典型文献
基于Contrast GAN的色织物缺陷检测
文献摘要：
传统自编码器应用于图案、背景纹理复杂的色织物缺陷检测任务中,存在普适性差以及漏检率、误检率高等问题,为了解决该问题,提出一种基于对比学习生成式对抗网络(ContrastGAN)的无监督检测方法.首先,建立基于ContrastGAN的色织物图像重构修复模型;其次,采用对比学习加强潜在特征空间正负例样本约束,最大化输入输出图像对应Patch之间的互信息,增强正负例特征向量区分度,使模型重构无缺陷样本图像能力得到进一步提升;然后,利用训练好的模型得到待测色织物的重构图像,并通过计算得到待测样本与对应重构图之间的残差图像;最后,对残差图像进行阈值分割和数学形态学处理,实现了缺陷区域的快速检测和准确定位.该模型能有效重构多种色织物的纹理,相比传统自编码器能够实现更高的缺陷定位精度,满足多种复杂色织物缺陷检测场景的需要.
文献关键词：
机器视觉;色织物;缺陷检测;对比学习;Patch级别互信息;潜在特征空间
中图分类号：
作者姓名：
周新龙;张宏伟;吴燕子;陆帅;张玥
作者机构：
西安工程大学,陕西西安,710048;浙江大学工业控制技术国家重点实验室,浙江杭州,310027;北京理工大学医工融合研究院,北京,100081
文献出处：
引用格式：
[1]周新龙;张宏伟;吴燕子;陆帅;张玥-.基于Contrast GAN的色织物缺陷检测)[J].棉纺织技术,2022(11):1-8
A类：
ContrastGAN,潜在特征空间
B类：
色织物,织物缺陷检测,自编码器,图案,漏检率,误检率,对比学习,生成式对抗网络,无监督,监督检测,图像重构,正负,本约,输入输出,出图,Patch,互信息,特征向量,区分度,模型重构,无缺陷样本,练好,重构图像,残差图,差图像,阈值分割,数学形态学,形态学处理,快速检测,准确定位,缺陷定位,定位精度,杂色,机器视觉
AB值：
0.287726
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。
