傳統(tǒng)的圖像處理方法不能準(zhǔn)確地對(duì)環(huán)錠紡細(xì)紗機(jī)細(xì)紗斷頭進(jìn)行檢測(cè),而經(jīng)典的深度學(xué)習(xí)模型直接用于細(xì)紗斷頭的檢測(cè)其效果也不甚理想,針對(duì)這些問(wèn)題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的DBYC分類模型,該模型包括改進(jìn)深度可分離卷積核、提出通道交換操作、添加局部響應(yīng)值歸一化層和使用Dropout層。最后,將模型部署在CPU處理器上。試驗(yàn)結(jié)果表明,該模型具有更好的識(shí)別效果和更強(qiáng)的泛化能力。 

【文章來(lái)源】：天津紡織科技. 2020,(02)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

試驗(yàn)裝置圖

常用的輕量化卷積神經(jīng)網(wǎng)絡(luò)模型，以ShuffleNet v2[5]為例，多用于語(yǔ)義分割場(chǎng)景，對(duì)于紗線這種小物體來(lái)說(shuō)特征提取效果不甚理想，如果直接將ShuffleNet v2模型用于紗線的檢測(cè)，將會(huì)導(dǎo)致最終的分類結(jié)果十分不準(zhǔn)確，因此本文基于ShuffleNet v2模型提出一種分類模型DBYC模型，用于分類環(huán)錠紡細(xì)紗機(jī)紗線這種具有線性目標(biāo)以及一定空間結(jié)構(gòu)的圖像。DBYC模型的網(wǎng)絡(luò)整體結(jié)構(gòu)見(jiàn)表1。它包含了Channel Ex change Improved Depthwise Separable Convolution（基于通道交換的改進(jìn)的深度可分離卷積，簡(jiǎn)稱CEIDSConv-branch）卷積單元以及Downsampling（下采樣）單元。下采樣單元由一個(gè)Stride（步長(zhǎng)）是2的標(biāo)準(zhǔn)卷積層和一個(gè)步長(zhǎng)為1的最大池化層組成，它能夠使神經(jīng)網(wǎng)絡(luò)增加更多的上下文信息，并且減少計(jì)算量。通過(guò)堆疊一些連續(xù)的CEIDSConv-branch卷積單元來(lái)構(gòu)建DBYC模型，它由Stage1-4和Classification Layer（分類層）5部分組成。圖3 斷頭檢測(cè)任務(wù)示意圖

斷頭檢測(cè)任務(wù)示意圖

【參考文獻(xiàn)】：
期刊論文
[1]細(xì)紗斷頭原因分析及改善措施[J]. 張磊,李華慶.  天津紡織科技. 2019(01)
[2]傳統(tǒng)環(huán)錠細(xì)紗機(jī)大牽伸工藝實(shí)踐[J]. 曾永紅,周衡書.  天津紡織科技. 2019(01)
[3]圓柱坐標(biāo)機(jī)器人在針織圓緯機(jī)中的應(yīng)用[J]. 陳永明,劉德濱,李炳超,林清助,劉明舉,鄧才參.  針織工業(yè). 2018(09)
[4]應(yīng)用優(yōu)化霍夫變換的細(xì)紗斷頭檢測(cè)[J]. 王雯雯,劉基宏.  紡織學(xué)報(bào). 2018(04)
[5]降低多比例混紡紗斷頭率的探討[J]. 胡曉毅.  天津紡織科技. 2015(02)
[6]集合器式壓力棒控制細(xì)紗前區(qū)纖維運(yùn)動(dòng)的分析及實(shí)踐效果[J]. 王偉.  天津紡織科技. 2014(01)
[7]一種新型針織用環(huán)錠紗[J]. 劉穎杰,楊昆.  針織工業(yè). 2010(11)
[8]紗線結(jié)構(gòu)對(duì)純棉針織物性能的影響[J]. 凌群民,宋麗娜.  針織工業(yè). 2010(03)
[9]緊密紡高支棉紗的經(jīng)編編織工藝探討[J]. 徐穎,蔣高明,繆旭紅.  針織工業(yè). 2008(06)

碩士論文
[1]細(xì)紗機(jī)紗線斷頭檢測(cè)軟件系統(tǒng)開(kāi)發(fā)[D]. 王文遠(yuǎn).浙江理工大學(xué) 2018



本文編號(hào)：3279968