基于卷积神经网络的数码印花缺陷分类算法

摘要：

针对应用深度学习检测数码印花缺陷需准确分类的问题,提出了基于卷积神经网络(CNN)的数码印花缺陷分类算法.该方法首先依次对图像进行RGB颜色空间直方图均衡化、高斯滤波、局部均值分辨率调整的图像预处理,提升输入网络的图像质量,并进行图像几何变换的数据增强,扩充样本数据集;然后,设计拓扑结构为2个卷积层、2个池化层、2个全连接层的CNN网络对样本进行训练,得出最优的数码印花缺陷分类CNN模型.经600张测试样本验证,结果表明,该算法对各类数码印花缺陷的分类准确率均超过90.0％,多分类任务Kappa系数值为0.94,能实现数码印花缺陷的准确分类.

关键词：图像处理、卷积神经网络、缺陷分类、数码印花

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：陕西省重点研发计划;陕西省教育厅科学研究项目

在线出版日期：2021-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：128-136