首页|基于改进YOLOv4-Tiny的缝纫线迹质量检测方法

基于改进YOLOv4-Tiny的缝纫线迹质量检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对人工检测缝纫线迹质量效率低下、当前算法在缝纫线迹质量检测应用上难以检测与面料颜色相近的线迹以及易受面料褶皱、光照变化等因素干扰的问题,提出一种改进的YOLOv4-Tiny目标检测模型,实现缝纫线迹针脚点的识别和定位,进而实现质量检测.首先在YOLOv4-Tiny中引入用SoftPool改进的卷积注意力机制,加强网络对线迹特征的注意;然后在YOLO检测头前引入由SoftPool组成的Soft-SPPF模块,实现模型在检测中对多尺度特征的利用;最后,利用改进后的算法输出针脚点的数量和坐标信息,计算线迹针脚点的密度和均匀度.实验结果表明:在自建数据集上,所提算法的平均精度达到 85.50%,检测时间为 15.9 ms,相比原算法和常用的目标检测模型更适用于缝纫线迹检测,且该方法计算所得的线迹密度结果与人工检测的差值在 0.6 针/(10 cm)内,均匀度计算结果相近,满足实际检测精度要求.
Stitch quality detection method based on improved YOLOv4-Tiny

clothing productionsewing stitchquality detectionYOLOv4-Tinyconvolutional attention mechanismrapid spatial pyramid poolingclothing quality

马创佳、齐立哲、高晓飞、王子恒、孙云权

展开 >

复旦大学 工程与应用技术研究院,上海 200433

缝纫线迹 质量检测 YOLOv4-Tiny 卷积注意力机制 快速空间金字塔池化 服装质量

上海市市级科技重大专项广东季华实验室重大共性关键技术及应用示范研究科研项目

2021SHZDZX0103Y80311W180

2023

10.13475/j.fzxb.20220608001

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2023.44(8)
  • 1
  • 3