APP下载

基于轻量级模型的经编布瑕疵在线检测算法

2021-01-20唐有赟盛晓伟余智祺孙以泽

东华大学学报(自然科学版) 2020年6期
关键词:特征检测模型

唐有赟, 盛晓伟,徐 洋, 余智祺,孙以泽

(东华大学 机械工程学院, 上海 201620)

布匹瑕疵检测是纺织企业生产流水线上的一个重要环节,布匹的检测效率以及准确度决定企业的经济效益及客户持续合作的意向。现阶段,大多数纺织企业采用人工检测的方式,该检测方法需要工人长时间站立于验布机台前,通过不间断地仔细观察处于移动状态中的布匹瑕疵状态。其存在以下不足:首先对人眼伤害极大并且检测效率低,其次因不同工人的评判标准不一致导致检测准确率低,最后对工人的培训以及工资支付成本高。近年来,随着机器视觉技术的发展,其被工业界广泛应用[1-2]。该方法不仅可以弥补工人效率低的不足,还可以降低工人劳动强度,并且不受工人主观性的影响,可以提高检测准确率。

在瑕疵检测中,应用机器视觉的方法大致可以分类两类。一类是传统的图像处理方法:如胡克满等[3]通过改进Canny算子提取瑕疵特征进行检测;吴莹等[4]通过K- 奇异值分解(K-singular value decompostion, K-SVD)学习字典提取织物的表明纹理特征进行检测;汤晓庆等[5]通过Gabor滤波器结合方向梯度直方图(histogram of oriented gradient,HOG)特征进行瑕疵检测;万东等[6]通过先计算瑕疵的灰度共生矩阵(gray level co-occurrence matrix, GLCM)特征,然后利用支持向量机进行分类。该类方法由于需要人工提取特征,检测性能容易受到预测样本的多样性影响,泛化能力弱。另一类是近年来发展迅速的深度学习方法[7-8],该方法不需要人工提取特征,可以真正实现端到端的学习。……

登录APP查看全文

猜你喜欢

特征检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
线性代数的应用特征