第49卷第1期2023年2月东华大学学报(自然科学版)JOURNALOFDONGHUAUNIVERSITY(NATURALSCIENCE)Vol.49,No.1Feb.2023文章编号:1671-0444(2023)01-0033-06DOI:10.19886/j.cnki.dhdz.2021.0281收稿日期:2021-05-11基金项目:国家重点研发计划资助项目(2018YFB1308800)通信作者:徐洋,女,教授,研究方向为大型复杂机械耦合系统动力学建模及参数识别,E-mail:xuyang@dhu.edu.cn引用格式:郭同建,徐洋,陈慧敏,等.基于深度学习的机织印花布疵点实时检测方法研究[J].东华大学学报(自然科学版),2023,49(1):33-38.GUOTJ,XUY,CHENHM,etal.Researchonreal-timedetectionmethodofwovenprintedfabricdefectsbasedondeeplearning[J].JournalofDonghuaUniversity(NaturalScience),2023,49(1):33-38.基于深度学习的机织印花布疵点实时检测方法研究郭同建,徐洋,陈慧敏,余智祺,孙以泽(东华大学机械工程学院,上海201620)摘要:为满足纺织业内机织印花布瑕疵检测的实时性需求,基于利用回归思想进行检测的单阶段算法模型YOLOv3(youonlylookonceversion3),提出一种改进的机织印花布疵点实时检测方法。通过优化骨干网络结构,引入可变形卷积,提高印花背景下模型的瑕疵特征提取能力;设计新的损失函数,提高瑕疵分类和定位的精准度;引入几何中位数剪枝算法,去除深层网络冗余参数,进一步提高系统检测速度。试验结果表明,改进算法的模型在测试集上准确率可达92.02%,检测精度显著提高,每张图片检测平均耗时22.61ms,满足工厂的实时性要求。关键词:机织印花布;疵点检测;深度学习;YOLOv3;轻量化中图分类号:TP391;TS101文献标志码:AResearchonreal-timedetectionmethodofwovenprintedfabricdefectsbasedondeeplearningGUOTongjian,XUYang,CHENHuimin,YUZhiqi,SUNYize(CollegeofMechanicalEngineering,DonghuaUniversity,Shanghai201620,China)Abstract:Inordertomeetthedemandforreal-timedefectdetectionofwovenprintedfabricwithinthetextileindustry,animprovedreal-timedetectionmethodforwovenprintedfabricdefectsisproposedbasedonYOLOv3,asingle-stagealgorithmmodelfordetectionusingregressionideas.Themethodoptimizesthestructureofbackboneandintroducesdeformableconvolutiontoimprovethedefectfeatureextractioncapabilityofthemodelintheprintingcontext;designsanewlossfunctiontoimprovetheaccuracyofdefectclassificationandlocalization;introducesapruningalgorithmbasedon...
