基于改进UNet模型和迁移学习的织物缺陷检测

作     者：王军敏 林辉 WANG Junmin;LIN Hui

作者机构：平顶山学院信息工程学院河南平顶山467000 

基　　金：河南省科技厅科技攻关项目 平顶山学院博士科研启动基金项目[PXY-BSQD-202004] 

出 版 物：《山西大同大学学报（自然科学版）》 (Journal of Shanxi Datong University(Natural Science Edition))

年 卷 期：2024年第40卷第6期

页      码：61-66页

摘      要：为了解决传统织物缺陷检测方法存在的算法设计复杂、检测速度慢、模型体积大等问题,提出一种基于改进UNet模型和迁移学习的织物缺陷检测方法,用改进的UNet模型为框架设计织物缺陷检测模型,通过减小双卷积模块的通道数来显著降低深度模型的体积和计算量,通过采用迁移学习策略和可变学习率来提高模型的收敛速度和检测能力。实验结果表明,提出的织物缺陷检测方法具有良好的织物缺陷检测性能,并且具有检测速度快、模型体积小、不需要大规模训练样本等优点。有效解决了传统方法存在的不足,方便在现实的工业场景中部署和应用。

主 题 词：织物缺陷检测 UNet模型 图像分割 深度学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1674-0874.2024.06.012

馆 藏 号：203156044...