基于深度学习的面料密度回归预测

作     者：毋涛 王娟 车秋凌 WU Tao;WANG Juan;CHE Qiuling

作者机构：西安工程大学计算机科学学院陕西西安710600 安踏(中国)有限公司创新研发部福建晋江362200 

基　　金：国家自然科学基金(62176204) 

出 版 物：《纺织高校基础科学学报》 (Basic Sciences Journal of Textile Universities)

年 卷 期：2024年第37卷第1期

页      码：34-41页

摘      要：在实际面料设计和质量检测过程中,人工检测面料密度通常需要耗费大量的时间与人力资源,效率十分低下。为了解决这一问题,提出一种基于深度学习的面料密度回归预测方法。首先,基于迁移学习在改进后的VGG19上进行训练,在卷积层后面加入自适应平均池化层使输入图像大小不受限制,在全连接层加入SVD矩阵分解来减少计算时间。其次,删除分类层,将全连接层的输出作为最终模型的输出结果。在训练过程中,选用均方差损失函数,以某纺织企业提供的面料为数据集,进行对比实验和结果分析。结果表明:提出的方法相较于传统方法更加智能化,其面料密度计算误差约为5%,准确率为95.5%,具有一定的可行性。

主 题 词：面料密度 深度学习 迁移学习 回归预测 VGG19 

学科分类：0821[工学-兵器类] 08[工学] 080203[080203] 0802[工学-机械学] 082101[082101] 

D　O　I：10.13338/j.issn.1006-8341.2024.01.005

馆 藏 号：203126636...