紡織物的表面缺陷檢測是其質(zhì)檢環(huán)節(jié)中最為重要的一步。傳統(tǒng)的人工檢測方法,效率低,精度波動幅度較大,對人體健康尤其是視力健康存在著巨大的傷害。而當(dāng)前存在的一些自動化檢測方法,需要人為設(shè)計(jì)特征表達(dá)方式,但這極大地依賴于經(jīng)驗(yàn)和運(yùn)氣,嚴(yán)重影響了算法的更新迭代與泛化性。近年來,卷積神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展迅猛,在目標(biāo)的檢測識別等方面取得了許多突破性的成果。因此,本文基于實(shí)際的課題研究,將卷積神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于紡織物(素色布)的缺陷檢測問題上。本文首先分析了紡織物缺陷檢測的技術(shù)難點(diǎn),并通過對經(jīng)典檢測算法與典型的深度學(xué)習(xí)方法的研究,針對各個(gè)技術(shù)難點(diǎn),提出了對應(yīng)的改進(jìn)算法以實(shí)現(xiàn)對紡織物缺陷快速準(zhǔn)確的檢測。其次,本文分析了高分辨率圖像處理的經(jīng)典方法及其各種弊端。然后設(shè)計(jì)了并行網(wǎng)絡(luò)結(jié)構(gòu)來提取特征,并通過深度融合的方式綜合了各網(wǎng)絡(luò)特征層特征,在保證檢測精度的前提下解決了高分辨率帶來的檢測效率低的問題。本文還分析了經(jīng)典數(shù)據(jù)增強(qiáng)方法在紡織物缺陷檢測問題上存在的局限性。并針對紡織物缺陷圖像的特點(diǎn)改進(jìn)了合成少數(shù)類過采樣技術(shù)豐富了樣本多樣性,并設(shè)計(jì)了缺陷區(qū)域CopyPasting方法,豐富了缺陷位置多樣性。通過人工生成新樣本的...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)方法的研究現(xiàn)狀
        1.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的研究現(xiàn)狀
        1.2.3 國內(nèi)外產(chǎn)業(yè)化現(xiàn)狀
    1.3 本文的主要研究內(nèi)容與組織結(jié)構(gòu)安排
第2章 目標(biāo)檢測算法分析
    2.1 引言
    2.2 非極大值抑制
    2.3 檢測算法概述
        2.3.1 RCNN系列
        2.3.2 YOLO系列
        2.3.3 SSD
    2.4 特征金字塔網(wǎng)絡(luò)
    2.5 本章小結(jié)
第3章 基于高分辨率圖像的特征表達(dá)研究
    3.1 引言
    3.2 基于并行結(jié)構(gòu)的特征提取網(wǎng)絡(luò)
        3.2.1 傳統(tǒng)方法分析
        3.2.2 并行結(jié)構(gòu)下的深度融合
    3.3 基于特征多樣性的數(shù)據(jù)增強(qiáng)方法
        3.3.1 經(jīng)典數(shù)據(jù)增強(qiáng)方法分析
        3.3.3 基于SMOTE的改進(jìn)算法
        3.3.4 基于特征位置的多樣性算法設(shè)計(jì)
    3.4 本章小結(jié)
第4章 基于注意力特征金字塔的小缺陷檢測模型
    4.1 引言
    4.2 基于注意力機(jī)制的FPN改進(jìn)算法
        4.2.1 注意力機(jī)制
        4.2.2 混合域注意力下的FPN
    4.3 針對小缺陷檢測的損失函數(shù)設(shè)計(jì)
    4.4 本章小結(jié)
第5章 缺陷檢測算法實(shí)現(xiàn)及結(jié)果分析
    5.1 引言
    5.2 紡織物缺陷檢測網(wǎng)絡(luò)設(shè)計(jì)
    5.3 算法結(jié)果分析
        5.3.1 改進(jìn)算法性能分析
        5.3.2 紡織物缺陷檢測結(jié)果
        5.3.3 特征多樣性下的檢測結(jié)果
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號：3842573