改进型SSD网络的织物瑕疵检测算法

作者：龙玥; 韩军; 孙园^*; 黄慧玲; 郭前进

来源：厦门理工学院学报, 2022, 30(05): 64-73.

DOI：10.19697/j.cnki.1673-4432.202205009

• 织物
• 瑕疵检测
• SSD算法
• RepVGG网络
• SE模块
• 深度可分离卷积
• K-means聚类算法

针对传统纺织生产中瑕疵检测精度低、速度慢和模型太大影响部署等问题，提出一种基于改进型SSD(single shot multiBox detector)网络的织物瑕疵检测算法。将RepVGG网络融合SE(squeeze-and-excitation)模块，提出SE-RepVGG网络作为SSD的主干网络；在增强网络特征提取能力的同时，采用结构重参数化方法大幅减少网络的参数量和计算量，以改善实时检测性能；利用深度可分离卷积代替传统卷积，设计DCS(deconvoution-and-squeeze)模块构建SSD的辅助网络，以进一步降低网络计算量；利用K-means聚类算法调整先验框比例，以提升检测精度。实验结果表明，相比原始SSD网络，算法在检测精度上mAP提高34.47%,达到96.96%,网络参数量减少13.01 MB,检测速度为47 F·s-1,满足工业实时检测需求。

• 出版日期2022
• 单位中国科学院福建物质结构研究所; 自动化学院; 厦门理工学院