基于改进DenseNet201网络的织物疵点检测算法

• 作者: 陈永恒 陈军 罗维平
• 来源期刊: 棉纺织技术
• 学科: 工学
• 关键词: DenseNet201模型 图像处理 疵点检测 数据增强 迁移学习 SPP结构
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 技术专论|Technical Symposium
• 页码范围: 1-7
• 页数: 7页
• 分类号: TS101.9
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7415.2022.03.001

摘要

针对当前织物疵点检测存在大多数采用人工检测、速度慢、检测准确率低等问题,提出一种改进DenseNet201网络的织物检测算法.先对数据集图像进行预处理,可视化各种织物疵点类型的数量,把数据集划分为正常织物、8种常见织物疵点,对疵点图像进行数据增强,从而扩增训练集数量;然后提取在数据集ImageNet下预训练好的DenseNet201权重参数进行迁移学习,改进卷积层第1层、添加SPP层和本研究9分类的分类层;最后经过反复调整参数训练得到织物疵点检测模型.试验表明:改进后的DenseNet201模型对正常织物、8种常见织物疵点识别精度为96.8％.认为:改进DenseNet201网络模型具有良好的泛化性和鲁棒性.