典型文献
基于改进AlexNet模型的抓毛织物质量检测方法
文献摘要：
针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类.实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高.基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高.
文献关键词：
抓毛织物;机器视觉;卷积神经网络;迁移学习;数据增强;织物质量检测
中图分类号：
作者姓名：
金守峰;侯一泽;焦航;张鹏;李宇涛
作者机构：
西安工程大学 机电工程学院,陕西 西安 710600;西安工程大学 西安市现代智能纺织装备重点实验室,陕西 西安 710600
文献出处：
引用格式：
[1]金守峰;侯一泽;焦航;张鹏;李宇涛-.基于改进AlexNet模型的抓毛织物质量检测方法)[J].纺织学报,2022(06):133-139
A类：
抓毛织物,织物质量检测,SGDM,pool5
B类：
AlexNet,质量检测方法,图像识别,表面特征,识别准确率,数据增强,增强方法,样本特征,RMSProp,Adam,学习率,实验方法,新学,迁移学习,图像数据集,不同深度,池化,取到,分类器,神经网络方法,加卷,卷积层,特征的提取,分辨力,图像特征,算法训练,识别率高,机器视觉
AB值：
0.158475
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。
