基于轻量化网络和知识蒸馏的纱线状态检测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：为准确识别导纱管内纱线数量与种类,保证纱线打结有序进行,提出一种基于卷积神经网络的纱线分类方法.首先,将采集到的3 500张图片分为训练集2 800张和测试集 700 张,再从训练集中划出 560 张作为验证集;其次采用叠加深度可分离卷积构建轻量化的自搭建学生网络.为克服学生网络准确率低、泛化性能弱等缺陷,采用迁移学习与知识蒸馏的组合训练方式对自搭建网络进行训练,将最终训练得到的学生网络权重进行移动端部署应用.实验结果表明:在PC端上对自搭建学生网络采取组合训练方式有效,在移动端上单根纱线识别概率在 70%以上、双根纱线为 80%以且纱线检测平均准确率达 98.86%.为针织行业有关纱线的检测与识别提供了新思路.

外文标题：Yarn state detection based on lightweight network and knowledge distillation

外文关键词：

yarn recognitionlightweight neural networkknowledge distillationtransfer learningdeployment modelknitting

作者：

任国栋、屠佳佳、李杨、邱子安、史伟民

展开 >

作者单位：

浙江理工大学浙江省现代纺织装备技术重点实验室,浙江杭州 310018

关键词：

纱线状态识别轻量化神经网络知识蒸馏迁移学习模型部署针织

基金：

国家重点研发计划

项目编号：

2017YFB1304000

出版年：

2023

DOI：

10.13475/j.fzxb.20220508801

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(9)

参考文献量9