典型文献
基于超分辨率模型与YOLO-V4的织物疵点检测
文献摘要：
针对工业条件限制下采集的印花布数据集图像分辨率低、检测效果差等问题,课题组提出基于超分辨率模型SRGAN与YOLO-V4网络的织物疵点检测方法,并对SRGAN算法进行改进.课题组首先使用改进的SRGAN算法对原数据集进行超分辨率重构,提高图像分辨率;然后将重构图翻转变化与原图共同作为数据集输入YOLO-V4进行网络训练;最后通过YOLO-V4网络检测印花布表面疵点.实验结果表明:该方法可提高低分辨率织物图疵点检测效果,准确率高达90.29％,比超分辨率重构前提升了13.19％,能实现实时定位疵点的准确位置并输出疵点类别.
文献关键词：
织物疵点;超分辨率重构;改进SRGAN算法;数据扩充;YOLO-V4网络
中图分类号：
作者姓名：
王峰;胥光申;黄乾玮;余海洋
作者机构：
西安工程大学 机电工程学院,陕西 西安 710048;沈阳工业大学 信息科学与技术学院,辽宁 沈阳 110870
文献出处：
引用格式：
[1]王峰;胥光申;黄乾玮;余海洋-.基于超分辨率模型与YOLO-V4的织物疵点检测)[J].轻工机械,2022(05):60-66
A类：
B类：
YOLO,V4,织物疵点检测,印花布,图像分辨率,检测效果,SRGAN,超分辨率重构,构图,原图,集输,网络训练,网络检测,低分辨率,实时定位,数据扩充
AB值：
0.171798
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。
