基于深度特征融合的无纺布低对比度浆丝缺陷检测方法

作者：鲁永帅; 唐英杰; 马鑫然

来源：计算机应用, 2021, 1-7.

• 无纺布
• 低对比度
• 浆丝缺陷
• 语义分割
• 深度学习

针对无纺布生产过程中产生的浆丝缺陷对比度较低、传统图像处理方法检测效果较差的问题，提出了一种基于卷积神经网络的无纺布低对比度浆丝缺陷检测方法。首先，对采集到的无纺布图像进行预处理，构建浆丝缺陷数据集；然后，利用改进的卷积神经网络以及多尺度特征采样融合模块构造编码器提取低对比度浆丝缺陷语义信息，在解码器中采用跳跃连接进行多尺度特征融合优化上采样模块；最后，通过构建的数据集训练网络模型，实现低对比度浆丝缺陷的检测。实验结果表明，所提方法可以有效定位并检出无纺布上的低对比度浆丝缺陷，其算法平均交并比、类别平均像素准确率能够达到77.32%、86.17%，单张样本平均检测时间为50ms，能够满足工业生产的要求。

• 单位
  北京印刷学院