基于快速活動輪廓模型和BP-AdaBoost的織物缺陷檢測

發(fā)布時(shí)間：2020-08-01 15:51

【摘要】：制造業(yè)的迅速發(fā)展對于各類產(chǎn)品的缺陷檢測提出了新的挑戰(zhàn),基于機(jī)器視覺的自動檢測方法逐漸取代人工肉眼檢測成為趨勢。針對目前織物缺陷檢測定位效率低和分類準(zhǔn)確率不理想的問題,提出了基于快速活動輪廓分割模型和BP-AdaBoost的織物缺陷檢測算法,將算法分為定位和分類兩部分,用以實(shí)現(xiàn)對織物缺陷的自動檢測。對于缺陷位置的定位要靠圖像分割來完成,在總結(jié)分析了目前已有的各種分割方法的優(yōu)缺點(diǎn)后,在活動輪廓分割模型的基礎(chǔ)上提出了快速活動輪廓模型。首先分析了C-V模型、LBF模型和LIF模型這三種傳統(tǒng)活動輪廓算法,由于這些算法的能量函數(shù)都是非凸的,在求解過程中易獲得局部最小值,受初始輪廓位置設(shè)置和圖像灰度不均影響較大。本文基于上述算法,引入凸優(yōu)化技術(shù),將求解問題變成了一個(gè)凸優(yōu)化問題,從而解決了活動輪廓模型受初始位置影響大的問題,同時(shí)對求解過程進(jìn)行優(yōu)化,使算法求解速度得到了較大提升。在幾種不同類型圖片上進(jìn)行了對比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明快速活動輪廓模型分割精度高,且速度明顯優(yōu)于傳統(tǒng)活動輪廓模型,平均分割時(shí)間僅需0.13秒。鑒于機(jī)器學(xué)習(xí)在圖像分類中的實(shí)用性,在分析了幾類典型的機(jī)器學(xué)習(xí)分類算法后,選用BP神經(jīng)網(wǎng)絡(luò)來完成對缺陷的分類,這種網(wǎng)絡(luò)結(jié)構(gòu)簡單有效,通用性強(qiáng)。為了進(jìn)一步提高網(wǎng)絡(luò)的分類能力,引入AdaBoost算法,將算法中的弱分類器以BP網(wǎng)絡(luò)代替,得到BP-AdaBoost算法。在MNIST、Fashion-MNIST和TFDS三類不同類型的典型數(shù)據(jù)庫上進(jìn)行算法分類對比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,BP-AdaBoost算法在上述三種數(shù)據(jù)庫上的分類準(zhǔn)確率明顯優(yōu)于傳統(tǒng)SVM和KNN算法,且相比CNN而言,更符合實(shí)際產(chǎn)品檢測中對實(shí)時(shí)性和準(zhǔn)確性的要求�；诨顒虞喞Ｐ秃虰P-AdaBoost分類算法設(shè)計(jì)了織物典型疵點(diǎn)檢測算法,完成了對織物缺陷的定位和分類任務(wù)。針對兩種不同類型織物的破洞和污漬這兩種典型缺陷設(shè)計(jì)了一系列對比實(shí)驗(yàn),確定了網(wǎng)絡(luò)的最佳參數(shù)。在此基礎(chǔ)上,對四種缺陷進(jìn)行了算法有效性實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明算法分類準(zhǔn)確率高,定位精確,完成了對織物缺陷的定位和分類任務(wù),能有效的應(yīng)用于織物的缺陷檢測中。
【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TS107;TP391.41
【圖文】：

總體結(jié)構(gòu),論文