發(fā)布時(shí)間：2021-04-14 10:41

　　隨著紡織行業(yè)貿(mào)易競(jìng)爭(zhēng)的日益激烈,嚴(yán)格把控紡織品的產(chǎn)品質(zhì)量并降低檢測(cè)成本成為重點(diǎn)研究方向。國(guó)內(nèi)目前主要依靠人工完成坯布缺陷的檢測(cè),該方法準(zhǔn)確率低、成本高,因此自動(dòng)化檢測(cè)成為替代人工檢測(cè)的重要途徑。本文利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)坯布表面缺陷的檢測(cè)與分類(lèi)算法進(jìn)行了研究。分別采用改進(jìn)的AlexNet網(wǎng)絡(luò)、改進(jìn)的VGG16網(wǎng)絡(luò)以及基于遷移學(xué)習(xí)的方法完成對(duì)坯布缺陷的分類(lèi);使用基于Faster RCNN與殘差網(wǎng)絡(luò)相結(jié)合的方法和基于SSD的方法完成對(duì)坯布缺陷的檢測(cè)。具體研究?jī)?nèi)容如下:（1）研究了坯布缺陷的分類(lèi)問(wèn)題,對(duì)AlexNet網(wǎng)絡(luò)及VGG16網(wǎng)絡(luò)進(jìn)行了改進(jìn)。在改進(jìn)的AlexNet網(wǎng)絡(luò)中,使用批歸一化層替換局部歸一化層,通過(guò)實(shí)驗(yàn)驗(yàn)證了改進(jìn)的有效性;在改進(jìn)的VGG16網(wǎng)絡(luò)中,在池化層和卷積層間添加批歸一化層,當(dāng)使用隨機(jī)梯度下降法時(shí),分類(lèi)準(zhǔn)確率為98.26%。（2）采用基于遷移學(xué)習(xí)的坯布缺陷分類(lèi)算法。運(yùn)用基于模型的遷移學(xué)習(xí),將預(yù)訓(xùn)練得到的Inception V3的結(jié)構(gòu)和參數(shù)進(jìn)行遷移,再通過(guò)訓(xùn)練坯布缺陷數(shù)據(jù)集微調(diào)網(wǎng)絡(luò)參數(shù)。實(shí)驗(yàn)證明,該方法能大量減少訓(xùn)練時(shí)長(zhǎng)且對(duì)硬件設(shè)備要求不高。（3）使用Faster RCNN與殘... 

【文章來(lái)源】：西安工程大學(xué)陜西省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人工檢測(cè)與自動(dòng)檢測(cè)

35(d) 折皺圖 4-11 Faster RCNN+ResNet101 模型的部分檢測(cè)結(jié)果4.4 本章小結(jié)本章主要采用了 Faster RCNN 分別與不同特征提取網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行坯布表面缺陷檢測(cè)。首先講述了 Faster RCNN 模型的原理，將其模型分為了 RPN 網(wǎng)絡(luò)和FastRCNN 檢測(cè)網(wǎng)絡(luò)兩部分，闡述了可用于提取特征的殘差網(wǎng)絡(luò)。然后根據(jù)模型特性處理數(shù)據(jù)集，在實(shí)驗(yàn)平臺(tái)下進(jìn)行多次迭代訓(xùn)練。最后分析對(duì)比實(shí)驗(yàn)結(jié)果，并對(duì)模型參數(shù)調(diào)優(yōu)。通過(guò)實(shí)驗(yàn)對(duì)比，得出 FasterRCNN+ResNet101 模型的效果要優(yōu)于經(jīng)典的 FasterRCNN+VGG16，其準(zhǔn)確率經(jīng)過(guò)多次合理的參數(shù)優(yōu)化后可達(dá) 99.6%。Faster RCNN 與ResNet101 相結(jié)合的方法在實(shí)際中較適用于靜態(tài)或?qū)z測(cè)速率要求不高的環(huán)境。

【參考文獻(xiàn)】：
期刊論文
[1]Faster RCNN模型在坯布疵點(diǎn)檢測(cè)中的應(yīng)用[J]. 晏琳,景軍鋒,李鵬飛.  棉紡織技術(shù). 2019(02)
[2]染整坯布的分類(lèi)、特點(diǎn)與選用[J]. 顧永星.  國(guó)際紡織導(dǎo)報(bào). 2017(11)
[3]LBPV算法在織物瑕疵檢測(cè)中的應(yīng)用[J]. 項(xiàng)明,姚雪存,江有福.  絲綢. 2014(02)
[4]基于機(jī)器視覺(jué)和圖像處理的織物疵點(diǎn)檢測(cè)研究新進(jìn)展[J]. 李文羽,程隆棣.  紡織學(xué)報(bào). 2014(03)
[5]基于GMRF模型的統(tǒng)計(jì)特征畸變織物疵點(diǎn)識(shí)別[J]. 楊曉波.  紡織學(xué)報(bào). 2013(04)
[6]基于AR模型的機(jī)織物線狀疵點(diǎn)研究[J]. 朱俊嶺,汪軍,張孝南,李立輕,陳霞,龐明軍.  紡織學(xué)報(bào). 2012(08)
[7]基于互相關(guān)的印花織物疵點(diǎn)檢測(cè)[J]. 潘如如,高衛(wèi)東,錢(qián)欣欣,張曉婷.  紡織學(xué)報(bào). 2010(12)

博士論文
[1]基于機(jī)器視覺(jué)的布匹疵點(diǎn)檢測(cè)系統(tǒng)研究[D]. 畢明德.華中科技大學(xué) 2012

碩士論文
[1]基于小波和極速學(xué)習(xí)機(jī)的織物疵點(diǎn)檢測(cè)和分類(lèi)[D]. 馬強(qiáng).東華大學(xué) 2016
[2]布匹疵點(diǎn)在線檢測(cè)的算法研究[D]. 鄒超.華中科技大學(xué) 2006



本文編號(hào)：3137172