-
题名基于改进Pix2PixGAN的织物疵点检测算法
被引量：9
- 1
-
-
作者
郜仲元
余灵婕
章玉铭
支超
陈梦琦
-
机构
西安工程大学纺织科学与工程学院
西安工程大学省部共建智能纺织材料与制品国家重点实验室(培育)
绍兴文理学院元培学院纺织服装与艺术设计分院
-
出处
《毛纺科技》
CAS
北大核心
2022年第3期9-13,共5页
-
基金
国家自然科学基金项目(51903199)
陕西省自然科学基础研究计划资助项目(2019JQ-182)
+2 种基金
陕西省教育厅科研计划资助项目(18JS039)
2020年陕西高校“青年杰出人才支持计划”
西安工程大学研究生创新基金项目(chx2021004)。
-
文摘
针对现阶段深度学习应用于纺织疵点检测时,由于疵点织物数据量不足而导致检测模型准确率低、疵点识别种类少的问题,提出一种基于改进Pix2PixGAN网络的训练数据增强方法。无疵点织物图像比较容易获取,利用多层深度Pix2PixGAN网络,可在无疵点织物图像上自动生成疵点,从而实现疵点图像数据的增强。首先对数据集进行预处理,得到语义分割图;然后加深U-net网络,利用双重Pix2PixGAN网络加强疵点与纹理的融合;最后将新生成的疵点图像数据加入原训练集完成数据增强。分别以数据增强前后的疵点织物样本作为训练集,采用Faster R-CNN目标检测模型进行对比实验。实验结果表明,数据增强方法可有效提高织物疵点检测的效果。对于线状、破洞和污渍3种疵点,与原训练数据集相比,数据增强后的检测模型平均精度分别从73%、75%、62%提升到84%、79%、65%。
-
关键词
疵点检测
生成对抗网络
Pix2PixGAN
数据增强
-
Keywords
defect detection
generative adversarial network
Pix2PixGAN
data enhancement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
