摘要
为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法.用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建.利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像.以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu,Dropout值为0.3,预训练学习率为0.1,微调学习率为0.0001,批训练个数为64时,模型参数值达到最优.最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证.结果表明:所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98％.
基金项目
浙江省博士后科研项目特别资助项目(ZJ2020004)
NETL
NSTL
维普
万方数据