基于图像增强和CNN的布匹瑕疵检测算法

摘要

布匹缺陷检测是纺织行业生产过程中保障布匹质量的重要环节,计算机视觉技术的发展使得利用数字图像处理来检测布匹瑕疵成为大势所趋.针对布匹生产企业存在人工检测布匹瑕疵效率低、误检率和漏检率高的问题,结合布匹纹理比较统一的特征以及布匹瑕疵数据规模小的特点,提出一种基于图像增强和卷积神经网络(convolutional neural network,CNN)的单色布匹瑕疵检测方法,设计了结合数字图像增强技术的浅层卷积神经网络结构.摄像机采集的布匹图像经过图像预处理、图像增强和边缘检测后,突显布匹的纹理特征和瑕疵区域,提升了卷积神经网络对布匹有效特征的提取效率,减少了不必要的特征提取,有效降低了神经网络模型的过拟合问题造成的错误率.实验结果表明,该方法可实现较高的准确率,在PC机的GPU模式下,准确率可达到93％.