本文關(guān)鍵詞： 色織物 圖像庫 缺陷檢測 深度卷積神經(jīng)網(wǎng)絡(luò) 映射函數(shù)　出處：《紡織學(xué)報》2017年02期 　論文類型：期刊論文

【摘要】：針對織物缺陷檢測時傳統(tǒng)人工的誤檢率、漏檢率較高問題,提出一種應(yīng)用深度卷積神經(jīng)網(wǎng)絡(luò)的色織物缺陷檢測算法。因織物圖像采集過程中含有較多噪聲且信噪比較低,先對缺陷織物進(jìn)行最優(yōu)尺寸高斯濾波,有效濾除細(xì)節(jié)噪聲;再根據(jù)織物圖像特征建立深度卷積神經(jīng)網(wǎng)絡(luò),利用徑向基神經(jīng)網(wǎng)絡(luò)的非線性映射能力作用于卷積神經(jīng)網(wǎng)絡(luò),并通過反向傳播算法調(diào)整權(quán)值參數(shù),獲取無缺陷樣本與訓(xùn)練樣本之間的映射函數(shù);最后,利用映射函數(shù)及特征字典重構(gòu)圖像并提取特征,根據(jù)Meanshift算法分割缺陷,確定缺陷位置。結(jié)果表明:應(yīng)用深度卷積神經(jīng)網(wǎng)絡(luò)的缺陷檢測算法對色織物圖像庫中的缺陷圖像可實(shí)現(xiàn)提高檢測效率、縮短檢測時間,獲取準(zhǔn)確缺陷位置的目的。
[Abstract]:In order to solve the problem of high false detection rate and high missed detection rate in fabric defect detection, a color fabric defect detection algorithm based on deep convolution neural network is proposed, which contains more noise and lower signal-to-noise ratio (SNR) in fabric image acquisition. Firstly, Gao Si filter is used to filter the defect fabric, and then the depth convolution neural network is established according to the image features of the fabric, and the nonlinear mapping ability of the radial basis function neural network is applied to the convolution neural network. And through the back propagation algorithm to adjust the weight parameters to obtain the mapping function between the non-defect sample and the training sample. Finally, using the mapping function and feature dictionary to reconstruct the image and extract the feature, according to the Meanshift algorithm segmentation defects, The results show that the defect detection algorithm based on the deep convolution neural network can improve the detection efficiency, shorten the detection time and obtain the accurate defect position in the color fabric image library.
【作者單位】： 西安工程大學(xué)電子信息學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61301276) 陜西省工業(yè)科技攻關(guān)項(xiàng)目(2015GY034) 西安工程大學(xué)研究生創(chuàng)新基金資助項(xiàng)目(CX201602) 陜西省教育廳專項(xiàng)科研計(jì)劃項(xiàng)目(16JK1342) 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2015JQ6258)
【分類號】：TS106;TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 包正林;;有關(guān)閥門缺陷檢測方法的分析[J];科技創(chuàng)業(yè)家;2013年22期

2 王向成;;薄板內(nèi)部微小缺陷檢測裝置[J];鋼鐵研究;1991年01期

3 李方兵;;煤礦地面機(jī)械缺陷檢測技術(shù)的應(yīng)用[J];科技創(chuàng)新與應(yīng)用;2013年25期

4 童兆和,江福明,丁傳賢,殷慶瑞;掃描電聲顯微鏡在涂層缺陷檢測中的應(yīng)用[J];無機(jī)材料學(xué)報;1992年03期

5 吳明復(fù);纖維增強(qiáng)復(fù)合材料的應(yīng)用及其缺陷檢測[J];航天工藝;1988年01期

6 石繪;余文勇;;商業(yè)票證印刷缺陷檢測方法的研究[J];武漢理工大學(xué)學(xué)報;2008年05期

7 鄭中興;;關(guān)于鍛鋼件中的缺陷和材料強(qiáng)度問題[J];大型鑄鍛件;1984年04期

8 張黎明;蔡琦;趙新文;李維高;;基于信息融合的核管道缺陷檢測研究[J];中國艦船研究;2010年06期

9 陳正立;楊亞青;;閥門缺陷檢測方法的研究[J];技術(shù)與市場;2011年06期

10 鄭承明;王新海;王文軍;湯清源;;鉆桿螺紋缺陷檢測裝置的研制[J];石油機(jī)械;2006年04期

相關(guān)會議論文 前10條

1 楊德美;楊學(xué)志;;基于獨(dú)立分量分析高階統(tǒng)計(jì)量的紡織品缺陷檢測[A];全國第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 于景蘭;于健;翁昌年;;探地雷達(dá)在橋梁缺陷檢測中的應(yīng)用初探[A];中國地球物理第二十一屆年會論文集[C];2005年

