基于迁移学习和改进ResNet50网络的织物疵点检测算法

• 作者: 罗维平 徐洋 陈永恒 周博 马双宝 吴雨川
• 来源期刊: 毛纺科技
• 学科: 工学
• 关键词: 疵点检测 迁移学习 特征提取 ResNet50 预训练模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机械与器材
• 页码范围: 71-78
• 页数: 8页
• 分类号: TP18|TS106
• 语种: 中文
• DOI: 10.19333/j.mfkj.20200501408

摘要

针对目前工业现场织物疵点检测准确率低、速度慢和疵点识别种类少的问题,提出一种改进ResNet50网络的织物疵点检测算法.首先对数据集进行预处理,对数据样本切割增强生成模型训练集,包括无疵点和8类常见疵点类别;然后改进ResNet50网络结构,提取在大型数据集ImageNet上预训练好的权重参数迁移学习;最后反复调整超参数训练得到的疵点检测识别模型.通过多组对比实验结果表明,改进模型对正常织物和8类常见疵点识别准确率达到96.32％,比标准模型精度提升4.2％,速度提升1倍.在不同织物疵点数据集中测试,综合性能最好,泛化能力强,鲁棒性好,可以满足工业生产现场织物疵点检测需求.