典型文献
基于改进Faster R-CNN的花色布瑕疵检测算法
文献摘要：
针对布匹瑕疵自动化检测,基于传统的机器视觉方法依赖于人工设计特征,对具有复杂背景图案的花色布瑕疵特征提取难度非常大,因此提出一种基于改进Faster R-CNN(faster region with convolutional neural network)的花色布瑕疵检测算法.在Faster R-CNN的基础上使用Resnet-50作为主干网络,嵌入可变形卷积来提高瑕疵特征的学习能力.通过设计多尺度模型来提高小瑕疵的检测,引入级联网络来提高瑕疵检测精度和定位准确度,构造优化的损失函数来降低样本不平衡影响.通过试验验证了该算法的有效性.结果表明,瑕疵检测效果准确率达94.97％,并能精准定位瑕疵位置,可满足工厂的实际需求.
文献关键词：
花色布;瑕疵检测;可变形卷积;多尺度模型;级联网络;融合损失函数
中图分类号：
作者姓名：
费利斌;徐洋;余智祺;孙以泽;季诚昌
作者机构：
东华大学 机械工程学院,上海 201620
文献出处：
引用格式：
[1]费利斌;徐洋;余智祺;孙以泽;季诚昌-.基于改进Faster R-CNN的花色布瑕疵检测算法)[J].东华大学学报（自然科学版）,2022(02):75-80
A类：
花色布
B类：
Faster,瑕疵检测,检测算法,布匹,自动化检测,机器视觉,设计特征,复杂背景,背景图,图案,faster,region,convolutional,neural,network,Resnet,主干网络,可变形卷积,多尺度模型,高小,级联网络,检测精度,定位准确,构造优化,来降,样本不平衡,检测效果,精准定位,融合损失函数
AB值：
0.307265
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
