基于自适应机制与知识蒸馏的数码印花织物缺陷检测方法研究.pdfVIP

摘要

摘要

随着科技的进步，数码印花在纺织领域得到了广泛应用。然而，在数码印花的过

程中，由于机器动作误差、喷头故障和布匹本身问题等，产品会出现各种缺陷，严重

影响最终产品的质量，导致企业利润下降。近年来，基于深度学习的计算机视觉技术

已经在一些行业中成功应用于实际生产检测，但在数码印花中的应用仍面临一些挑战。

首先，数码印花织物的背景图案往往十分复杂，而布匹的纹理与缺陷之间存在相似性，

这需要模型具备自适应能力，能够有效区分缺陷与背景；其次，数码印花织物检测要

求在保持高精度的同时实现实时性，以确保生产效率不受影响。因此，所采用的算法

模型必须具备较高的计算效率，能够在短时间内对图像进行处理并做出准确的分析。

本文的主要工作内容如下：

(1)针对数码印花织物缺陷与背景难以有效区分的问题，本文提出基于自适应机制

的数码印花织物缺陷检测方法。该方法以YOLOv7-Tiny为基线模型，利用K-means++

算法生成初始锚框，以更好地适应复杂的目标形状；通过构建自适应CBS模块重新

配置主干网络，从而提取更高级别的特征，减少非关键特征的干扰；通过构建

ELAN-EVC模块重新配置