基于深度可分离卷积神经网络的织物疵点检测方法

摘要

本发明提出了一种基于深度可分离卷积神经网络的织物疵点检测方法，其步骤为：首先，通过标注工具对采集的织物疵点图像进行标注作为织物图像数据集，并将织物图像数据集分成训练集和测试集；其次，构建深度可分离卷积模块，利用深度可分离卷积模块搭建DefectNet网络；再将训练集输入DefectNet网络中进行训练，利用异步梯度下降的训练策略调整DefectNet网络的参数，得到DefectNet网络模型；最后，将测试集中的织物图像输入DefectNet网络模型中，得到图像中的目标疵点及位置坐标，并在图像中框出疵点目标。本发明将深度可分离卷积和多尺度特征提取相结合搭建卷积神经网络模型，具有很高检测精度，极大提高了检测速度，达到实时检测的要求。