首页> 中国专利> 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法

基于深度卷积神经网络与视觉显著性的织物缺陷检测方法

页面导航

摘要
著录项
相似文献

摘要

本发明公开了一种基于深度卷积神经网络与视觉显著性的织物缺陷检测方法，属于图像处理技术领域。包含缺陷区域定位模块与缺陷语义分割模块。缺陷区域定位模块利用局部卷积神经网络和全局卷积神经网络两个深度学习模型进行融合，自动提取织物缺陷的高级特征并将其作用于缺陷图像，获得缺陷区域的精确定位。缺陷语义分割模块利用缺陷区域的定位结果，结合基于视觉显著性的超像素图像分割方法，获取缺陷先验前景点并对缺陷目标进行精准分割，最终实现缺陷的检测。本发明利用多深度学习融合的织物缺陷定位网络与改进的视觉显著性的织物缺陷分割网络，对织物图像的适应能力好，精度高，可以有效地对复杂背景与噪声干扰下的织物图像中的缺陷进行检测。

著录项

公开/公告号CN107833220B

专利类型发明专利
公开/公告日2021-06-11

原文格式PDF
申请/专利权人河海大学常州校区;
展开▼

申请/专利号CN201711212830.0
发明设计人李庆武;邢俊;马云鹏;周亚琴;吴晨辉;
展开▼

申请日2017-11-28
分类号G06T7/00(20170101);G06N3/04(20060101);G06T7/11(20170101);G06T7/155(20170101);
代理机构32224 南京纵横知识产权代理有限公司;
代理人董建林;许婉静
地址 213022 江苏省常州市新北区晋陵北路200号
入库时间 2022-08-23 11:57:15

相似文献

专利
中文文献
外文文献

1. 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 [P] . 中国专利： CN107833220B . 2021.06.11
2. 一种基于卷积神经网络的织物表面缺陷检测方法 [P] . 中国专利： CN111402203A . 2020-07-10
3. FABRIC DEFECT DETECTION METHOD BASED ON DEEP CONVOLUTIONAL NEURAL NETWORK AND VISUAL SALIENCY [P] . 世界知识产权组织专利： WO2019104767A1 . 2019-06-06

机译：基于深度卷积神经网络和可视性的织物缺陷检测方法
4. Deep learning based techniques for pre training deep convolution neural networks [P] . JP6888123B2 . 2021-06-16

机译：基于深入训练深度卷积神经网络的基于深度学习技术
5. A deep learning based technique for training deep convolution neural networks [P] . JP2021093169A . 2021-06-17

机译：基于深度卷积神经网络的深度学习技术