共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
为解决用于本色布疵点检测的浅层机器学习方法中人工特征提取主观性强、同一种特征提取方法无法适用于不同组织结构织物的问题,采用具有特征学习功能的自动编码器神经网络对原始图像进行特征自动提取。设计了含有一个隐藏层的全连接恒等神经网络,原始数据输入该神经网络后,被隐藏层压缩,并在输出层重构,训练过程中通过优化重构层与输入层之间的误差来求解神经网络最佳系数。将训练好的自动编码器神经网络用于对原始图像进行编码压缩,经过压缩后的数据通常维数远远低于输入数据,将压缩结果作为输入图像所对应的特征向量,采用支持向量机进行分类。通过将应用自动编码器自动提取的特征与传统的PCA、HOG特征进行对比实验,结果表明,采用自动编码器自动提取的特征性能明显优于传统手工提取的特征。 相似文献
4.
5.
6.
7.
8.
织物疵点图像的消噪是疵点识别和分类的重要预处理步骤。采用中值滤波、Wiener滤波和小波阈值化消噪3种方法对织物疵点图像进行消噪处理。在采用中值滤波和Wiener滤波时,同时选用3×3和5×5滤波器进行消噪;在采用小波阈值化消噪时,计算图像全局阈值,同时采用软、硬阈值消噪方法,对疵点图像进行消噪。通过实验比较,采用小波阈值化方法消噪时,疵点图像边缘清晰,峰值信噪比显著提高,其效果明显好于中值滤波和Wiener滤波;采用小波阈值化消噪后的疵点图像可在特征提取和识别中使用。 相似文献
9.
为提高疵点检测效率和准确率,提出用改进频率调谐显著(FT)算法替代 Gabor 小波方法预处理疵点图像,强化疵点特征向量灵敏度。分析了FT 算法中高斯滤波器模板、Lab 颜色空间、高斯滤波图像中椒盐噪声和 HSV 颜色空间不同通道取值范围不一致对疵点识别的影响,并提出了相应改进方法。利用改进 FT 算法进行图像显著处理;使用灰度共生矩阵方法对疵点显著图进行特征提取;利用概率神经网络分类器分类,检测是否存在疵点。对 2 种不同纹理面料的检测结果表明:改进 FT 算法较改进前计算时间增加约8%,但疵点检测准确率提高18% ~25%;与 Gabor 小波相比,检测准确率基本持平,但计算时间缩短约70%。 相似文献
10.
为快速、准确检测布匹疵点,提出以深度学习目标检测框架YOLOv4为基础的布匹疵点检测方式,首先将5种常见疵点图像(吊经、百脚、结点、破洞、污渍)进行预处理,然后将图像输入到YOLOv4算法中进行分类。YOLOv4采用CSPDarknet53作为主干网络提取疵点特征,SPP模块、FPN+PAN的方式作为Neck层进行深层疵点特征提取,预测层采用3种尺度预测方式,对不同大小的疵点进行检测。研究结果表明:经600个测试集样本的验证,该方法对疵点图像的检测准确率达95%,检测单张疵点图像的速率为33 ms。与SSD、Faster R-CNN、YOLOv3方法进行比较,采用YOLOv4方法准确率更高,速度更快。 相似文献
11.
0 前言根据国标《GB T 4 0 6— 93》对棉本色布、《GB T53 2 5— 1 997》对精梳涤 棉混纺本色布的分等规定 ,并粗工序造成的布面纱疵主要表现形式有 :(1 )错纬 :织入布内达半幅及以上的粗纬、细纬 ;(2 )粗经 :织入织物内达 0 .5mm以上的明显偏粗的经纱段 ;(3 )竹节 :比原经或纬纱粗二倍 ,在织物经向或纬向 0 .5m内的连续评分 1 0分以上 ;(4 )中长片段条干不匀 :纬纱的粗节长度在 8cm及以上 ;棉布叠起来看 ,疵点部位与其前后的正常部位有明显的划分得开的较差的纬纱条干不匀。并粗工序上述的四类疵点均为布面显著性疵点 ,是影响… 相似文献
12.
13.
探讨Faster RCNN模型在坯布疵点检测中的应用效果。在原始Faster RCNN的基础上,采用提取特征效果更好的深度残差网络,先使用残差网络进行坯布图像特征提取,再通过区域生成网络及Fast RCNN检测网络对坯布的疵点目标进行分类与检测。试验对比了Faster RCNN分别与VGG16、ResNet101结合时的检测结果,并讨论了不同参数对结果的影响。试验结果表明:该方法可以有效解决坯布疵点检测问题,检测准确率能够达到99.6%。认为:基于Faster RCNN目标检测与ResNet101卷积神经网络相结合的方法能够满足坯布生产过程中对于表面疵点进行准确检测的需求。 相似文献
14.
为了能够准确地提取不同纹理的特征,提出一种新的纹理特征提取方法,自适应局部二值模式为不同纹理特征创建相应的主要概率模式子集,避免了均匀局部二值模式使用同一模式集描述不同纹理结构而导致的描述不准确问题.在该算法基础上构建一种新颖的织物疵点检测算法,使用本文提出的特征提取方法获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗提取特征后,与阈值比较以判断是否为疵点区域.实验证明此算法不仅保持了传统LBP的旋转不变、多分辨率等特点,而且疵点检测结果在视觉上更加细腻、误检率更低、适用范围更广. 相似文献
15.
16.
17.
高密卡其织物经缩疵点的修整方法 总被引:1,自引:1,他引:0
高密卡其织物上的经缩 ,主要是指部分经纱受意外张力后松弛 ,使织物表面上呈现出的条状不平。依其程度分为经缩波纹与经缩浪纹。由于经缩大多是因挡车工操作不当或开关车所致 ,所以 ,疵点较普遍 ,量也较大。按照GB T 40 6— 93棉本色布评分标准 ,1楞~ 2楞通幅经缩波纹评 1分 ,1楞~ 2楞通幅经缩浪纹评 3分 ,半幅以下波纹、浪纹不评分。可以看出 ,国家标准对经缩疵点的评分要求不是很严格。因此 ,原来对经缩疵点的修整也不太重视。但是 ,随着市场竞争日趋激烈 ,用户对原布的质量要求越来越高。我公司的主导产品是 2 9.1 5 36.4450 3.5 2 … 相似文献
18.
19.
20.
为了解决现有织物疵点检测算法对种类繁多的疵点形式尤其是对微弱纹理变化疵点的适应性较弱问题,提出以单演小波分析工具为基础的织物疵点检测算法。通过拉普拉斯分数阶算子与多重调和样条构建各向同性拉普拉斯小波后,对其进行Riesz变换构建Riesz–拉普拉斯小波,实现了织物图像的单演小波分析。对单演小波分析结果中的多分辨率方向与振幅子带,分别设计了最优响应子带判断标准以及最优响应子带分割方法。实验结果表明,本文提出的检测算法可有效分割不同织物纹理中的多种类疵点,分割结果可反映疵点位置与轮廓,对342幅实验样本图像实现了97.37%的检出率,具有较好的自适应性与鲁棒性。 相似文献