近年來,深度學習技術(shù)在語音識別、智能監(jiān)控、人臉識別等方面取得了巨大的成功,卷積神經(jīng)網(wǎng)絡(luò)作為深度學習最主要的算法之一也逐漸被廣泛應(yīng)用在工業(yè)圖像缺陷檢測中。卷積神經(jīng)網(wǎng)絡(luò)用于織物缺陷檢測主要有兩種方法:一種是只對缺陷進行分類;另一種是既對缺陷類別進行判定同時也定位出缺陷位置。本課題以白坯布、色織物、復(fù)雜條紋織物為研究對象,分析了卷積神經(jīng)網(wǎng)絡(luò)在織物缺陷智能分類和檢測上的應(yīng)用價值。針對深度學習在實際應(yīng)用場景中存在的樣本獲取困難和樣本量少的問題,分析了如何利用深度學習方法有效地分類和檢測織物缺陷。研究內(nèi)容主要包括以下幾個方面:（1）將遷移學習與卷積神經(jīng)網(wǎng)絡(luò)模型相結(jié)合。首先加載已經(jīng)在百萬數(shù)據(jù)集上預(yù)訓練好的模型AlexNet和GoogLeNet,再利用已構(gòu)建好的數(shù)據(jù)樣本對預(yù)訓練模型的參數(shù)進行微調(diào),該方法在縮短訓練時間和降低實驗硬件要求的基礎(chǔ)上極大地提高了訓練的準確率。因為不同的卷積神經(jīng)網(wǎng)絡(luò)卷積層數(shù)不盡相同,這代表著它們的感受野也不同,于是在遷移學習的基礎(chǔ)上將AlexNet與GoogLeNet提取的特征進行融合,最后加入SVM分類器進行缺陷分類。實驗結(jié)果表明,采用特征融合加遷移學習的方法比單獨應(yīng)用Ale... 

【文章來源】：西安工程大學陜西省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

EVS公司的TEX驗布系統(tǒng)

第 1 章 緒論份額，但仍然存在一些問題：這些平臺不僅造價昂貴，而修工作較為繁瑣，導(dǎo)致大部分公司不太愿意購入。同時因技閉源，導(dǎo)致很難在平臺上做進一步的開發(fā)。 FS220 自動驗布機是我國近期創(chuàng)新開發(fā)的自動驗布設(shè)備算機視覺和光電檢測技術(shù)為基礎(chǔ)，能精準檢測布面上的各動標記。該公司設(shè)計的布面牽引系統(tǒng)，能確保布面平整、織企業(yè)提供了高智能化的布面修理系統(tǒng)，還可以與碼布機的工作效率和智能化管理水平。

工作效率和智能化管理水平。圖 1-2 陜西長嶺的 FS220 自動驗布機械有限公司推出的 AO-AI 紡織品智能檢驗機，如圖對運動中的布匹進行監(jiān)測，采集的數(shù)據(jù)由以太網(wǎng)傳輸理過程得到當前布匹的門幅大小、經(jīng)密、緯密、緯斜別的布面缺陷等信息；最后的檢測結(jié)果可以通過人機圍系統(tǒng)將會自動報警，檢測數(shù)據(jù)也將上傳并保存在數(shù)


本文編號：2934611