[发明专利]一种基于卷积神经网络的织带断痕缺陷检测方法

权利要求书

1.一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，包括以下步骤：

S1.图片采集，利用工业摄像头采集织带图片，通过Flycaputer SDK对摄像头拍摄区域大小进行设置，对上述样本图片进行分类和标记，分别得到织带有断痕缺陷样本集和无断痕缺陷样本集；

S2.图片预处理，分别将有断痕缺陷样本集、无断痕缺陷样本集按照一定比例分为两份，取数目较多的一份作为训练集，数目较少的一份作为测试集，分别按照i_1，i_2，i_3......对图片进行编号，其中，i＝0对应有断痕缺陷样本集，i＝t对应无断痕缺陷样本集；同时，将图片随机裁剪成预定像素的图片，将图片均转化为lmdb格式的数据集，对数据集进行镜像操作，并对每一张图片RGB三通道分别减去所有训练图片的三通道均值；

S3.图片训练，采用AlexNet网络结构，并对相应的求解器进行设置，通过命令行输入训练命令指引计算机对图片进行训练；通过前五层卷积层、池化层和激活函数层对图片特征的提取，将原始数据映射到隐层特征空间，再经过后三层全连接层的作用，将学习到的“分布式特征表示”映射到样本标记空间，根据对损失函数值的大小对训练结果进行优化；

S4.图片分类，将待分类图片进行S2步骤所述的预处理，输入S3步骤训练得到的模型中进行特征提取和分类，输出分类结果，即输出采集的图片是有断痕缺陷或无断痕缺陷的结果。

2.根据权利要求1所述的一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，所述的S3步骤中图片特征的提取是基于深度学习的方法利用计算机自动提取，同时在训练过程中完成分类，通过训练过程中迭代次数的适度增加完成对分类结果的进一步优化。

3.根据权利要求1所述的一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，所述的优化是指通过网络前向传播产生的损失和后向传播产生的梯度进行模型优化来降低损失。

4.根据权利要求2所述的一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，所述的S3步骤中图片特征的提取是利用卷积神经网络对图片特征进行自动提取，并采用卷积核权值共享的方式。

5.根据权利要求2或4所述的一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，所述的S3步骤中对卷积层提取图片特征时，是基于人的视觉感受野的概念，进行局部连接的方式，只对图片的局部进行提取。

6.根据权利要求2或4所述的一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，所述的S3步骤还包括利用池化层对卷积层输出的特征图进行聚合统计，通过将池化区域的特征进行整合，对相同特征进行筛选。

7.根据权利要求6所述的一种基于卷积神经网络的织带断痕缺陷检测方法，其特征在于，所述的S3步骤对图片特征的提取包括不断利用多尺度卷积核对图片进行处理。