典型文献
基于记忆去噪卷积自编码器的色织物缺陷检测
文献摘要：
针对传统自编码器泛化能力弱导致色织物缺陷检测性能不佳的问题,提出一种记忆去噪卷积自编码器重构模型和残差分析的无监督色织物缺陷检测与定位方法.首先,训练阶段仅利用无缺陷样本叠加椒盐噪声构建训练集.接着,建立记忆去噪卷积自编码器重构模型.然后,将训练集输入模型进行训练,使模型具有重构修复缺陷区域的能力.最后,在检测阶段计算待测色织物图像和其对应的重构图像之间的残差,并对残差图像进行阈值分割和闭运算操作,实现色织物缺陷区域的检测和定位.实验结果表明,提出的方法能有效重构色织物纹理,快速准确地检测和定位多种色织物的缺陷区域.该方法无需缺陷样本和缺陷样本标记,仅通过记忆无缺陷样本特征来增强模型重构修复缺陷区域的能力,从而提高缺陷检测性能.
文献关键词：
织物缺陷检测;色织物;无监督学习;自编码器;异常检测
中图分类号：
作者姓名：
张宏伟;张伟伟;熊文博;陆帅;陈霞
作者机构：
西安工程大学电子信息学院,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;北京理工大学理学院,北京100029;西安美术学院服装系,陕西西安710065
文献出处：
引用格式：
[1]张宏伟;张伟伟;熊文博;陆帅;陈霞-.基于记忆去噪卷积自编码器的色织物缺陷检测)[J].纺织高校基础科学学报,2022(02):64-71
A类：
B类：
去噪,卷积自编码器,色织物,织物缺陷检测,泛化能力,检测性能,器重,重构模型,残差分析,检测与定位,定位方法,训练阶段,无缺陷样本,椒盐噪声,训练集,集输,重构图像,残差图,差图像,阈值分割,闭运算,检测和定位,织物纹理,快速准确,样本特征,增强模型,模型重构,无监督学习,异常检测
AB值：
0.253813
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。
