【摘 要】
：
随着社会发展进步,纺织技术日益提高,纺织类产品在日常生活和工业场景中处处可见。纺织品在获得广泛应用的同时,对其质量也提出更高的要求。在织物生产过程中,产品质量检测是十分重要的环节,对织物表面断裂、磨损、划痕、破洞和油污这些缺陷的及时检测和处理,可以为企业生产创造价值减少损失。同时,考虑到织物图像背景复杂、缺陷细微难以察觉等难点,人工检验和传统方法缺乏效率、执行复杂、效果不佳,急需开展更为智能高效的
论文部分内容阅读
随着社会发展进步,纺织技术日益提高,纺织类产品在日常生活和工业场景中处处可见。纺织品在获得广泛应用的同时,对其质量也提出更高的要求。在织物生产过程中,产品质量检测是十分重要的环节,对织物表面断裂、磨损、划痕、破洞和油污这些缺陷的及时检测和处理,可以为企业生产创造价值减少损失。同时,考虑到织物图像背景复杂、缺陷细微难以察觉等难点,人工检验和传统方法缺乏效率、执行复杂、效果不佳,急需开展更为智能高效的织物外观缺陷检测方法研究。本文针对织物外观检测现有的弊端,结合先进的计算机视觉算法,研究基于深度学习的织物外观缺陷检测技术,提出了一种基于CNN-LSTM的缺陷分类方法和一种基于CNN的多路并联缺陷分割方法。本文主要研究内容和成果如下:（1）针对织物图像缺少正确的标签和织物图像数量较少的问题,分别采用标注软件Labelme对图像进行标注和使用数据增强方式对图像数量进行扩增。（2）在使用常规卷积神经网络进行分类任务时,分类效果在某些缺陷图像与正常图像区分度较小的数据集上表现不理想。本文提出了一种基于CNN-LSTM的缺陷分类方法,将CNN与LSTM有效结合,使网络能够同时提取空间特征和图像间的潜在联系,获得更多的信息。基于CNN-LSTM提取时空特性方法步骤如下:首先使用经典的CNN网络对织物图像进行空间特征提取;然后将提取到的空间特征放入LSTM网络中提取到图像间的潜在关系,完成空间-时间特征提取;最后将完成以上两步得到的特征送至分类器,完成分类识别。此外考虑到使用CNN-LSTM这一结构会使网络变得很深,在激活函数的选择上采用更加平滑的Mish函数。经过实验验证,CNN-LSTM这种组合方式能显著提高分类精度:在DAGM数据集上获得了99.81%的正确率,在TILDA数据集上获得了98.81%的正确率;相比于Inception、Res Net和Mobile Net这类单一的卷积神经网络,对图像信息的利用更加充分,分类的效果更好。（3）常规分割网络对于不同分辨率的卷积层仅仅是采用叠加的方式进行了串联操作。本文提出了一种多路并联的网络模型。该网络模型由三个模块组成,分别为主干模块,注意力模块和特征融合模块:主干模块由六个分辨率逐层递减的支路并联而成,其中主支路的特征图保持原始分辨率,其他五个支路的特征图将通过特征融合汇集到主支路输出,完成不同支路的多尺度融合;注意力模块通过通道注意力机制对原始特征按特征重要性进行重新校准;特征融合模块在设计时考虑到了空间信息和感受野二者之间的平衡,将空间信息丰富的低层特征与语义信息丰富的高层特征进行有效融合。多路并联网络模型使分割精细程度大大提升,更加接近于真实标签,经过实验论证,在DAGM数据集上获得了99.48%的像素精确度和89.09%的IOU评分,在TILDA数据集上获得了99.23%的像素精确度和76.89%的IOU评分,且取得了比Deep Lab V3+、UNet、PSP、FCN和Refine Net这几种分割模型更好的分割效果。
其他文献
压电材料是工业生产领域重要的功能材料,它可以用于加速器、换能器、谐振器和传感器等方面的制造。近几年,随着现代工业对压电材料的需求越来越大,应用要求也变得愈发苛刻,从起初的常温低频环境逐渐发展成为更加严峻的高温高频环境,传统的PZT材料很难应对如此极端环境,因此对压电材料的耐高温高频的要求有所提高,此外,对压电材料的灵敏度要求也有所提高。综合这些方面的需求,开发一种新型的高温压电陶瓷已经成为迫切且具
