為解決實際工業(yè)環(huán)境紡織品表面疵點檢測速度慢、漏檢率高的問題,利用MobileNet的深度可分離卷積取代傳統(tǒng)SSD主干網絡（VGG-16）中的普通卷積加速提取織物疵點特征,對MobileNet主干網絡中的不同尺度的卷積特征層進行上采樣,獲得融合特征圖并通過下采樣構建特征圖像金字塔網絡,進而提取不同尺度特征;最后,使用具有不同尺度的特征層對大小不同的疵點做預測。將該算法分別在公共數據集和個人構建數據集進行測試,并與目前主流目標檢測算法進行對比。結果表明:對于輸入尺寸為300 pixel×300 pixel的織物圖像,該MF-SSD網絡的平均準確率均值達到90.1%,單張檢測時間為30 ms。認為:MF-SSD網絡具有更快的檢測速度和較高的準確率。 

【文章來源】：棉紡織技術. 2020,48(12)北大核心

【文章頁數】：6 頁

【部分圖文】：

Mobile Net-SSD網絡結構

深度可分離卷積

MF-SSD模型

【參考文獻】：
期刊論文
[1]深度學習在布匹缺陷檢測中的應用[J]. 趙志勇,葉林,桑紅石,桂康.  國外電子測量技術. 2019(08)
[2]改進的SSD航拍目標檢測方法[J]. 裴偉,許晏銘,朱永英,王鵬乾,魯明羽,李飛.  軟件學報. 2019(03)
[3]應用GAN和Faster R-CNN的色織物缺陷識別[J]. 李明,景軍鋒,李鵬飛.  西安工程大學學報. 2018(06)
[4]基于LBP和HOG特征的圖案織物缺陷檢測[J]. 馬浩,景軍鋒,蘇澤斌,張緩緩,李鵬飛.  電子測量與儀器學報. 2018(04)
[5]基于X射線圖像和卷積神經網絡的石油鋼管焊縫缺陷檢測與識別[J]. 劉涵,郭潤元.  儀器儀表學報. 2018(04)
[6]基于條件深度卷積生成對抗網絡的圖像識別方法[J]. 唐賢倫,杜一銘,劉雨微,李佳歆,馬藝瑋.  自動化學報. 2018(05)
[7]應用最優(yōu)Gabor濾波器的經編織物疵點檢測[J]. 尉苗苗,李岳陽,蔣高明,叢洪蓮.  紡織學報. 2016(11)
[8]基于機器視覺和圖像處理的織物疵點檢測研究新進展[J]. 李文羽,程隆棣.  紡織學報. 2014(03)



本文編號：3393568