基于卷积自编码网络的织物瑕疵检测方法研究

摘要：

针对织物瑕疵数据集搜集和织物瑕疵检测困难的问题,提出了一种使用深度学习与传统算法相结合的织物瑕疵检测算法.首先提出特征金字塔结构的自编码网络,对正常样本进行学习.其次检测过程中提出同一尺度下进行多模型融合,在降低漏检率的同时移除纹理噪声的干扰.实验结果表明,所提出的学习方法对织物中线状瑕疵检测率高达98％以上,对织物中的面状瑕疵的检测率也达到了 84％以上.对于实际生产过程中的瑕疵检测具有应用价值.

关键词：光照归一化、卷积神经网络、图像重构、残差图融合、瑕疵检测

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：福建省科技计划项目;福建省科技计划项目;福建省科技计划项目;泉州市科技计划项目;泉州市科技计划项目;泉州市科技计划项目;中国科学院对外重点合作项目

在线出版日期：2022-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：47-53