diào)網(wǎng)絡參數(shù)。實驗證明,該方法能大量減少訓練時長且對硬件設備要求不高。（3）使用Faster RCNN與殘... 

【文章來源】：西安工程大學陜西省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

人工檢測與自動檢測

35(d) 折皺圖 4-11 Faster RCNN+ResNet101 模型的部分檢測結(jié)果4.4 本章小結(jié)本章主要采用了 Faster RCNN 分別與不同特征提取網(wǎng)絡相結(jié)合的方法進行坯布表面缺陷檢測。首先講述了 Faster RCNN 模型的原理，將其模型分為了 RPN 網(wǎng)絡和FastRCNN 檢測網(wǎng)絡兩部分，闡述了可用于提取特征的殘差網(wǎng)絡。然后根據(jù)模型特性處理數(shù)據(jù)集，在實驗平臺下進行多次迭代訓練。最后分析對比實驗結(jié)果，并對模型參數(shù)調(diào)優(yōu)。通過實驗對比，得出 FasterRCNN+ResNet101 模型的效果要優(yōu)于經(jīng)典的 FasterRCNN+VGG16，其準確率經(jīng)過多次合理的參數(shù)優(yōu)化后可達 99.6%。Faster RCNN 與ResNet101 相結(jié)合的方法在實際中較適用于靜態(tài)或?qū)z測速率要求不高的環(huán)境。

【參考文獻】：
期刊論文
[1]Faster RCNN模型在坯布疵點檢測中的應用[J]. 晏琳,景軍鋒,李鵬飛.  棉紡織技術. 2019(02)
[2]染整坯布的分類、特點與選用[J]. 顧永星.  國際紡織導報. 2017(11)
[3]LBPV算法在織物瑕疵檢測中的應用[J]. 項明,姚雪存,江有福.  絲綢. 2014(02)
[4]基于機器視覺和圖像處理的織物疵點檢測研究新進展[J]. 李文羽,程隆棣.  紡織學報. 2014(03)
[5]基于GMRF模型的統(tǒng)計特征畸變織物疵點識別[J]. 楊曉波.  紡織學報. 2013(04)
[6]基于AR模型的機織物線狀疵點研究[J]. 朱俊嶺,汪軍,張孝南,李立輕,陳霞,龐明軍.  紡織學報. 2012(08)
[7]基于互相關的印花織物疵點檢測[J]. 潘如如,高衛(wèi)東,錢欣欣,張曉婷.  紡織學報. 2010(12)

博士論文
[1]基于機器視覺的布匹疵點檢測系統(tǒng)研究[D]. 畢明德.華中科技大學 2012

碩士論文
[1]基于小波和極速學習機的織物疵點檢測和分類[D]. 馬強.東華大學 2016
[2]布匹疵點在線檢測的算法研究[D]. 鄒超.華中科技大學 2006



本文編號：3137172