基于卷积神经网络的织物瑕疵检测方法研究

摘要

织物瑕疵检测是控制织物产品质量的重要步骤,传统的织物瑕疵检测方法检测效率低,劳动强度大。因此,针对传统检测方法存在的问题,提出一种基于卷积神经网络(CNN)的分类算法用于实现织物瑕疵检测。网络是在VGG16的基础上进行减枝,通过优化网络参数实现最优结果。首先,由于织物瑕疵大小差别较大,提出将瑕疵边缘作为检测的目标,这样就可以将大尺度图片分割为64×64的小尺度图片用于网络训练,既提高了网络的分类准确率,又解决了织物瑕疵图像搜集困难的问题。其次,在测试过程中,提出对大尺度图片进行有重叠的分割,然后对分割后的图片进行分类,根据每张图片的输出标签和位置来实现大尺度图片的瑕疵检测。实验结果表明,本文所提出的网络结构相比于传统的VGG16和LeNet网络结构,具有检测速度快、检测精度高等优势。