基于改进DenseNet201网络的织物疵点检测算法

摘要：

针对当前织物疵点检测存在大多数采用人工检测、速度慢、检测准确率低等问题,提出一种改进DenseNet201网络的织物检测算法.先对数据集图像进行预处理,可视化各种织物疵点类型的数量,把数据集划分为正常织物、8种常见织物疵点,对疵点图像进行数据增强,从而扩增训练集数量;然后提取在数据集ImageNet下预训练好的DenseNet201权重参数进行迁移学习,改进卷积层第1层、添加SPP层和本研究9分类的分类层;最后经过反复调整参数训练得到织物疵点检测模型.试验表明:改进后的DenseNet201模型对正常织物、8种常见织物疵点识别精度为96.8％.认为:改进DenseNet201网络模型具有良好的泛化性和鲁棒性.

关键词：DenseNet201模型;图像处理;疵点检测;数据增强;迁移学习;SPP结构

所属期刊栏目：50

分类号：TS101.9(纺织工业、染整工业)

资助基金：国家自然科学基金;湖北省数字化纺织装备重点实验室开放项目;塔里木大学校长基金自然科学项目

在线出版日期：2022-03-18（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：1-7