基于并联堆叠模型的织物疵点检测算法

作     者：周星亚 孙红蕊 宋荣 夏克尔·赛塔尔 ZHOU Xingya;SUN Hongrui;SONG Rong;XIAKEER Saitaer

作者机构：新疆大学纺织与服装学院乌鲁木齐830047 

基　　金：新疆大学2022年自治区级大学生创新训练计划项目(S202210755023) 

出 版 物：《现代纺织技术》 (Advanced Textile Technology)

年 卷 期：2024年第32卷第9期

页      码：99-107页

摘      要：针对企业目前应用的织物疵点检测算法精度低、漏检率高、训练速度慢及模型难以收敛的问题,提出了一种基于并联堆叠的织物疵点检测算法。基于YOLOv7深度学习目标检测算法,采用不同参数值的空洞卷积设计DCCSPC并联堆叠模块,改进SPPCSPC空间金字塔池化层,深度融合织物瑕疵局部及整体的特征信息;添加输出160×160的小目标检测层,实现宽高仅占4个像素的小目标疵点检测;使用WIoU损失函数替换CIoU损失函数,解决了特殊样本(长宽比与多数样本不一致的样本)漏检率高问题,并提高了模型的收敛速度。另外,为消除数据集类别不均衡问题,采用生成对抗网络对数量较少类别进行了样本扩充。将改进后算法在织物疵点数据集上进行测试,结果表明:与以往方法相比,改进后的模型具有更高的识别精度和鲁棒性,能够检出宽高比例悬殊、纹理对比度低图像中的疵点及小目标疵点,对比原YOLOv7模型,平均精度值提升3.4%,且收敛速度更快、误差更小,能够更好地满足当下织物智能疵点检测的需求。

主 题 词：YOLOv7 织物疵点 深度学习 目标检测 空洞卷积 

学科分类：0821[工学-兵器类] 08[工学] 082101[082101] 

核心收录：

D　O　I：10.19398 j.att.202310008

馆 藏 号：203143907...