3 李兵;鄧善熙;李煥然;;計(jì)算機(jī)圖像處理技術(shù)應(yīng)用于晶振元件缺陷檢測[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

4 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測系統(tǒng)的研究[A];機(jī)械動力學(xué)理論及其應(yīng)用[C];2011年

5 何濤;吳永祥;李偉;吳慶華;鐘飛;;Hexsight視覺軟件包在串行端子缺陷檢測中的應(yīng)用[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

6 曾理;郭海燕;蒲云;畢碧;;射線數(shù)字成像缺陷檢測技術(shù)研究[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年

7 蔡茂蓉;;PCB缺陷檢測系統(tǒng)的研究與實(shí)現(xiàn)[A];第三屆全國軟件測試會議與移動計(jì)算、柵格、智能化高級論壇論文集[C];2009年

8 潘敏;程良倫;;一種基于角點(diǎn)匹配的PCB板元件安裝缺陷檢測基準(zhǔn)點(diǎn)定位算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

9 王國勛;彭怡;寇綱;石勇;;基于MCDM的軟件缺陷檢測算法評估[A];經(jīng)濟(jì)全球化與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第16屆學(xué)術(shù)年會論文集[C];2010年

10 劉松林;陳杰;郝向陽;西勤;;玻殼缺陷檢測與幾何量測視覺系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2009年全國測繪儀器綜合學(xué)術(shù)年會論文集[C];2009年

相關(guān)重要報紙文章 前1條

1 本報記者 張海志;一名產(chǎn)業(yè)工人的創(chuàng)新情結(jié)[N];中國知識產(chǎn)權(quán)報;2010年

相關(guān)博士學(xué)位論文 前10條

1 蘇日亮;面向鋼軌軌底缺陷檢測的電磁超聲換能器研究[D];哈爾濱工業(yè)大學(xué);2015年

2 劉洪江;基于機(jī)器視覺的毛桿缺陷檢測技術(shù)的研究[D];廣東工業(yè)大學(xué);2011年

3 肖慶;提高靜態(tài)缺陷檢測精度的關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

4 張大林;靜態(tài)缺陷檢測優(yōu)化若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2014年

5 周文;IC互連中的缺陷檢測方法及缺陷對電路可靠性的影響[D];西安電子科技大學(xué);2010年

6 司小書;面向織物缺陷檢測的CUDA并行圖像處理模型與算法研究[D];武漢大學(xué);2011年

7 劉艷;基于CCD掃描的聚合物薄膜缺陷檢測關(guān)鍵技術(shù)研究[D];哈爾濱理工大學(xué);2009年

8 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測中的應(yīng)用[D];華南理工大學(xué);2011年

9 明俊峰;羽毛片缺陷檢測若干關(guān)鍵技術(shù)的研究[D];廣東工業(yè)大學(xué);2014年

10 畢昕;面向TFT-LCD制程的Mura缺陷機(jī)器視覺檢測方法研究[D];上海交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 陳宇;軟包商標(biāo)印刷缺陷檢測系統(tǒng)研究[D];昆明理工大學(xué);2015年

2 周艷;光通信濾光片外觀缺陷自動檢測系統(tǒng)任務(wù)調(diào)度優(yōu)化方法[D];華南理工大學(xué);2015年

3 黃文軍;基于機(jī)器視覺的印字缺陷檢測系統(tǒng)研究與實(shí)現(xiàn)[D];五邑大學(xué);2015年

4 陳洪磊;基于寬頻信號的板中缺陷檢測[D];上海應(yīng)用技術(shù)學(xué)院;2015年

5 章玲;基于圖像放縮算法的輪胎缺陷檢測系統(tǒng)研究與實(shí)現(xiàn)[D];山東大學(xué);2015年

6 劉博;基于電磁超聲Lamb波換能器陣列的板材檢測方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 劉振東;鋼芯傳送帶缺陷檢測系統(tǒng)中圖像處理算法研究[D];山西大學(xué);2015年

8 胡sズ，

本文編號：1549662