Textile and colour defect detection using deep learning methods

doi:10.1111/cote.70044

Textile and colour defect detection using deep learning methods

2025-11-01

0

PRE

AI

H

Hao Cui

A

Abdel‐Fattah M. Seyam

R

Renzo Shamey *

DOI：10.1111/cote.70044

原文链接

原文求助

摘要

En 中文

深度学习 (DL) 的最新进展显着增强了对纺织品和颜色缺陷的检测。这篇综述特别关注基于DL的缺陷检测方法在纺织品和着色过程中的应用，重点是对象检测和相关的计算机视觉 (CV) 任务。第一部分系统地对现有的DL方法进行了分类，包括卷积神经网络 (cnn)，生成对抗网络 (gan) 和基于变压器的模型，并检查了它们在表面缺陷定位，颜色不一致识别和异常检测等任务中的实现。概述了核心算法及其基本原理，实际挑战和新兴解决方案。第二部分进一步将DL方法与传统方法 (例如CV和专家系统 (ESs)) 进行比较，以诊断着色过程中的缺陷。这项工作提供了一个结构化的框架，该框架集成了模型体系结构分类和方法比较，提供了比以前的调查更深入的技术见解。通过强调DL，CV和ES方法之间的权衡，并确定未来的研究机会，本综述可作为在纺织品制造中设计具有成本效益的高性能缺陷检测系统的参考。

Keyword:

EXPERT-SYSTEM

COMPUTER-VISION

FABRIC DEFECTS

NEURAL-NETWORK

INSPECTION SYSTEM

CLASSIFICATION

COTTON

Textile and colour defect detection using deep learning methods

摘要

期刊

机构

引用论文