-
题名基于多度量多模型图像投票的织物表面瑕疵检测方法
被引量：2
- 1
-
-
作者
朱凌云
王晨宇
赵悦莹
-
机构
重庆理工大学计算机科学与工程学院
重庆理工大学两江国际学院
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第6期89-97,共9页
-
基金
重庆市巴南区科技计划项目(2018TJ02,2020QC430)
重庆理工大学研究生教育高质量发展项目(gzlcx20223133)。
-
文摘
为解决自动化生产线上织物表面瑕疵检测准确率低和计算速度慢的问题,利用织物表面具有周期纹理的特性提出了一种改进的RANSac检测方法,即多度量多模型图像投票。首先将输入图像裁剪为尺寸一致的子图,计算出子图多维度量的输出值矩阵;然后与改进RANSac计算出的无瑕疵背景的多维度量标准值分别对应作差,采用投票得出每张子图的基础分;再将其在4个记数模型下得到的综合评分排序,根据顺序和偏移量在输出端得到外点所代表的瑕疵子图。实验结果表明:在自采样的织物瑕疵数据集上,选择单度量和单模型的预测精度平均可达到90.9%,平均预测时间达到0.139 s,综合多度量多模型投票的平均预测精度可达到92.7%。该算法不需要大量前期数据进行训练,适用于纯色和条纹状织物的实时表面缺陷检测。
-
关键词
目标检测
周期纹理
织物表面瑕疵检测
零斜率RANSac
多度量多模型图像投票
-
Keywords
object detection
periodic texture
fabric surface defect detection
zero-slope-RANSac
multi-metric-multi-model image voting
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TS101.8
[轻工技术与工程—纺织工程]
-
