發(fā)布時(shí)間：2023-08-25 19:46

　　紡織工業(yè)是我國長久以來的經(jīng)濟(jì)支柱產(chǎn)業(yè)和不可替代的民生產(chǎn)業(yè),同時(shí)也是國際上處于領(lǐng)先地位的一項(xiàng)產(chǎn)業(yè)。從目前該產(chǎn)業(yè)的現(xiàn)狀來看,織物的瑕疵檢測與識(shí)別是制約織物生產(chǎn)效率與織物質(zhì)量的重要因素。傳統(tǒng)的織物瑕疵檢測與識(shí)別是以人工的方式進(jìn)行,存在效率低(檢測速度僅為10～20米/分鐘)、誤檢率和漏檢率高的問題。因此,高質(zhì)量的自動(dòng)化織物瑕疵檢測與識(shí)別已經(jīng)成為布匹生產(chǎn)企業(yè)亟待解決的問題之一。我國的布匹瑕疵檢測識(shí)別還停留在基于傳統(tǒng)數(shù)字圖像處理技術(shù)的算法研究層面,采用手工設(shè)計(jì)特征的方法,但其特征難以設(shè)計(jì)及調(diào)優(yōu)。而目前基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的圖像識(shí)別算法,是基于數(shù)據(jù)自動(dòng)學(xué)習(xí)特征,其識(shí)別效果顯著,明顯超越了傳統(tǒng)數(shù)字圖像處理算法的識(shí)別效果。當(dāng)今國內(nèi)外對(duì)卷積神經(jīng)網(wǎng)絡(luò)在布匹瑕疵檢測與識(shí)別領(lǐng)域的應(yīng)用鮮有成果,本文以某布匹生產(chǎn)企業(yè)的需求為依托,開展基于深度卷積神經(jīng)網(wǎng)絡(luò)的布匹瑕疵檢測識(shí)別系統(tǒng)開發(fā),主要研究工作如下:(1)到實(shí)際布匹生產(chǎn)企業(yè)進(jìn)行調(diào)研,了解布匹生產(chǎn)企業(yè)的生產(chǎn)現(xiàn)狀及布匹瑕疵的檢測需求;針對(duì)深度學(xué)習(xí)模型的訓(xùn)練需要大量數(shù)據(jù)集的需求,在企業(yè)生產(chǎn)線搭建相機(jī)、光源等...

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的研究背景及意義
        1.1.1 研究背景及意義
        1.1.2 課題來源
    1.2 課題的國內(nèi)外研究現(xiàn)狀
        1.2.1 布匹瑕疵檢測的研究現(xiàn)狀
        1.2.2 布匹瑕疵識(shí)別的研究現(xiàn)狀
        1.2.3 基于CNN的圖像識(shí)別算法研究現(xiàn)狀
        1.2.4 目前存在的問題
    1.3 本文的研究內(nèi)容與章節(jié)結(jié)構(gòu)
        1.3.1 本文研究內(nèi)容
        1.3.2 本文章節(jié)結(jié)構(gòu)
第二章 布匹瑕疵檢測識(shí)別系統(tǒng)的總體設(shè)計(jì)
    2.1 布匹瑕疵檢測系統(tǒng)設(shè)計(jì)要求
    2.2 布匹質(zhì)量評(píng)分標(biāo)準(zhǔn)
    2.3 布匹瑕疵檢測識(shí)別系統(tǒng)難點(diǎn)分析
    2.4 系統(tǒng)總體方案設(shè)計(jì)與原理
    2.5 布匹瑕疵檢測識(shí)別系統(tǒng)的硬件選型
        2.5.1 工業(yè)相機(jī)選型
        2.5.2 鏡頭的選型
        2.5.3 光源的選型
    2.6 本章小結(jié)
第三章 基于CNN的布匹瑕疵檢測識(shí)別算法研究與設(shè)計(jì)
    3.1 深度卷積神經(jīng)網(wǎng)絡(luò)概要
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.1.2 反向傳播算法
        3.1.3 Softmax分類器
    3.2 基于CNN的布匹瑕疵檢測識(shí)別算法
        3.2.1 建立布匹瑕疵圖像數(shù)據(jù)集
        3.2.2 數(shù)據(jù)集預(yù)處理
        3.2.3 構(gòu)建瑕疵分類CNN網(wǎng)絡(luò)結(jié)構(gòu)與設(shè)計(jì)網(wǎng)絡(luò)訓(xùn)練算法
        3.2.4 布匹瑕疵檢測基本原理
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 網(wǎng)絡(luò)模型訓(xùn)練過程
        3.3.2 實(shí)驗(yàn)結(jié)果與對(duì)比分析
    3.4 本章小結(jié)
第四章 CNN模型壓縮算法
    4.1 基于網(wǎng)絡(luò)剪枝的模型壓縮算法
        4.1.1 網(wǎng)絡(luò)剪枝模型壓縮算法
        4.1.2 改進(jìn)的模型壓縮算法
    4.2 壓縮算法測試與分析
    4.3 本章小結(jié)
第五章 布匹瑕疵檢測識(shí)別軟件系統(tǒng)設(shè)計(jì)與測試
    5.1 開發(fā)環(huán)境簡介
        5.1.1 Qt簡介
        5.1.2 深度學(xué)習(xí)框架Caffe簡介
    5.2 系統(tǒng)用戶界面設(shè)計(jì)
        5.2.1 相機(jī)控制模塊
        5.2.2 瑕疵識(shí)別模塊
        5.2.3 識(shí)別結(jié)果數(shù)據(jù)處理
        5.2.4 質(zhì)量評(píng)估與報(bào)告打印模塊
    5.3 多線程系統(tǒng)優(yōu)化設(shè)計(jì)
    5.4 系統(tǒng)測試
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
附錄



本文編號(hào)：3843200