基于深度学习的纹理布匹瑕疵检测方法.pdfVIP

第

49

卷

第

4

期自

动

化

学

报Vol.

49,

No.

4

2023

年

4

月ACTA

AUTOMATICA

SINICAApril,

2023

基于深度学习的纹理布匹瑕疵检测方法

112,

345

许玉格

钟

铭

吴宗泽

任志刚

刘伟生

摘要

布匹瑕疵检测是纺织工业中产品质量评估的关键环节,

实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业

的产能具有重要意义.

在实际布匹生产过程中,

布匹瑕疵在形状、大小及数量分布上存在不平衡问题,

且纹理布匹复杂的纹

理信息会掩盖瑕疵的特征,

加大布匹瑕疵检测难度.

本文提出基于深度卷积神经网络的分类不平衡纹理布匹瑕疵检测方法

(Detecting

defects

in

imbalanced

texture

fabric

based

on

deep

convolutional

neural

network,

ITF-DCNN),

首先建立

一种基于通道叠加的ResNet50卷积神经网络模型(ResNet50+)对布匹瑕疵特征进行优化提取;

其次提出一种冗余特征过

滤的特征金字塔网络(Filter-feature

pyramid

network,

F-FPN)对特征图中的背景特征进行过滤,

增强其中瑕疵特征的语

义信息;

最后构造针对瑕疵数量进行加权的MFL

(Multi

focal

loss)损失函数,

减轻数据集不平衡对模型的影响,

降低模型

对于少数类瑕疵的不敏感性.

通过实验对比,

提出的方法能有效提升布匹瑕疵检测的准确率及定位精度,

同时降低了布匹瑕

疵检测的误检率和漏检率,

明显优于当前主流的布匹瑕疵检测算法.

关键词

布匹瑕疵检测,

深度学习,

特征过滤,

深度卷积神经网络,

不平衡分类

引用格式

许玉格,

钟铭,

吴宗泽,

任志刚,

刘伟生.

基于深度学习的纹理布匹瑕疵检测方法.

自动化学报,

2023,

49(4):

857−871

DOI

10.16383/j.aas.c200148

DetectionofDetectingTexturedFabricDefectsBasedonDeepLearning

112,

345

XU

Yu-Ge

ZHONG

Ming

WU

Zong-Ze

REN

Zhi-Gang

LIU

Wei-Sheng

Abstract

Fabric

defect

detection

is

a

key

part

of

product

quality

assessment

in

the

textile

industry.

Achieving

fast,

accurate

and

efficient

fabric

defect

detection

is

of

great

significance

for

improving

the

productivity

of

the

textile

in-

dustry.

In

the

production

process

of

fabric,