典型文献
基于深度学习的复杂图案印花织物疵点检测
文献摘要：
针对复杂图案印花织物疵点检测准确率不足以及误检率和漏检率较高的问题,提出了一种基于深度学习的复杂图案印花织物疵点检测方法.基于ResNet50网络融入了可变形卷积结构,获得ResNet50?DCN网络模型,提高了模型对不规则织物疵点的适应能力.本研究使用BFP?FPN模块,解决了FPN网络中存在的不同层级特征不平衡的问题,并且在BFP?FPN模块的输出部分引入特征融合模块,有效地消除了复杂图案花色背景的影响,并结合优化过的损失函数保证了数据处理的正确性和稳定性.本研究改进算法的mAP值67.87％,准确率93.56％,误检率与漏检率分别为6.44％、1.38％.认为:改进的复杂图案印花织物疵点检测模型有效提高了mAP值和准确率,降低了误检率和漏检率.
文献关键词：
印花织物;织物疵点检测;ResNet50-DCN;BFP-FPN;特征融合模块;损失函数
中图分类号：
作者姓名：
顾德英;陈龙;李文超;王娜
作者机构：
东北大学秦皇岛分校,河北秦皇岛,066004
文献出处：
引用格式：
[1]顾德英;陈龙;李文超;王娜-.基于深度学习的复杂图案印花织物疵点检测)[J].棉纺织技术,2022(03):14-18
A类：
B类：
复杂图,图案,印花织物,织物疵点检测,检测准确率,误检率,漏检率,ResNet50,可变形卷积,DCN,BFP,FPN,层级特征,特征融合模块,花色,损失函数,改进算法,mAP,检测模型
AB值：
0.174177
相似文献
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。
