改进的卷积神经网络的织物瑕疵检测算法

摘要

针对织物的复杂纹理、瑕疵检测的复杂性和特殊性以及目前传统检测算法准确度难以提高等问题,提出一种融合Grabcut算法和卷积神经网络模型的织物瑕疵检测算法.首先采用Gtabcut分割算法对复杂纹理背景下的织物疵点快速、准确地分割、定位,提供目标的待选区域,然后通过改进后的卷积神经网络对结构各异的疵点进行识别和分类.该方案提高了深度学习在不同织物瑕疵分类中的鲁棒性,实验结果表明,相对于其他传统的特征提取和纹理识别方法,该模型检测误差率较小,准确率达到了93％,验证了本方法的可行性和高效性.