在传统成像系统中,分辨率和成像视场之间的竞争是一个长期存在的问题,其只能捕获具有精细细节的小区域图像或者具有粗糙细节的大区域图像。傅里叶叠层显微成像（Fourier ptychographic microscopy,FPM）技术是一种解决显微成像系统中这一内在矛盾的新技术。它将高吞吐量和高分辨率成像的挑战从改善光学的物理局限性领域转移到计算领域。在传统FPM系统中,可编程LED阵列用作其光源,相机
随着无线通信技术的发展,毫米波信号源的应用范围逐渐增多,工作频段也随着应用领域的增多而增加,对毫米波信号源的性能指标有了更高要求。毫米波信号源的关键组件倍频器的性能对整个系统有着重要影响。通过倍频技术获得的高频段信号源的主要作用体现在可以降低系统的工作频率,获得频率稳定度高、相位噪声优良的信号源。通过倍频器技术获得高频段的信号源已成为当下一个重要研究方向。因此,本论文分别基于IHP 130-nm
高分辨率遥感道路图像是一种基于高质量的遥感技术所得到的道路图像,随着卫星技术的飞速进步,从遥感道路中提取道路在地图自动更新、城市道路规划、车辆智能导航等方面具有极其重要的经济价值和科研意义,如何将道路准确、快速地从遥感影像中分离出来,成为了当下摆在人们眼前的一道难题。本文对于遥感图像道路提取过程种出现的各种难点做出了针对性的研究,主要工作如下:（1）针对高分辨率遥感图像道路提取过程中通常会出现道路
在本文中,我们主要研究的是一维和n维上的Hardy算子的端点估计和对现有的关于Hardy算子性质结论的拓展与改进。首先通过特殊函数验证了Hardy型算子对某些指标限制的必要性;其次我们又将Hardy算子与q积分不等式联系起来,找出常数并证明其算子范数的最佳性。文中第一章简单介绍了Hardy算子的发展背景,并介绍了相应的一维、n维的Hardy算子已存在的简单定义及其相应定理,同时给出更优化的Hard
作为计算机视觉领域研究热点之一的目标跟踪技术,广泛应用于自动驾驶、智能监控等领域。由于跟踪过程中目标也许会经历尺度变化、几何变形、遮挡和背景杂乱等,增加了算法精确跟踪的难度。本文提出了一种新型的目标跟踪算法,以应对上述挑战。此外,摔倒检测具有很大的应用前景,传统的摔倒检测产品大多采用穿戴式设备,其对老人日常活动影响较大且价格较高。因此,本文提出了一种基于视觉的摔倒检测算法。本文先对结合相关滤波的基
电磁逆散射成像技术是计算电磁学中的研究重点之一,其根据发射装置和接收装置得到目标区域内入射场和散射场的信息,预测出区域内物体的位置、形状及物体的本构参数（如介电常数分布、电导率等）。其相关研究在近些年来虽然有许多进展,但要实际应用起来仍然有许多问题。本文的内容旨在改进传统电磁逆散射成像技术所遇到的一些不足之处。首先,本论文针对实际场景下散射场数据获取困难的问题,提出了三种基于无相位数据的电磁逆散射
随着现代物流的快速发展,运输的集装化程度越来越高,集装箱在公路运输、铁路运输、海运运输中得到了广泛的运用,这大大提高了物流运输的效率,促进了社会的经济发展。当今集装箱搬运设备也在同步发展。但是现存的集装箱搬运设备大都因其体积大、价格昂贵、操作不便、自动化程度低等缺点而面临发展瓶颈,在空间狭小的场地不易使用。本课题基于上述现状,开发了一款小型智能双叉车系统,结合神经网络技术达到集装箱搬运自动化,提升
随着工业水平的不断提升,工业生产自动化、智能化已成为一个不可逆的发展趋势。工业升级的重要环节就是机器人应用到工业生产的各个领域,工业机器人的研究已成为近些年研究的热点。本文以六轴工业机器人基础,设计了一个基于OpenGL的机器人运动学以及轨迹规划仿真系统,主要工作内容包括以下几个方面:以C#与OpenGL为基础搭建了一个三维的仿真环境。采用一种改进的D-H参数法建立了机器人的连杆坐标系,并以此为基
随着我国汽车拥有量的迅速增加,交通荷载不断增大,造成了不同等级沥青路面的表面功能衰减很快[1],路面出现了不同程度的病害,高等级公路预防性养护工作已迫在眉睫。传统公路养护施工时间长、造价高、质量差。超薄磨耗层是一种厚度为1.5cm～2.5cm的骨架嵌挤型沥青混凝土结构层,此施工时,乳化沥青喷洒与热沥青混合料摊铺同时进行[2],路面一次成型。热混合料引起乳化沥青水分蒸发,促使其快速破乳,在新旧结构层