基于卷积神经网络的织物表面缺陷分类方法

• 作者: 刘娆 景军锋
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 卷积神经网络 织物缺陷分类 Alexnet 迁移学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 20-25
• 页数: 6页
• 分类号: TP391
• 字数: 3443字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.09.005

摘要

针对织物缺陷检测时疵点种类繁多且传统人工检测方法漏检率高的问题,提出了一种基于卷积神经网络的织物表面缺陷分类方法.因卷积神经网络(CNN)训练时参数多、样本量大,且极易陷入过拟合,利用微调卷积神经网络模型Alexnet对织物疵点图像进行特征提取,初始化采用原网络的参数而非随机初始化参数;再针对特定目标下的训练样本对网络参数进行微调;最后利用softmax回归算法进行预测分类.分别用三种方法和两种织物进行测试,结果表明:针对特定目标微调后的Alexnet网络,在两类织物测试中均能达到95％以上的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景军锋	西安工程大学电子信息学院	143	578	12.0	16.0
2	刘娆	西安工程大学电子信息学院	1	5	1.0	1.0