基于深度學(xué)習(xí)的布匹疵點檢測算法及系統(tǒng)研究.pdf

1、布匹上的疵點是影響其質(zhì)量的關(guān)鍵因素。傳統(tǒng)的布匹疵點檢測依靠人工完成，效率越來越不適應(yīng)實際生產(chǎn)；與此同時，當(dāng)前存在的一些傳統(tǒng)方法由于布匹的種類繁多以及紋理復(fù)雜性使得它們滿足不了實際工業(yè)生產(chǎn)的高準(zhǔn)確率和實時性要求，而當(dāng)前深度學(xué)習(xí)技術(shù)在圖像處理上表現(xiàn)出強大的優(yōu)勢。本文基于實際的應(yīng)用課題，將深度學(xué)習(xí)和支持向量機技術(shù)應(yīng)用于布匹（無紡布和紡織布）的疵點檢測問題上。
　　針對無紡布，由于其紋理相對較簡單，將疵點檢測問題轉(zhuǎn)化為圖像分割后的分類問題

2、。該問題通過采用深度學(xué)習(xí)框架中的卷積神經(jīng)網(wǎng)絡(luò)特征提取和支持向量機分類實現(xiàn)，它保證了檢測的高準(zhǔn)確率，但是存在耗時多的問題。為此，在卷積神經(jīng)網(wǎng)絡(luò)之前設(shè)計一個基于灰度共生矩陣紋理特征值和支持向量機的預(yù)分類模型，它與其后的基于卷積神經(jīng)網(wǎng)絡(luò)和支持向量機的終分類模型構(gòu)成了一個多層次的檢測算法，而且為了最大限度地節(jié)省計算時間，將灰度共生矩陣和紋理特征值的計算置于GPU上基于CUDA架構(gòu)并行計算實現(xiàn)。
　　針對紡織布，直接應(yīng)用針對無紡布的多層次檢

3、測算法效果不佳，因為紡織布紋理的復(fù)雜性決定了該算法中預(yù)分類模型對其的分類準(zhǔn)確率不理想。本文采用基于快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的思想，將檢測問題轉(zhuǎn)化為可能包含疵點的候選區(qū)域的確定和候選區(qū)域的分類和回歸問題。本文使用兩個共享卷積層的卷積神經(jīng)網(wǎng)絡(luò)，分別實現(xiàn)紡織布圖像中候選區(qū)域的確定以及候選區(qū)域的分類和回歸。
　　實驗證明，兩種算法針對對應(yīng)類型的布匹檢測效果在準(zhǔn)確性和實時性上均表現(xiàn)較好。最后，本文從硬件和軟件兩個方面簡述了布匹疵點檢測系統(tǒng)的結(jié)構(gòu)