-
题名基于深度学习的纺织物缺陷检测技术研究
- 1
-
-
作者
杜焱铭
袁子厚
郑兴任
张红伟
-
机构
武汉纺织大学机械工程与自动化学院
武汉纺织大学湖北数字纺织设备重点实验室
-
出处
《纺织工程学报》
2024年第6期55-65,共11页
-
基金
湖北省数字化纺织装备重点实验室开放基金项目(DTL2019019)。
-
文摘
传统的纺织物缺陷检测主要依赖人工,存在主观性强、效率低和准确率不高的问题。探讨了深度学习技术在自动化纺织物缺陷检测中的应用,特别是MLP、CNN、VGG16和ResNet50模型。通过准确率、训练损失、混淆矩阵、ROC曲线和t-SNE聚类效果等指标,对这些模型在特定数据集上的表现进行了评估。结果显示:ResNet50模型在测试集上的准确率达到96.0%,AUC值超过0.91,Silhouette Score值为0.7731,Davies-Bouldin Index值为0.3195,表现出最优的检测性能。此外,针对实际生产中存在的上百种缺陷种类,还研究了层次分类方法,通过树状结构的分类策略,进一步提高了缺陷检测的准确率至85.4%。为提高纺织品质量检测的自动化水平提供了有效的技术支持。
-
关键词
深度学习
纺织物
缺陷检测
图像分类
卷积神经网络
-
Keywords
deep learning
textile material
defect detection
image classification
convolutional neural network
-
分类号
TS195.644
[轻工技术与工程—纺织化学与染整工程]
-
-
题名基于深度神经网络的蜡染图像鉴别模型研究
- 2
-
-
作者
唐文豪
罗维平
杜焱铭
余中祈
张亚鹏
-
机构
武汉纺织大学机械工程与自动化学院
武汉纺织大学、湖北数字纺织设备重点实验室
-
出处
《纺织工程学报》
2025年第2期65-74,共10页
-
基金
国家自然科学基金(62103309)
湖北省数字化纺织装备重点实验室开放课题(DTL2022001)。
-
文摘
为了传承蜡染技艺和学术研究,提高蜡染图像归类的准确率,结合印度尼西亚蜡染图像建立了一种基于Inception V3深度神经网络相结合的蜡染图像鉴别模型。为了解决数据集样本数目少的问题,采用风格迁移的方法对数据集进行扩充。对于Inception V3网络,经扩充的数据集比未经扩充的数据集准确率提升了9.56%;在扩充数据集上训练模型,Inception V3的准确率为95.1%,VGG16为76.1%,ResNet50为91.07%,Inception V3模型各类别的精确率和召回率均高于另外两类模型。
-
关键词
深度学习
蜡染图像
风格迁移
图像鉴别
精确率
召回率
-
Keywords
deep learning
batik image
style transferring
image identification
precision
recall rate
-
分类号
TS195.644
[轻工技术与工程—纺织化学与染整工程]
-
