模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (12): 1135-1144    DOI: 10.16451/j.cnki.issn1003-6059.202012008
“结构化学习表示及其在目标检测与识别中的应用”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于级联卷积神经网络的复杂花色布匹瑕疵检测算法
孟志青1, 邱健数1
1.浙江工业大学管理学院摇杭州 310014
Defect Detection Algorithm of Complex Pattern Fabric Based on Cascaded Convolution Neural Network
MENG Zhiqing1, QIU Jianshu1
1. School of Management,Zhejiang University of Technology,Hangzhou 310014

全文: PDF (2525 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 

当布匹的背景信息复杂多变时,复杂花色布匹的瑕疵定位与分类较为困难.针对这一问题,文中提出基于级联卷积神经网络的复杂花色布匹瑕疵检测算法.首先,使用双路残差的骨干特征提取网络,在缺陷图和模板图上提取并融合特征.然后,设计密度聚类边框生产器,指导框架中区域候选网络的预检测框设计.最后,通过级联回归方法完成瑕疵的精确定位和分类.采用工业现场采集的布匹图像数据进行训练与预测,结果表明,文中算法的精准率和召回率较高.

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
孟志青
邱健数
关键词 布匹瑕疵检测级联卷积神经网络目标检测瑕疵分类    
Abstract

In defect location and classification of complex colored fabric,it is difficult to locate and classify defects in the cloth with complex and changeable background information.To solve this problem,a defect detection algorithm of complex pattern fabric based on cascaded convolution neural network is proposed.Firstly,the backbone feature extraction network based on two-way residual is applied to extract and fuse features from defect map and template map.Then,a density clustering frame producer is designed to guide the design of pre inspection frame for regional candidate networks in the framework.Finally,the cascaded regression method is utilized to locate and classify the defects accurately.The cloth image data collected from industrial field is adopted for training and prediction.The final results show that the proposed algorithm achieves high accuracy and recall rate.

Key wordsFabric Defect Detection    Cascaded Convolution Neural Network    Target Detection    Defect Classification   
收稿日期: 2020-09-09     
基金资助:

国家自然科学基金项目(No.11871434)资助

通讯作者: 孟志青,博士,教授,主要研究方向为数据挖掘、机器学习.E-mail:mengzhiqing@zjut.edu.cn.   
作者简介: 邱健数,硕士研究生,主要研究方向为数据挖掘、机器学习.E-mail:2111904062@zjut.edu.cn.
引用本文:   
孟志青, 邱健数. 基于级联卷积神经网络的复杂花色布匹瑕疵检测算法[J]. 模式识别与人工智能, 2020, 33(12): 1135-1144. MENG Zhiqing, QIU Jianshu. Defect Detection Algorithm of Complex Pattern Fabric Based on Cascaded Convolution Neural Network. , 2020, 33(12): 1135-1144.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202012008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I12/1135
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn