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！

摘要：本发明涉及一种基于混合膨胀卷积和多尺度特征融合的织物疵点检测方法，其步骤为：首先，建立用于训练卷积神经网络的织物疵点模型的数据集，并将织物图像数据集分成训练集和测试集；其次，设计混合膨胀卷积模块、特征融合方法和候选框架构，搭建织物疵点检测网络；然后，将训练集输入织物疵点检测网络中进行训练，并利用异步梯度下降的训练策略调整织物疵点检测网络的参数，得到织物疵点检测模型；最后，将测试集输入织物疵点检测网络模型中，定位出图像中的目标疵点及位置坐标，并在图像中框出疵点目标。本发明将混合膨胀卷积和多尺度特征提取相结合搭建织物疵点检测网络模型，在保证有较高检测精度的同时，减少了模型的尺寸大小。

主权项：1.基于混合膨胀卷积和多尺度特征融合的织物疵点检测方法，其特征在于，包括以下步骤：步骤1、收集织物图像并进行预处理得到数据集，将数据集按比例划分为训练集与测试集；收集带有疵点的织物图像，通过随机裁剪和旋转来增强训练数据，并对图像上实际疵点的位置坐标进行标记；步骤2、将步骤1中的训练集中的训练样本依次输入织物疵点检测网络中进行训练，织物疵点检测网络通过混合膨胀卷积模块提取图像的特征，在混合膨胀卷积模块中设计了四条并行路径，其中三条路径用于提取不同尺度特征，用于检测不同尺寸的织物疵点，另一条路径用于获取不同位置疵点的非线性特征；所述织物疵点检测网络包括特征提取模块、区域建议模块以及分类和回归模块，特征提取模块用于包括图像浅加工模块和混合膨胀卷积模块处理模块，图像浅加工模块包含四个卷积层和两个池化层，用于捕获织物的纹理及边缘特征，并减少特征图的大小，混合膨胀卷积模块处理模块包含九个混合膨胀卷积模块，用于在减少参数数量的同时获得多尺度特征；步骤3、使用最优的特征融合方法进行特征融合，将获得的特征输入区域建议模块获得疵点建议框；所述步骤3中的候选框设定包含3个像素比和3个长宽比，组合起来得到9种不同的选择方式，所述像素比为候选框中的像素数与完整图像像素数的比值，长宽比为候选框宽度与长度的比值；候选框的面积计算公式为：Si＝λi·B2,i＝1,2,3候选框的长度和宽度的计算公式为： 其中，Si表示候选框的面积，λi表示候选框的三个比例，B表示对应于原始图像的特征图上每个像素的大小，Rj表示候选框的三个长宽比，Hi，j表示候选框的宽度，Wi，j表示候选框的长度；步骤4、分类和回归模块结合步骤2得到的特征与步骤3得到的疵点建议框进行最终疵点位置的回归与疵点类型的分类，得到每个训练样本的最终疵点检测结果；步骤5、利用异步梯度下降的训练策略调整织物疵点检测网络的参数，得到织物疵点检测模型；步骤6、将步骤1中的测试集输入织物疵点检测网络模型中，得到图像中的目标疵点及位置坐标，并在图像中利用候选框框出疵点目标。

全文数据：

权利要求：

百度查询： 武汉纺织大学 基于混合膨胀卷积和多尺度特征融合的织物疵点检测方法