基于改进Faster R-CNN的织物疵点检测算法

作者：孙旋; 高小淋; 曹高帅

来源：毛纺科技, 2022, 50(12): 77-84.

DOI：10.19333/j.mfkj.20220305708

• 织物疵点
• 疵点检测
• Faster R-CNN
• 优化ResNet50
• 改进的K-means

针对织物疵点面积小且长宽比跨度大的问题，提出一种基于改进Faster R-CNN的多种织物疵点检测算法。以Faster R-CNN检测算法为基础，选取优化后的ResNet50作为Faster R-CNN的主干网络，在保持ResNet50深度不变的情况下，拓宽残差结构宽度，通过调整网络部分层结构并优化网络参数，使网络提取更多特征信息并减少网络计算量。针对织物疵点检测精度低的问题，在Faster R-CNN中引用FPN网络进行多尺度预测，并将改进的K-means聚类算法生成的预测框代替原Faster R-CNN中人工设计的预测框，增强网络聚焦“小目标”疵点的特征能力，进一步提高疵点检测精度。实验结果表明：相较于原Faster R-CNN,基于改进的Faster R-CNN在平均精度上提高了6.6%,且对于“小目标”与“细长型”疵点，识别率分别高达95%与97%,在织物疵点检测中具有较好的应用价值。

• 单位
  桂林理工大学; 郑州电力职业技术学院