计量学报

作者：庄集超,郭保苏,吴凤和

单位：燕山大学机械工程学院,河北秦皇岛066004

关键词：计量学;布匹瑕疵检测;可变形卷积;密集连接;神经网络

基金：国家自然科学基金(52175488);河北省科技计划(20310401D);河北省高等学校科学研究青年拔尖人才项目(BJ2021045)

针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。

来源：2023年第2期

《计量学报》期刊编辑部

查看计量学报杂志2023年第2期