文献类型：期刊文章

作　　者：张宏伟[1,2] 糜红敏[1] 陆帅[3] 陈霞[4]

ZHANG Hongwei;MI Hongmin;LU Shuai;CHEN Xia(School of Electronics and Information, Xi’an Polytechnic University, Xi’an 710048, China;State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, China;Institute of Engineering Medicine, Beijing Institute of Technology, Beijing 100081, China;Clothing Department, Xi’an Academy of Fine Arts, Xi’an 710065, China)

机构地区：[1]西安工程大学电子信息学院,陕西西安710048 [2]浙江大学工业控制技术国家重点实验室,浙江杭州310027 [3]北京理工大学医工融合研究院,北京100081 [4]西安美术学院服装系,陕西西安710065

出　　处：《西安工程大学学报》

基　　金：国家自然科学基金(61803292);陕西省科技厅面上项目(2019JM-263);陕西省教育厅专项科研计划项目(17JK0577)。

年　　份：2022

卷　　号：36

期　　号：1

起止页码：1-9

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对色织物缺陷检测存在难以获取大量有标记的缺陷数据、过检现象严重等问题,提出一种基于无监督对抗式学习的缺陷图像重构修复模型。首先,构造了基于生成对抗网络(generative adversarial net,GAN)的图像重构修复模型,利用叠加噪声后的无缺陷色织物样本图像训练模型,使模型能够有效重构出对应的无缺陷图像;然后,将待测色织物样本图像输入模型得到重构图像,进一步获取待测样本与其对应重构图像之间的残差图像;最后,通过对残差图像进行阈值分割与数学形态学运算,实现对缺陷区域的快速检测与定位。实验结果表明:该方法在不需要对缺陷样本进行标记的情况下,通过重构图像与原图之间的残差分析实现色织物的缺陷区域检测与定位。

关 键 词：色织物 缺陷检测  无监督学习 生成对抗网络  图像重构

分 类 号：TS101.91]