基于改进Pix2PixGAN的织物疵点检测算法

• 作者: 郜仲元 余灵婕 章玉铭 支超 陈梦琦
• 来源期刊: 毛纺科技
• 学科: 工学
• 关键词: 疵点检测 生成对抗网络 Pix2PixGAN 数据增强
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 第十一届中国纺织学术年会专栏|Column of the 11th China Textile Academic Conference
• 页码范围: 9-13
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19333/j.mfkj.20211204805

摘要

针对现阶段深度学习应用于纺织疵点检测时,由于疵点织物数据量不足而导致检测模型准确率低、疵点识别种类少的问题,提出一种基于改进Pix2PixGAN网络的训练数据增强方法.无疵点织物图像比较容易获取,利用多层深度Pix2PixGAN网络,可在无疵点织物图像上自动生成疵点,从而实现疵点图像数据的增强.首先对数据集进行预处理,得到语义分割图;然后加深U-net网络,利用双重Pix2PixGAN网络加强疵点与纹理的融合;最后将新生成的疵点图像数据加入原训练集完成数据增强.分别以数据增强前后的疵点织物样本作为训练集,采用Faster R-CNN目标检测模型进行对比实验.实验结果表明,数据增强方法可有效提高织物疵点检测的效果.对于线状、破洞和污渍3种疵点,与原训练数据集相比,数据增强后的检测模型平均精度分别从73％、75％、62％提升到84％、79％、65％.