[發明專利]一種基于深度學習的織物缺陷像素級分類方法

有效

• 申請號: 201910775145.1
• 申請日: 2019-08-21
• 公開（公告）號: CN110490858B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 景軍鋒;王震;張緩緩;蘇澤斌
• 申請（專利權）人: 西安工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06V10/764
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王蕊轉

1.一種基于深度學習的織物缺陷像素級分類方法，其特征在于，具體按照如下步驟實施：

步驟1，采集有缺陷的織物圖像，組成圖片集；

步驟2，建立MobileNetV2網絡模型；所述MobileNetV2網絡模型包括InvertedResidual 卷積模塊和全連接分類層，所述Inverted Residual 卷積模塊包括三層卷積，第一層卷積與第三層卷積為卷積核大小為1*1的傳統卷積，第二層卷積核大小為3*3的depth-wise卷積；

步驟3，對圖片集進行圖片分類，分類好的圖片集組成預訓練集，利用所述MobileNetV2網絡模型對預訓練集進行訓練；

步驟4，建立Mobile-Unet網絡模型，所述Mobile-Unet網絡模型由編碼部分和解碼部分組成，所述編碼部分為MobileNetV2網絡模型中訓練好的卷積模塊；解碼部分為與編碼部分相對應的反卷積模塊；反卷積模塊通過對解碼部分提取的特征進行上采樣；Mobile-Unet網絡模型在構建中采用頻加權損失函數解決樣本中數據不均衡的問題，如式1所示：

其中N表示一張圖片中像素的數量，C表示缺陷的種類， l表示人工標記的真實值，p表示網絡預測值，w表示不同種類的權重，其計算方式為：

其中f表示某一種類出現的頻率，中頻加權損失函數平衡了種類分布之間的不均衡，提高了網絡收斂的速度；

步驟5，將所述圖片集分為兩部分，一部分為測試集；對另一部分進行像素級標記，標記好的圖片作為訓練集，利用所述Mobile-Unet網絡模型對訓練集進行訓練；

步驟6，從測試集中選取一張圖片作為輸入圖片，利用步驟5中訓練好的Mobile-Unet網絡模型對輸入圖片進行分類，輸出分類后的圖像。