基于Contrast GAN的色织物缺陷检测

摘要：

传统自编码器应用于图案、背景纹理复杂的色织物缺陷检测任务中,存在普适性差以及漏检率、误检率高等问题,为了解决该问题,提出一种基于对比学习生成式对抗网络(ContrastGAN)的无监督检测方法.首先,建立基于ContrastGAN的色织物图像重构修复模型;其次,采用对比学习加强潜在特征空间正负例样本约束,最大化输入输出图像对应Patch之间的互信息,增强正负例特征向量区分度,使模型重构无缺陷样本图像能力得到进一步提升;然后,利用训练好的模型得到待测色织物的重构图像,并通过计算得到待测样本与对应重构图之间的残差图像;最后,对残差图像进行阈值分割和数学形态学处理,实现了缺陷区域的快速检测和准确定位.该模型能有效重构多种色织物的纹理,相比传统自编码器能够实现更高的缺陷定位精度,满足多种复杂色织物缺陷检测场景的需要.

关键词：机器视觉、色织物、缺陷检测、对比学习、Patch级别互信息、潜在特征空间

所属期刊栏目：50

分类号：TS101;TP391(纺织工业、染整工业)

资助基金：国家自然科学基金;陕西省重点研发计划;陕西省重点研发计划;中国纺织工业联合会科技指导性项目

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8