基于卷积自编码网络的织物瑕疵检测方法研究

• 作者: 刘艳锋 黄惠玲 韩军
• 来源期刊: 光学与光电技术
• 学科: 工学
• 关键词: 光照归一化 卷积神经网络 图像重构 残差图融合 瑕疵检测
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 光电测量|Opto-Electronic Measurement
• 页码范围: 47-53
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文

摘要

针对织物瑕疵数据集搜集和织物瑕疵检测困难的问题,提出了一种使用深度学习与传统算法相结合的织物瑕疵检测算法.首先提出特征金字塔结构的自编码网络,对正常样本进行学习.其次检测过程中提出同一尺度下进行多模型融合,在降低漏检率的同时移除纹理噪声的干扰.实验结果表明,所提出的学习方法对织物中线状瑕疵检测率高达98％以上,对织物中的面状瑕疵的检测率也达到了 84％以上.对于实际生产过程中的瑕疵检测具有应用价值.