發(fā)布時間：2021-05-25 17:04

　　針對織物疵點種類較多、形狀差異大導(dǎo)致的檢測準確率較低的問題,提出一種基于兩個卷積神經(jīng)網(wǎng)絡(luò)模型融合的疵點識別方法。首先對織物的樣本圖像進行預(yù)處理,然后將樣本圖像縮小尺寸輸入到一個網(wǎng)絡(luò)模型進行訓(xùn)練;將樣本圖像采樣后的圖像輸入到另一個網(wǎng)絡(luò)模型訓(xùn)練。實驗中使用ROC曲線下面積和平均精度均值的組合作為模型的評價指標,測試時取兩個模型的預(yù)測結(jié)果平均,模型的評價指標值穩(wěn)定在0.75左右。實驗中還評估了圖像翻轉(zhuǎn)、測試集增強和模型融合的貢獻,實驗結(jié)果顯示這些方法都有助于提高疵點檢測的效果。 

【文章來源】：北京服裝學(xué)院學(xué)報(自然科學(xué)版). 2020,40(01)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
1 研究方法
    1.1 訓(xùn)練和測試模型
    1.2 ResNet
        (1)卷積層
        (2)池化層
        (3)全連接層
        (4)分類器
        (5) 損失函數(shù)(Loss function)
        (6)目標函數(shù)(Object function)
2 實 驗
    2.1 數(shù)據(jù)集
    2.2 數(shù)據(jù)增強
    2.3 實驗設(shè)置
    2.4 評估指標
    2.5 實驗結(jié)果
3 結(jié) 論


【參考文獻】：
期刊論文
[1]應(yīng)用Canny算子的織物疵點檢測改進算法[J]. 胡克滿,羅少龍,胡海燕.  紡織學(xué)報. 2019(01)
[2]高斯混合模型在印花織物疵點檢測中的應(yīng)用[J]. 李敏,崔樹芹,謝治平.  紡織學(xué)報. 2015(08)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的色織物疵點檢測與分類算法研究[D]. 董阿梅.西安工程大學(xué) 2018
[2]基于小波和極速學(xué)習(xí)機的織物疵點檢測和分類[D]. 馬強.東華大學(xué) 2016



本文編號：3205698