基于深度學習的布匹缺陷識別與檢測研究
發(fā)布時間：2021-05-16 01:19
隨著紡織工業(yè)的快速發(fā)展,布匹的產量變得越來越大,給布匹缺陷檢測帶來了更大挑戰(zhàn),傳統(tǒng)的人工驗布技術已經越來越難以滿足工業(yè)生產需求。計算技術尤其是人工智能技術的發(fā)展,為布匹缺陷檢測提供了新的更可靠的技術支持。針對布匹缺陷種類多樣、尺度多樣和背景干擾嚴重等問題,本文提出基于深度學習的布匹缺陷識別和檢測方法。針對布匹缺陷識別問題,本文提出了基于改進Inception-ResNet-v2網絡的布匹分類算法。根據實際應用需求,本文將布匹缺陷識別分為兩個任務進行:正常布匹、缺陷布匹的二分類識別和正常布匹、7種缺陷布匹的多分類識別。為了提取布匹中更豐富的特征,進一步增加了網絡的層數,并對網絡中卷積核的尺寸進行改進。最終改進后的算法在布匹二分類識別中獲得94%以上的準確率,并在多分類識別中實現top-1準確率達86%以上。同時,通過對比算法改進前后的效果,得出改進后的算法能將布匹缺陷識別準確率提升近20%,成功驗證了改進算法的有效性。針對布匹缺陷檢測問題,本文提出基于改進Faster-RCNN網絡的布匹缺陷檢測算法。主要改進點為:設計了多尺度特征圖譜提取網絡;針對不同種類的布匹缺陷,基于k-means算...
【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：88 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
1 緒論
1.1 研究背景以及意義
1.2 國內外研究現狀
1.3 本文主要研究內容
1.4 論文組織結構
2 布匹缺陷圖像識別與檢測原理
2.1 引言
2.2 布匹數據集的獲取
2.3 缺陷布匹表面狀態(tài)及其成因分析
2.4 布匹缺陷識別與檢測中難點分析
2.5 基于深度學習的圖像識別原理
2.6 基于深度學習的目標檢測原理
2.7 本章小結
3 基于改進Inception-ResNet-v2 算法的布匹缺陷圖像識別
3.1 引言
3.2 Inception-ResNet-v2 算法及其改進
3.3 數據集增強
3.4 基于改進算法布匹缺陷識別
3.5 布匹缺陷識別可靠性分析
3.6 本章小結
4 基于改進Faster-RCNN算法的布匹缺陷檢測
4.1 引言
4.2 Faster-RCNN算法改進
4.3 基于前置多分類器的Faster-RCNN布匹缺陷檢測
4.4 布匹缺陷檢測結果分析
4.5 本章小結
5 總結與展望
5.1 總結
5.2 展望
致謝
參考文獻
附錄1 攻讀碩士學位期間發(fā)表的論文
【參考文獻】：
期刊論文
[1]基于改進局部自適應對比法的織物疵點檢測[J]. 杜帥,李岳陽,王孟濤,羅海馳,蔣高明. 紡織學報. 2019(02)
[2]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)
[3]基于CUDA計算GLCM特征值和SVM的織布疵點檢測[J]. 萬東,孫志剛,肖力. 計算機與數字工程. 2018(04)
[4]基于梯度方向直方圖的本色布疵點檢測算法[J]. 劉海軍,單維鋒,袁靜,李忠. 毛紡科技. 2018(01)
[5]紋理織物疵點窗口跳步形態(tài)學法檢測[J]. 何峰,周亞同,趙翔宇,劉猛,張忠偉. 紡織學報. 2017(10)
[6]BP神經網絡算法改進[J]. 黃尚晴,趙志勇,孫立波. 科技創(chuàng)新導報. 2017(20)
[7]織物疵點自動檢測方法研究進展[J]. 張玉繼,雷威,李文博. 紡織科技進展. 2017(05)
[8]一種改進的印刷絲網布疵點快速檢測算法[J]. 王延年,楊萬里. 國外電子測量技術. 2017(01)
[9]應用最優(yōu)Gabor濾波器的經編織物疵點檢測[J]. 尉苗苗,李岳陽,蔣高明,叢洪蓮. 紡織學報. 2016(11)
[10]基于數字形態(tài)學濾波與SVM技術的簾子布疵點檢測[J]. 溫盛軍,常保磊,蔣成龍,張五一. 中原工學院學報. 2016(04)
碩士論文
[1]基于深度學習的表面缺陷檢測方法研究[D]. 張浩.蘇州大學 2018
[2]基于機器視覺的織造疵點自動驗布機研制[D]. 姚登輝.武漢紡織大學 2016
[3]基于小波分析與SVM的織物疵點識別分類算法的研究[D]. 吳哲.華僑大學 2016
[4]基于機器視覺的坯布疵點檢測方法研究[D]. 魏娟.天津工業(yè)大學 2016
[5]布匹瑕疵實時視覺檢測技術的研究與開發(fā)[D]. 何薇.江南大學 2015
