對(duì)于紡織企業(yè)來(lái)講,提高生產(chǎn)效率、降低生產(chǎn)成本是其重要目標(biāo),但保證織物產(chǎn)品的質(zhì)量是實(shí)現(xiàn)這一目標(biāo)的前提。盡管現(xiàn)代先進(jìn)的紡織機(jī)械能夠有效降低織物產(chǎn)品瑕疵的出現(xiàn),但其制造工藝中造成的各種瑕疵依然無(wú)法避免。目前,織物瑕疵的檢查任務(wù)大多由人工完成,這種勞動(dòng)密集型工作并不能保證產(chǎn)品的一致性評(píng)價(jià)。針對(duì)織物瑕疵檢測(cè)方法中存在的問(wèn)題,本文以機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)為基礎(chǔ),提出一種基于深度學(xué)習(xí)的織物瑕疵小目標(biāo)檢測(cè)技術(shù),實(shí)現(xiàn)對(duì)織物瑕疵的實(shí)時(shí)檢測(cè)和準(zhǔn)確定位,能有效提高織物瑕疵的檢測(cè)精度和效率。本文的主要工作包含以下幾點(diǎn):(1)搭建圖像采集平臺(tái),實(shí)時(shí)采集織物瑕疵圖像,并對(duì)采集到的圖像預(yù)處理操作,構(gòu)建織物瑕疵數(shù)據(jù)集。(2)針對(duì)SSD模型和DSSD模型在目標(biāo)檢測(cè)應(yīng)用中的弊端,對(duì)兩種網(wǎng)絡(luò)做出改進(jìn),并提出一種基于深度學(xué)習(xí)的多尺度特征融合MFDSSD(Multi-scale Fusion Deconvolutional Single Shot Detector,MFDSSD)織物瑕疵小目標(biāo)檢測(cè)方法。將多層特征提取和融合策略集成到MFDSSD網(wǎng)絡(luò)中,并對(duì)SSD網(wǎng)絡(luò)的先驗(yàn)框進(jìn)行優(yōu)化,提升模型對(duì)小尺寸瑕疵的檢測(cè)能力。對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和...

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究進(jìn)展
        1.2.1 織物瑕疵視覺(jué)檢測(cè)算法介紹
        1.2.2 常用織物瑕疵視覺(jué)檢測(cè)方法對(duì)比
        1.2.3 深度學(xué)習(xí)在目標(biāo)檢測(cè)中的應(yīng)用
    1.3 論文的研究?jī)?nèi)容與結(jié)構(gòu)安排
第二章 織物瑕疵的圖像識(shí)別理論基礎(chǔ)
    2.1 常見(jiàn)織物疵點(diǎn)及紋理描述
        2.1.1 常見(jiàn)織物疵點(diǎn)
        2.1.2 織物紋理
    2.2 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本組成
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)深層架構(gòu)的起源
    2.3 常用的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
        2.3.1 AlexNet網(wǎng)絡(luò)
        2.3.2 VGG網(wǎng)絡(luò)
        2.3.3 GoogLeNet網(wǎng)絡(luò)
        2.3.4 ResNet網(wǎng)絡(luò)
    2.4 深度學(xué)習(xí)目標(biāo)檢測(cè)算法
        2.4.1 二階段目標(biāo)檢測(cè)算法
        2.4.2 一階段目標(biāo)檢測(cè)算法
    2.5 本章小結(jié)
第三章 織物瑕疵數(shù)據(jù)獲取及預(yù)處理
    3.1 瑕疵圖像數(shù)據(jù)集
    3.2 織物瑕疵獲取
        3.2.1 光源配置
        3.2.2 相機(jī)選型
        3.2.3 鏡頭選型
    3.3 數(shù)據(jù)集預(yù)處理
        3.3.1 直方圖均衡化
        3.3.2 濾波降噪
        3.3.3 數(shù)據(jù)增強(qiáng)
    3.4 本章小結(jié)
第四章 織物瑕疵檢測(cè)的MFDSSD算法
    4.1 SSD檢測(cè)算法
    4.2 SSD算法的局限性
    4.3 SSD瑕疵檢測(cè)模型的改進(jìn)
        4.3.1 DSSD目標(biāo)檢測(cè)算法
        4.3.2 MFDSSD網(wǎng)絡(luò)模型建立
        4.3.3 MFDSSD網(wǎng)絡(luò)多元信息提取
        4.3.4 MFDSSD網(wǎng)絡(luò)的融合模塊
    4.4 MFDSSD網(wǎng)絡(luò)的優(yōu)化算法
        4.4.1 BN(Batch Normalization)
        4.4.2 Adam算法
        4.4.3 先驗(yàn)框調(diào)整
    4.5 MFDSSD網(wǎng)絡(luò)訓(xùn)練與測(cè)試
        4.5.1 模型訓(xùn)練
        4.5.2 模型測(cè)試
    4.6 本章小結(jié)
第五章 織物瑕疵檢測(cè)實(shí)驗(yàn)及應(yīng)用
    5.1 實(shí)驗(yàn)環(huán)境設(shè)置
    5.2 瑕疵性能評(píng)價(jià)指標(biāo)
    5.3 實(shí)驗(yàn)準(zhǔn)備
        5.3.1 數(shù)據(jù)集標(biāo)注
        5.3.2 參數(shù)初始化
        5.3.3 實(shí)驗(yàn)數(shù)據(jù)分布
    5.4 不同先驗(yàn)框比例的MFDSSD實(shí)驗(yàn)性能分析
    5.5 不同模型對(duì)織物瑕疵的檢測(cè)結(jié)果分析
        5.5.1 定性分析
        5.5.2 定量分析
    5.6 織物瑕疵檢測(cè)系統(tǒng)
        5.6.1 系統(tǒng)需求
        5.6.2 用戶(hù)程序界面設(shè)計(jì)
    5.7 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間獲得的科研成果
致謝



本文編號(hào)：3771778