基于记忆去噪卷积自编码器的色织物缺陷检测

针对传统自编码器泛化能力弱导致色织物缺陷检测性能不佳的问题，提出一种记忆去噪卷积自编码器重构模型和残差分析的无监督色织物缺陷检测与定位方法。首先，训练阶段仅利用无缺陷样本叠加椒盐噪声构建训练集。接着，建立记忆去噪卷积自编码器重构模型。然后，将训练集输入模型进行训练，使模型具有重构修复缺陷区域的能力。最后，在检测阶段计算待测色织物图像和其对应的重构图像之间的残差，并对残差图像进行阈值分割和闭运算操作，实现色织物缺陷区域的检测和定位。实验结果表明，提出的方法能有效重构色织物纹理，快速准确地检测和定位多种色织物的缺陷区域。该方法无需缺陷样本和缺陷样本标记,仅通过记忆无缺陷样本特征来增强模型重构修复缺陷区域的能力,从而提高缺陷检测性能。