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：沈阳中科数控技术股份有限公司

摘要：本发明涉及基于改进FasterR‑CNN的疵点检测方法，包括：对原始疵点图像进行图像预处理，获得二值化图像；对二值化图像进行疵点检测，在原始模型中引入特征金字塔网络模型适应小目标检测；对Softmax分类器进行正则化来减小类内间距增大类间间距，不断更新网络参数提高网络收敛能力；采用Soft‑NMS算法代替传统的非极大值抑制算法，避免疵点漏检、误检情况。本发明方法弥补了FasterR‑CNN模型在小目标场景中检测不准确、检测精度不高的问题。实验结果表明，改进后的模型收敛速度更快，能更准确的识别小目标疵点和较密集疵点，对面料疵点具有更佳的检测效果。

主权项：1.基于改进FasterR-CNN的疵点检测方法，其特征在于，包括以下步骤：步骤1：对原始疵点图像进行预处理获取二值图像，建立图像集合：训练集、验证集、测试集；步骤2：建立FasterR-CNN网络模型：引入特征金字塔网络模型适应小目标检测，对Softmax分类器进行正则化用于减小类内间距增大类间间距，采用Soft-NMS算法去除多余框；将二值图像输入该模型迭代训练优化模型参数；所述步骤2包括：步骤2-1：将二值图像输入共享卷积层获取特征图；步骤2-2：利用多尺度金字塔网络FPN处理特征图，获取当前二值图像的多尺度特征图；步骤2-3：将多尺度特征图输入RPN网络，所述RPN网络包括卷积层、边框回归模块、Softmax分类器、Soft-NMS算法模块，用于生成疵点候选区域并提取；步骤2-4：将多尺度金字塔网络FPN输出的多尺度特征图、RPN网络输出的疵点候选区域均输入FastR-CNN网络，所述FastR-CNN网络包括：ROIPooling层、全连接层、边框回归模块、Softmax分类器、Soft-NMS算法模块，用于将RPN网络提取的疵点候选区域映射到多尺度特征图中，精确检测出不同尺度的疵点并以锚框显示；所述步骤2-4具体包括：a.ROIPooling层将RPN网络提取的候选区域映射到FPN输出的多尺度特征图中，并对每个区域池化变换成统一尺寸输出；b.全连接层将整合卷积层或者池化层中具有类别区分性的局部信息；c.然后再分成两路分别同时对两种特征图进行如下处理：一条进行Softmax分类处理进一步获取不同尺度特征图的疵点识别；一条进行边界回归处理进一步获取不同尺度的疵点边界检测框；d.最后，采用Soft-NMS算法去除多余的检测框，精确输出多尺度特征图的疵点位置以检测框显示在图像上；步骤3：将测试集图像输入优化后的FasterR-CNN网络模型，获取疵点检测分类结果。

全文数据：

权利要求：

百度查询： 沈阳中科数控技术股份有限公司 基于改进Faster R-CNN的疵点检测方法