基于深度卷积神经网络的织物瑕疵识别方法

• 作者: 张卷卷 董骅 朱涛
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 滑动窗口 瑕疵识别
• 年，卷（期）: 2021,（2）
• 页码范围: 344-355
• 页数: 12页
• 分类号: TP3

摘要

针对传统基于图像特征提取的瑕疵检测方法过于依赖特征提取效果,且泛化能力较差以及人工质检存在的效率低、易受主观因素影响等问题,本文提出了一种基于深度卷积神经网络的图像瑕疵识别方法,基于ResNet50卷积神经网络,构建了分类模型。并增大了输入网络的图像尺寸;采用多种图像变换增强数据;修改损失函数让模型更加关注困难样本。该模型在测试集上的AUC (Area Under Curve)值可以达到0.905,同时F1分数达到了0.81。此外本文提出了一种基于滑动窗口检测的瑕疵识别方法,提高对图像中细节的关注,大幅提升了原模型的分类性能。