毛纺科技

2022, v.50;No.414(12) 77-84

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进Faster R-CNN的织物疵点检测算法
Research on improved Faster R-CNN algorithm for fabric defect detection

孙旋;高小淋;曹高帅;

摘要(Abstract):

针对织物疵点面积小且长宽比跨度大的问题,提出一种基于改进Faster R-CNN的多种织物疵点检测算法。以Faster R-CNN检测算法为基础,选取优化后的ResNet50作为Faster R-CNN的主干网络,在保持ResNet50深度不变的情况下,拓宽残差结构宽度,通过调整网络部分层结构并优化网络参数,使网络提取更多特征信息并减少网络计算量。针对织物疵点检测精度低的问题,在Faster R-CNN中引用FPN网络进行多尺度预测,并将改进的K-means聚类算法生成的预测框代替原Faster R-CNN中人工设计的预测框,增强网络聚焦“小目标”疵点的特征能力,进一步提高疵点检测精度。实验结果表明:相较于原Faster R-CNN,基于改进的Faster R-CNN在平均精度上提高了6.6%,且对于“小目标”与“细长型”疵点,识别率分别高达95%与97%,在织物疵点检测中具有较好的应用价值。

关键词(KeyWords): 织物疵点;疵点检测;Faster R-CNN;优化ResNet50;改进的K-means

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(52065016)

作者(Authors): 孙旋;高小淋;曹高帅;

DOI: 10.19333/j.mfkj.20220305708

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享