基于深度学习和分段线性插值的短切毡缺陷分类

作者：张君扬; 景军锋^*

来源：西安工程大学学报, 2018, 32(05): 553-559.

DOI：10.13338/j.issn.1674-649x.2018.05.011

• 短切毡
• 深度学习
• 深度时空推理网络
• 分段线性差值
• 缺陷分类

针对短切毡在生产过程中存在的缺陷,提出一种基于深度学习和分段线性插值的缺陷分类方法.首先,采用深度时空推理网络(DeSTIN)提取输入图像的特征.然后,利用分段线性插值对提取到的特征创建高维度信息的特征集合,提高原始图像特征的维度,改善原始图像的特征表示.最后,使用Softmax分类器判断高维度特征集合的类别,实现短切毡的缺陷分类.实验结果表明,该方法可以自动、快速地检测出短切毡的多种缺陷类型,准确率可达到95.72%,能够满足工业生产需求.

• 单位
  西安工程大学