安 萌，郑飂默，王诗宇，刘信君，周琪琪

1(中国科学院大学，北京 100049)

2(中国科学院 沈阳计算技术研究所，沈阳 110168)

3(沈阳中科数控技术股份有限公司，沈阳 110168)

1 引 言

服装行业作为一条大的产业链也是重要的民生支柱产业，其产品在生产过程中，由于设备及工艺的影响，面料表面往往会出现各种疵点[1]，我国虽是一个纺织品生产大国，但目前掌握的有关缺陷检测方面的知识却相当落后.传统的人工视觉检测模式劳动成本高、工作环境差，容易忽略面料的细节特点，导致识别定位的精度不高、效率低下，因此越来越多的工厂开始利用机器来代替人工进行质检[2].

随着机器视觉技术的发展，人工视觉逐渐被机器视觉所替代，避免了大部分因人工检测所造成的误差，也相应的提高了检测精度和效率.基于视觉的面料疵点检测方法大致可分为3类：基于统计、基于频谱、基于模型构建的方法[3].其中比较经典的疵点检测方法有：基于统计的采用灰度共生矩阵方法[4]，基于频谱分析的小波变换方法[5]、Gabor滤波方法[6]还有基于模型构建的马尔科夫随机场方法[7].尽管这些图像处理算法对疵点检测取得了不错的效果，但由于疵点种类众多，算法的通用性和检测精度不高，导致算法复杂度上升，给研究人员带来了一定困难.

近年来，基于深度学习的方法在视觉系统、语音检测和文档分析等领域中得到越来越广泛应用[8]，相比于人工提取特征，深度学习技术能够利用多……