.png){kind=icon}
返回
Fabric defects detection method based on siamese network model
.png){kind=icon}
PRE
AI
DOI：10.1080/00405000.2025.2607851.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
织物缺陷是织物生产过程中的一种偶然现象，并且存在多种具有不同形状的织物缺陷。为了提高检测效率，本文提出了一种基于孪生网络模型的分阶段织物缺陷检测方法。通过分析孪生网络的相似性检测机制，构建了基于孪生网络的相似性检测模型。该模型由三个模块组成：特征提取模块、相似性度量模块和缺陷分类模块。首先，引入Resnet构建特征提取模块以提取样本对的多尺度特征。其次，在相似性度量模块中，引入CA注意力机制以增强无缺陷样本与缺陷样本之间的特征差异。将样本的抽象特征转化为相似性计算。利用孪生网络对差异的敏感性，实现织物图像是否包含缺陷的快速判别，即完成缺陷判别阶段任务。最后，在缺陷分类模块中，将缺陷图像输入Yolov4网络以实现精确的缺陷分类，即完成缺陷分类阶段任务。实验结果表明，所提出的方法能够有效检测织物缺陷，检测准确率达到87.54%，无缺陷检测速度达到126.58 fps，缺陷检测速度达到62.84 fps，为织物缺陷检测提供了一种新方法。
Keyword:
Fabric defect
object detection
siamese network
Yolo
期刊
J
IF:
1.5
论文数:
123
被引数:
5.4K
机构
引用论文
Fabric defect detection under complex illumination based on an improved recurrent attention model
.png){kind=icon}
PREAI
分享收藏Multi-position industrial defect inspection using self-training siamese networks with mix strategies
PREAI
分享收藏
没有更多内容
没有更多内容