科研之友
微信
新浪微博
Facebook
分享链接
摘要
制造业瑕疵检测问题是工业产品的关键环节，其中织物瑕疵检测尤为关键.针对织物图像尺寸大、局部瑕疵数量少、图像背景复杂等问题，设计了一种基于Cascade R-CNN融合尺度不变特征的织物瑕疵检测方法 .通过训练具有多个递增交并比（IoU）阈值的级联检测网络，解决了传统深度神经网络的过拟合和错配问题；针对工业生产上存在的待检测图片发生倾斜、偏转和迁移等问题，通过尺度不变特征变换（SIFT）算法对待检测织物图进行预处理，将其正确定位到模板图上对应位置后，再进行瑕疵检测；借鉴孪生学习的思路，通过扩充输入通道，同时输入并分析待检测的图像和模板，提高了瑕疵检测的精度.实验结果表明：该模型能够有效地完成瑕疵检测任务，可对7类织物瑕疵进行检测与分类，平均精度均值达87.5%.
- 出版日期2023
- 单位机电工程学院; 上海师范大学
