文献类型：期刊文章

作　　者：罗维平[1,2] 徐洋[1] 陈永恒[1] 周博[1] 马双宝[1,2] 吴雨川[1,2]

LUO Weiping;XU Yang;CHEN Yongheng;ZHOU Bo;MA Shuangbao;WU Yuchuan(School of Mechanical Engineering and Automation,Wuhan Textile University,Wuhan,Hubei 430200,China;Hubei Provincial Key Laboratory of Digital Textile Equipment,Wuhan,Hubei 430200,China)

机构地区：[1]武汉纺织大学机械工程与自动化学院,湖北武汉430200 [2]湖北省数字化纺织装备重点实验室,湖北武汉430200

出　　处：《毛纺科技》

基　　金：国家自然科学基金项目(61271008);湖北省数字化纺织装备重点实验室公开项目(DTL2019020)。

年　　份：2021

卷　　号：49

期　　号：2

起止页码：71-78

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、RCCSE、SCOPUS、核心刊

摘　　要：针对目前工业现场织物疵点检测准确率低、速度慢和疵点识别种类少的问题,提出一种改进ResNet50网络的织物疵点检测算法。首先对数据集进行预处理,对数据样本切割增强生成模型训练集,包括无疵点和8类常见疵点类别;然后改进ResNet50网络结构,提取在大型数据集ImageNet上预训练好的权重参数迁移学习;最后反复调整超参数训练得到的疵点检测识别模型。通过多组对比实验结果表明,改进模型对正常织物和8类常见疵点识别准确率达到96.32%,比标准模型精度提升4.2%,速度提升1倍。在不同织物疵点数据集中测试,综合性能最好,泛化能力强,鲁棒性好,可以满足工业生产现场织物疵点检测需求。

关 键 词：疵点检测 迁移学习  特征提取 ResNet50  预训练模型  

分 类 号：TP18] TS106]