[6]基于機器視覺的無紡布疵點在線檢測系統(tǒng)研究[D]. 劉海平.華中科技大學 2015
[7]基于統(tǒng)計特征的紡織品缺陷檢測方法研究[D]. 李小寧.合肥工業(yè)大學 2015
[8]基于AR模型的機織物線狀疵點的檢測研究[D]. 朱俊嶺.東華大學 2012
[9]基于紋理梯度的紡織品缺陷檢測方法研究[D]. 沈晶.合肥工業(yè)大學 2009
[10]織物疵點檢測方法及其基于DM642圖像處理系統(tǒng)的軟件設計[D]. 張靈敏.北京服裝學院 2008
本文編號：3188686
【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：88 頁
【學位級別】：碩士
【文章目錄】：
摘要
Abstract
1 緒論
1.1 研究背景以及意義
1.2 國內外研究現狀
1.3 本文主要研究內容
1.4 論文組織結構
2 布匹缺陷圖像識別與檢測原理
2.1 引言
2.2 布匹數據集的獲取
2.3 缺陷布匹表面狀態(tài)及其成因分析
2.4 布匹缺陷識別與檢測中難點分析
2.5 基于深度學習的圖像識別原理
2.6 基于深度學習的目標檢測原理
2.7 本章小結
3 基于改進Inception-ResNet-v2 算法的布匹缺陷圖像識別
3.1 引言
3.2 Inception-ResNet-v2 算法及其改進
3.3 數據集增強
3.4 基于改進算法布匹缺陷識別
3.5 布匹缺陷識別可靠性分析
3.6 本章小結
4 基于改進Faster-RCNN算法的布匹缺陷檢測
4.1 引言
4.2 Faster-RCNN算法改進
4.3 基于前置多分類器的Faster-RCNN布匹缺陷檢測
4.4 布匹缺陷檢測結果分析
4.5 本章小結
5 總結與展望
5.1 總結
5.2 展望
致謝
參考文獻
附錄1 攻讀碩士學位期間發(fā)表的論文
【參考文獻】：
期刊論文
[1]基于改進局部自適應對比法的織物疵點檢測[J]. 杜帥,李岳陽,王孟濤,羅海馳,蔣高明. 紡織學報. 2019(02)
[2]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)
[3]基于CUDA計算GLCM特征值和SVM的織布疵點檢測[J]. 萬東,孫志剛,肖力. 計算機與數字工程. 2018(04)
[4]基于梯度方向直方圖的本色布疵點檢測算法[J]. 劉海軍,單維鋒,袁靜,李忠. 毛紡科技. 2018(01)
[5]紋理織物疵點窗口跳步形態(tài)學法檢測[J]. 何峰,周亞同,趙翔宇,劉猛,張忠偉. 紡織學報. 2017(10)
[6]BP神經網絡算法改進[J]. 黃尚晴,趙志勇,孫立波. 科技創(chuàng)新導報. 2017(20)
[7]織物疵點自動檢測方法研究進展[J]. 張玉繼,雷威,李文博. 紡織科技進展. 2017(05)
[8]一種改進的印刷絲網布疵點快速檢測算法[J]. 王延年,楊萬里. 國外電子測量技術. 2017(01)
[9]應用最優(yōu)Gabor濾波器的經編織物疵點檢測[J]. 尉苗苗,李岳陽,蔣高明,叢洪蓮. 紡織學報. 2016(11)
[10]基于數字形態(tài)學濾波與SVM技術的簾子布疵點檢測[J]. 溫盛軍,常保磊,蔣成龍,張五一. 中原工學院學報. 2016(04)
碩士論文
[1]基于深度學習的表面缺陷檢測方法研究[D]. 張浩.蘇州大學 2018
[2]基于機器視覺的織造疵點自動驗布機研制[D]. 姚登輝.武漢紡織大學 2016
[3]基于小波分析與SVM的織物疵點識別分類算法的研究[D]. 吳哲.華僑大學 2016
[4]基于機器視覺的坯布疵點檢測方法研究[D]. 魏娟.天津工業(yè)大學 2016
[5]布匹瑕疵實時視覺檢測技術的研究與開發(fā)[D]. 何薇.江南大學 2015
[6]基于機器視覺的無紡布疵點在線檢測系統(tǒng)研究[D]. 劉海平.華中科技大學 2015
[7]基于統(tǒng)計特征的紡織品缺陷檢測方法研究[D]. 李小寧.合肥工業(yè)大學 2015
[8]基于AR模型的機織物線狀疵點的檢測研究[D]. 朱俊嶺.東華大學 2012
[9]基于紋理梯度的紡織品缺陷檢測方法研究[D]. 沈晶.合肥工業(yè)大學 2009
[10]織物疵點檢測方法及其基于DM642圖像處理系統(tǒng)的軟件設計[D]. 張靈敏.北京服裝學院 2008
本文編號：3188686
本文鏈接：http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3188686.html
