本文關鍵詞： 色織物 圖像庫 缺陷檢測 深度卷積神經網絡 映射函數　出處：《紡織學報》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人工的誤檢率、漏檢率較高問題,提出一種應用深度卷積神經網絡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,先對缺陷織物進行最優(yōu)尺寸高斯濾波,有效濾除細節(jié)噪聲;再根據織物圖像特征建立深度卷積神經網絡,利用徑向基神經網絡的非線性映射能力作用于卷積神經網絡,并通過反向傳播算法調整權值參數,獲取無缺陷樣本與訓練樣本之間的映射函數;最后,利用映射函數及特征字典重構圖像并提取特征,根據Meanshift算法分割缺陷,確定缺陷位置。結果表明:應用深度卷積神經網絡的缺陷檢測算法對色織物圖像庫中的缺陷圖像可實現提高檢測效率、縮短檢測時間,獲取準確缺陷位置的目的。
[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】： 西安工程大學電子信息學院;
【基金】：國家自然科學基金項目(61301276) 陜西省工業(yè)科技攻關項目(2015GY034) 西安工程大學研究生創(chuàng)新基金資助項目(CX201602) 陜西省教育廳專項科研計劃項目(16JK1342) 陜西省自然科學基礎研究計劃項目(2015JQ6258)
【分類號】：TS106;TP183;TP391.41

【相似文獻】

相關期刊論文 前10條

1 包正林;;有關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;;煤礦地面機械缺陷檢測技術的應用[J];科技創(chuàng)新與應用;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用[J];無機材料學報;1992年03期

5 吳明復;纖維增強復合材料的應用及其缺陷檢測[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];武漢理工大學學報;2008年05期

7 鄭中興;;關于鍛鋼件中的缺陷和材料強度問題[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];石油機械;2006年04期

相關會議論文 前10條

1 楊德美;楊學志;;基于獨立分量分析高階統計量的紡織品缺陷檢測[A];全國第21屆計算機技術與應用學術會議（CACIS·2010）暨全國第2屆安全關鍵技術與應用學術會議論文集[C];2010年

2 于景蘭;于健;翁昌年;;探地雷達在橋梁缺陷檢測中的應用初探[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;;計算機圖像處理技術應用于晶振元件缺陷檢測[A];首屆信息獲取與處理學術會議論文集[C];2003年

4 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測系統的研究[A];機械動力學理論及其應用[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用[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

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

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

8 潘敏;程良倫;;一種基于角點匹配的PCB板元件安裝缺陷檢測基準點定位算法[A];中國自動化學會中南六�。▍^(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];經濟全球化與系統工程——中國系統工程學會第16屆學術年會論文集[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的設計與實現[A];2009年全國測繪儀器綜合學術年會論文集[C];2009年

相關重要報紙文章 前1條

1 本報記者 張海志;一名產業(yè)工人的創(chuàng)新情結[N];中國知識產權報;2010年

相關博士學位論文 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;2015年

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

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

4 張大林;靜態(tài)缺陷檢測優(yōu)化若干關鍵技術研究[D];北京郵電大學;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;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;2011年

7 劉艷;基于CCD掃描的聚合物薄膜缺陷檢測關鍵技術研究[D];哈爾濱理工大學;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用[D];華南理工大學;2011年

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

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

相關碩士學位論文 前10條

1 陳宇;軟包商標印刷缺陷檢測系統研究[D];昆明理工大學;2015年

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

3 黃文軍;基于機器視覺的印字缺陷檢測系統研究與實現[D];五邑大學;2015年

4 陳洪磊;基于寬頻信號的板中缺陷檢測[D];上海應用技術學院;2015年

5 章玲;基于圖像放縮算法的輪胎缺陷檢測系統研究與實現[D];山東大學;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;2015年

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

8 胡sズ，

本文編號：1549662