基于UNet++自编码器的织物缺陷检测

摘要

针对传统人工织物缺陷检测误检率和漏检率较高的问题,提出一种基于UNet++的自动缺陷检测方法,实现对织物缺陷的分割。该方法首先需要将少量正常纹理样本图像通过叠加高斯噪声作为训练集对UNet++模型训练;为了提高网络性能,在网络中增加了由通道注意力与空间注意力组成的注意力模块。检测时,通过向训练好的模型输入待测图像来使网络输出重构图像;最后根据重建图像与待测图像的结构相似性评价及残差图像,通过自适应阈值分割与形态学处理,即可完成对缺陷的定位。试验结果表明:在不需要对缺陷样本标记的情况下,该算法能够更准确地检测出缺陷区域,对缺陷的漏检和误检较低,具有较好的适应性。