Abstract：
针对织物瑕疵数据集搜集和织物瑕疵检测困难的问题，提出了一种使用深度学习与传统算法相结合的织物瑕疵检测算法。首先提出特征金字塔结构的自编码网络，对正常样本进行学习。其次检测过程中提出同一尺度下进行多模型融合，在降低漏检率的同时移除纹理噪声的干扰。实验结果表明，所提出的学习方法对织物中线状瑕疵检测率高达98%以上，对织物中的面状瑕疵的检测率也达到了84%以上。对于实际生产过程中的瑕疵检测具有应用价值。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
光学与光电技术
ISSN： 1672-3392
CN： 42-1696/O3
Year： 2022
Issue： 02
Volume： 20
Page： 47-53
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
