[發明專利]一種基于卷積神經網絡的面料疵點檢測方法

在審

• 申請號: 202010345964.5
• 申請日: 2020-04-27
• 公開（公告）號: CN111553898A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 陳廣鋒;唐云卿;王軍舟;周敏飛
• 申請（專利權）人: 東華大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

1.一種基于卷積神經網絡的面料疵點檢測方法，其特征在于，包括以下步驟：

步驟1、設計針對面料疵點檢測的卷積神經網絡結構，所述的網絡結構由兩部分組成，包括面料疵點特征提取網絡和面料疵點定位網絡端對端的結構特點提高了模型的檢測速度；

步驟2、設計損失函數用于神經網絡的訓練，損失函數由四部分組成，分別是含有疵點的置信度的損失值，疵點坐標位置的損失值，疵點邊界框尺寸的損失值以及疵點類別的損失值；

步驟3、確定需要檢測的面料種類，其疵點種類和尺寸具有多樣性；

步驟4、構建待檢測面料的疵點數據集，并按照7:3的比例劃分訓練集和測試集；

步驟5、通過聚類算法獲得8個面料疵點邊界框的候選尺寸，用于神經網絡訓練時面料疵點邊界框尺寸的回歸；

步驟6、將訓練集與測試集的面料疵點圖均進行圖像預處理，以減小光照以及噪聲對于檢測效果的影響；

步驟7、利用構建的訓練集中的面料疵點樣本，設定初始學習率并采用自適應學習率算法，并采用Adam方法對網絡進行訓練，以縮小模型預測的面料疵點的種類、位置和尺寸與實際疵點之間的誤差，進而獲得面料疵點的檢測模型，并利用構建的測試集對模型的性能進行評估；對不滿足要求的面料疵點檢測模型進行分析并調整圖像預處理和模型訓練中的參數；對于滿足要求的模型可用于步驟8中的檢測；

步驟8、將待檢測的面料疵點圖片進行圖像預處理，再送入面料疵點檢測模型中，獲得檢測結果。