典型文献
基于深度特征融合的无纺布低对比度浆丝缺陷检测方法
文献摘要：
针对无纺布生产过程中产生的浆丝缺陷对比度较低,以及传统图像处理方法对其检测效果较差的问题,提出了一种基于卷积神经网络(CNN)的无纺布低对比度浆丝缺陷检测方法.首先,对采集到的无纺布图像进行预处理以构建浆丝缺陷数据集;然后,利用改进的卷积神经网络以及多尺度特征采样融合模块构造编码器以提取低对比度浆丝缺陷的语义信息,并在解码器中采用跳跃连接进行多尺度特征融合来优化上采样模块;最后,通过所构建的数据集训练网络模型,从而实现低对比度浆丝缺陷的检测.实验结果表明,所提方法可以有效定位并检测出无纺布上的低对比度浆丝缺陷,其平均交并比(MIoU)、类别平均像素准确率(MPA)分别可以达到77.32％和86.17％,单张样本平均检测时间为50 ms,能够满足工业生产的要求.
文献关键词：
无纺布;低对比度;浆丝缺陷;语义分割;深度学习
中图分类号：
作者姓名：
鲁永帅;唐英杰;马鑫然
作者机构：
北京印刷学院信息工程学院,北京102600
文献出处：
引用格式：
[1]鲁永帅;唐英杰;马鑫然-.基于深度特征融合的无纺布低对比度浆丝缺陷检测方法)[J].计算机应用,2022(05):1440-1446
A类：
浆丝缺陷
B类：
深度特征融合,无纺布,低对比度,缺陷检测方法,检测效果,缺陷数据,编码器,语义信息,解码器,跳跃连接,接进,多尺度特征融合,上采样,样模,过所,集训,平均交并比,MIoU,像素,MPA,单张,检测时间,ms,语义分割
AB值：
0.251149
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。
