针对现有纱疵检测方法存在的效率低和特征提取困难等问题，提出基于时频特征学习的分步式纱疵检测方法。采用连续小波变换从一维纱线时域信号中提取出具备更高辨识度的二维纱疵时频特征，构建轻量化的深度卷积神经网络学习二维时频信号中的纱疵特征。为确保纱疵检测的实时性，提出先“识别”后“分类”的分步式纱疵检测方法。对比试验结果表明，分步式纱疵检测方法的精度比传统方法高出约10%,且平均耗时约为0.95 s,仅为单步式纱疵检测方法检测耗时的1/5,可为纱疵检测技术的发展与应用提供一定的参考价值。
科研之友
微信
新浪微博
Facebook
分享链接
