基于改进Pix2PixGAN的织物疵点检测算法

作者：郜仲元; 余灵婕^*; 章玉铭; 支超; 陈梦琦

来源：毛纺科技, 2022, 50(03): 9-13.

DOI：10.19333/j.mfkj.20211204805

• 疵点检测
• 生成对抗网络
• Pix2PixGAN
• 数据增强

针对现阶段深度学习应用于纺织疵点检测时，由于疵点织物数据量不足而导致检测模型准确率低、疵点识别种类少的问题，提出一种基于改进Pix2PixGAN网络的训练数据增强方法。无疵点织物图像比较容易获取，利用多层深度Pix2PixGAN网络，可在无疵点织物图像上自动生成疵点，从而实现疵点图像数据的增强。首先对数据集进行预处理，得到语义分割图；然后加深U-net网络，利用双重Pix2PixGAN网络加强疵点与纹理的融合；最后将新生成的疵点图像数据加入原训练集完成数据增强。分别以数据增强前后的疵点织物样本作为训练集，采用Faster R-CNN目标检测模型进行对比实验。实验结果表明，数据增强方法可有效提高织物疵点检测的效果。对于线状、破洞和污渍3种疵点，与原训练数据集相比，数据增强后的检测模型平均精度分别从73%、75%、62%提升到84%、79%、65%。

• 单位
  绍兴文理学院元培学院; 西安工程大学