肖力炀,李 伟,高 荣,申 浩,王 孟

(长安大学 信息工程学院,西安 710064)

随着人们生活水平的不断提高,人们对生活用品的质量要求也日益提升,对产品的安全更是重视.在服饰的生产缝制过程中常常出现断针现象,残留在衣服和鞋子里的断针、多余针头等金属异物会对人们的生命安全造成很大的伤害.上世纪70年代日本曾发生过一起纺织品断针残留导致儿童受伤致死的事件,后来日本立法《检针法》明令所有纺织品以及与人体皮肤接触的所有穿戴品进入市场前必须进行尖锐金属异物检测[1,2].

随着服饰类加工行业的技术复杂度不断提高,各种服饰内残留断针的风险也会增大,对服饰进行金属异物的检测也因此必不可少.对服饰的异物检测通常是对其X 光图像进行检测,X 光具有穿透性[3,4],因此可以避免开包检查成箱的服饰及鞋盒.传统的服饰异物检测手段主要是利用人工目检进行识别.目前市面上主要存在两种检测机,一种是基于电磁感应方式,这种检测方式无法感应微小断针,且不能进行成箱级检测[5];另一种是基于射线的人工目检方法,通过人工分析经过检针机的X 光图像,判断是否隐藏断针,这种方法具有较强的主观性,且人工目检效率低,容易出现漏判和错判现象[6].针对这些问题,本文采用深度学习的方法对服饰和鞋底异物进行目标检测,让机器代替人工去辨别异物图像,抛弃了传统检测方法的缺点.

深度学习技……