-
题名面向织物疵点检测的深度学习技术应用研究进展
被引量：2
- 1
-
-
作者
刘燕萍
郭佩瑶
吴莹
-
机构
浙江理工大学服装学院
浙江理工大学嵊州创新研究院
现代物流绿色低碳技术及产业化浙江省工程研究中心
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第12期234-242,共9页
-
基金
浙江理工大学优秀研究生学位论文培育基金项目(LW-YP2024037)
浙江省教育厅一般科研项目(Y202352846)
+1 种基金
浙江理工大学嵊州创新研究院科研项目(SYY2023B000003)
浙江理工大学基本科研业务费青年创新专项项目(22076229-Y)。
-
文摘
为提高深度学习技术在疵点检测中的应用效率,推动纺织行业质量控制自动化与智能化发展。首先,对现有公开的疵点数据集进行整理,剖析织物疵点数据的现状及困境。其次,从监督学习、半监督学习和无监督学习三方面梳理了面向织物疵点检测的深度学习技术原理,对比各自的优缺点及适用场景。此外,对疵点检测领域常用的速度和精度评价指标进行了总结。最后,基于背景、检测方法及评价指标等多个维度,对深度学习各类网络在疵点检测任务中的实验结果进行了对比分析。结果表明,数据集质量是影响算法性能的关键因素。认为未来研究重点将是生成有织物纹理特性的高质量疵点,可自动标注的监督学习算法,以及提升无监督和半监督学习算法的检测性能。
-
关键词
织物疵点检测
深度学习
目标检测
疵点分类
图像分割
织物质量控制
-
Keywords
fabric defect detection
deep learning
object detection
defect classification
image segmentation
quality control on fabric
-
分类号
TS101.9
[轻工技术与工程—纺织工程]
-
