张宏伟，刘舒婷，陆 帅，顾 德，严 冬

(1.西安工程大学 电子信息学院，陕西 西安 710048；2.浙江大学 工业控制技术国家重点实验室，浙江 杭州 310027；3.北京理工大学 理学院，北京 100029；4.江南大学 轻工过程先进控制教育部重点实验室，江苏 无锡 214122)

0 引 言

色织物是采用染色纱线进行织造的织物，其品种繁多，各具特色。色织衬衫是我国纺织行业中的重要服装产品之一，其特殊的花型外观赢得了国内外消费者的欢迎[1]。在色织衬衫生产过程中，由于织造设备故障以及操作工人熟练程度不同，使得色织衬衫存在不同形态的缺陷[2]，严重影响色织衬衫的品质和市场议价能力。目前，绝大多数衬衫制衣企业采用人工目测的方法进行缺陷检测。该方法存在效率低、检测结果不稳定且易受个人主观因素干扰等问题[3]。因此，使用机器视觉的自动检测方法代替人工检测，受到了研究人员的关注。

目前，织物缺陷检测的主流方法主要分为频谱法、结构法、统计法、模型法和学习法等5类。其中，基于频谱的方法又包括傅里叶变换[4]、小波变换[5-6]和Gabor变换[7]等；基于统计的方法包括直方图统计法、灰度共生矩阵[8]和数学形态学[9]；基于模型的方法包括自回归模型[10]、马尔可夫模型[11]等；基于学习的方法主要有字典学习法[12-13]等。然而，上述各特征工程算法耗时长，对于小批量、花型变化快的色织衬衫检测成本过高。

与特征工程方法相比，神经网络具有更好的特征提取能力。目前，大多数深度学习模型都属于有监督范畴，在训练的过程中需要大量带标签的缺陷样本。……