-
题名基于轻量级模型的经编布瑕疵在线检测算法
被引量：4
- 1
-
-
作者
唐有赟
盛晓伟
徐洋
余智祺
孙以泽
-
机构
东华大学机械工程学院
-
出处
《东华大学学报（自然科学版）》
CAS
北大核心
2020年第6期922-928,共7页
-
基金
国家重点研发计划资助项目(2018YFB1308800)。
-
文摘
针对目前纺织企业人工检验布匹瑕疵方法的成本高、误检率高、效率低等问题,提出一种基于机器视觉的轻量级模型的经编布瑕疵检测方法。通过搭建瑕疵检测系统平台,改进MUNIT模型以扩充瑕疵样本。在一阶模型YOLO(you only look once)的基础上引入深度可分离卷积,从而减少参数量以提升检测速度,自定义符合瑕疵特征的ASPP(atrous spatial pyramid pooling)模块提高模型精度,并采用Focal Loss损失函数减少类别不平衡对检测精度的影响。结合原始瑕疵样本以及生成样本,实现瑕疵在线检测。为验证模型的高效性,通过设置一系列试验与原始一阶模型YOLO及二阶模型Faster R-CNN(region-convolutional neutral network)进行对比,结果表明,提出的轻量级模型在满足经编布瑕疵检测精度的基础上,具有更快的检测速度,是目前人工检测速度的4~6倍。
-
关键词
经编布
瑕疵在线检测
深度学习
轻量级模型
深度可分离卷积
-
Keywords
warp knitting fabric
online defect detection
deep learning
lightweight model
depthwise separable convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TS101
[轻工技术与工程—纺织工程]
-
