首页|基于改进卷积神经网络的化纤丝饼表面缺陷识别

基于改进卷积神经网络的化纤丝饼表面缺陷识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别.首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类.最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测.结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1％,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性.
Surface defect recognition of chemical fiber yarn packages based on improved convolutional neural network

王泽霞、陈革、陈振中

展开 >

东华大学 机械工程学院, 上海 201620

化纤丝饼 缺陷识别 图像分块 卷积神经网络 全局最大池化 主动学习方法

中央高校基本科研业务费专项资金项目中国博士后科学基金

18D1103162018M630383

2020

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心EI
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2020.41(4)
  • 13
  • 7