織物瑕疵檢測是控制織物產品質量的重要步驟,傳統(tǒng)的織物瑕疵檢測方法檢測效率低,勞動強度大。因此,針對傳統(tǒng)檢測方法存在的問題,提出一種基于卷積神經網絡（CNN）的分類算法用于實現(xiàn)織物瑕疵檢測。網絡是在VGG16的基礎上進行減枝,通過優(yōu)化網絡參數實現(xiàn)最優(yōu)結果。首先,由于織物瑕疵大小差別較大,提出將瑕疵邊緣作為檢測的目標,這樣就可以將大尺度圖片分割為64×64的小尺度圖片用于網絡訓練,既提高了網絡的分類準確率,又解決了織物瑕疵圖像搜集困難的問題。其次,在測試過程中,提出對大尺度圖片進行有重疊的分割,然后對分割后的圖片進行分類,根據每張圖片的輸出標簽和位置來實現(xiàn)大尺度圖片的瑕疵檢測。實驗結果表明,本文所提出的網絡結構相比于傳統(tǒng)的VGG16和LeNet網絡結構,具有檢測速度快、檢測精度高等優(yōu)勢。 

【文章來源】：信息技術與網絡安全. 2020,39(11)

【文章頁數】：7 頁

【部分圖文】：

卷積神經網絡的卷積和池化過程

圖像歸一化前后對比

其中，是網絡輸出層的非歸一化分數，pn是第n個類別的概率，N指輸出層中神經元個數，即所要分類的類別數，n,k∈[1,N],p,y∈RN。損失函數的第一項是交叉熵損失函數，第二項為權重的正則化損失函數。Adam算法對網絡的優(yōu)化過程如下：

【參考文獻】：
期刊論文
[1]深度學習在表面質量檢測方面的應用[J]. 肖書浩,吳蕾,何為,彭煜.  機械設計與制造. 2020(01)
[2]基于改進的加權中值濾波與K-means聚類的織物缺陷檢測[J]. 張緩緩,馬金秀,景軍鋒,李鵬飛.  紡織學報. 2019(12)
[3]全連接神經網絡算法的改進與應用研究[J]. 吳辰斌,王劍.  電子世界. 2019(09)
[4]基于卷積神經網絡的織物表面缺陷分類方法[J]. 景軍鋒,劉嬈.  測控技術. 2018(09)
[5]基于改進SAE網絡的織物疵點檢測算法[J]. 景軍鋒,黨永強,蘇澤斌,李鵬飛,張宏偉.  電子測量與儀器學報. 2017(08)
[6]應用深度卷積神經網絡的色織物缺陷檢測[J]. 景軍鋒,范曉婷,李鵬飛,洪良.  紡織學報. 2017(02)
[7]基于Gabor濾波器組與BP神經網絡的簾子布疵點檢測研究與實現(xiàn)[J]. 張五一,楊揚,林聰,溫盛軍.  中原工學院學報. 2014(03)
[8]基于GMRF模型的統(tǒng)計特征畸變織物疵點識別[J]. 楊曉波.  紡織學報. 2013(04)



本文編號：3240709