买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明涉及一种基于迁移学习的小样本织物疵点检测方法，包括：步骤S1、采集工业现场不同类型的织物疵点图像，并标记疵点类型和位置；步骤S2、构建同源数据集和目标数据集；步骤S3、收集开源工业数据集作为源数据集；步骤S4、利用欧式距离从源数据集中选取与目标数据集相似程度最高的多张图像组成预训练数据集；步骤S5、预训练数据集训练小样本目标检测模型获取初始预训练模型；步骤S6、同源数据集训练初始预训练模型获取预训练模型；步骤S7、冻结预训练模型的部分参数，目标数据集微调预训练模型得到疵点检测模型；步骤S8、采集目标织物疵点图像并输入疵点检测模型，输出疵点类型和位置。本发明可解决数据匮乏时模型检测精度低、过拟合等问题。

主权项：1.一种基于迁移学习的小样本织物疵点检测方法，其特征在于，包括以下步骤：步骤S1、采集工业现场中不同疵点类型的织物疵点图像，并标记其疵点类型和位置；步骤S2、利用步骤S1获取的织物疵点图像构建同源数据集和目标数据集；同源数据集由张织物疵点图像组成，a为同源数据集中疵点类型的数量，a≥5，Kk为同源数据集中第k种疵点类型对应的织物疵点图像的数量，Kk≥300；目标数据集由张织物疵点图像组成，n为目标数据集中疵点类型的数量，n≥5，Kj为目标数据集中第j种疵点类型对应的织物疵点图像的数量，Kj≥200； 步骤S3、收集开源的缺陷类型和位置已知的工业数据集作为源数据集；源数据集由张缺陷类型和位置已知的图像组成，c为源数据集中缺陷类型的数量，c≥1，Ki为源数据集中第i种缺陷类型对应的图像的数量，c×Ki≥1800；步骤S4、分析步骤S3获取的源数据集与步骤S2获取的目标数据集的数据分布，利用欧式距离从中选取与目标数据集相似程度最高的张缺陷类型和位置已知的图像，组成预训练数据集，cl为预训练数据集中缺陷类型的数量，1≤cl≤c，Kd为预训练数据集中第d种缺陷类型对应的图像的数量，c×Ki≥cl×Kd≥1800；步骤S5、选取小样本目标检测模型，利用步骤S4获取的预训练数据集对小样本目标检测模型进行训练，获取初始预训练模型；步骤S6、利用步骤S2获取的同源数据集对步骤S5获取的初始预训练模型进行训练，获取最终的预训练模型；步骤S7、冻结步骤S6获取的预训练模型中用于生成区域建议的部分以及用于接收前端合并后的固定维度嵌入向量并输出目标类别与位置信息的部分的参数，利用步骤S2获取的目标数据集对预训练模型进行微调，最终获取疵点检测模型；步骤S8、按与步骤S1相同的采集条件，采集张疵点类型和位置未知的目标织物疵点图像，输入步骤S7获取的疵点检测模型，由其输出疵点类型和位置，其中，b为疵点类型的数量，1≤b≤n，Kl为第l种疵点类型对应的织物疵点图像的数量，Kl≤30。

全文数据：

权利要求：

百度查询： 天津大学 一种基于迁移学习的小样本织物疵点检测方法