[发明专利]一种基于卷积神经网络的织带边缘毛疵缺陷检测方法

权利要求书

1.一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：包括以下步骤：

A、图像采集及预处理，得到样本图片；

B、对样本图片进行图像增强处理，得到训练图片；

C、构建具有多尺度并行训练结构的卷积神经网络，所述卷积神经网络包括依次连接的第一卷积层、第二卷积层、第三卷积层、第一最大池化层、多尺度并行训练结构、第一平均池化层、dropout层和第一Softmax层，所述多尺度并行训练结构包括依次连接的第一多尺度并行训练模块、第二多尺度并行训练模块、第三多尺度并行训练模块、第四多尺度并行训练模块和第五多尺度并行训练模块，所述第一多尺度并行训练模块、第二多尺度并行训练模块、第三多尺度并行训练模块、第四多尺度并行训练模块和第五多尺度并行训练模块均包括第四卷积层、第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层、第二最大池化层和连接层，所述第四卷积层形成第一卷积组，所述第五卷积层和第六卷积层依次连接形成第二卷积组，所述第七卷积层、第八卷积层和第九卷积层依次连接形成第三卷积组，所述第二最大池化层和第十卷积层依次连接形成第四卷积组，所述第一卷积组、第二卷积组、第三卷积组和第四卷积组相互并联并共同输出到所述连接层；

D、利用训练图片对卷积神经网络进行训练处理；

E、利用经过训练处理的卷积神经网络进行毛疵缺陷检测。

2.根据权利要求1所述的一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：所述步骤A中，图像采集及预处理，得到样本图片，包括以下步骤：

A1、利用摄像机采集织带图片，并对采集到的织带图片进行二值化处理；

A2、对经过二值化处理的织带图片进行倾斜校正；

A3、对校正后的织带图片的边缘以70×70像素的大小进行裁剪，提取到70×70像素的样本图；

A4、对样本图进行分类，分别得到边缘有毛疵缺陷的样本图片和边缘无毛疵缺陷的样本图片。

3.根据权利要求2所述的一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：所述步骤B中，对样本图片进行图像增强处理，得到训练图片，包括以下步骤：

B1、对样本图片进行镜像操作；

B2、把经过镜像操作后的样本图片随机裁剪成65×65像素的中间图片；

B3、把每张中间图片分别减去全部样本图片的均值，得到训练图片。

4.根据权利要求1所述的一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：所述第五多尺度并行训练模块还包括第二平均池化层、第十一卷积层、全连接层和第二Softmax层，所述第二平均池化层、第十一卷积层、全连接层和第二Softmax层依次连接，所述第二平均池化层分别与所述第四卷积层、第五卷积层、第七卷积层和第二最大池化层相连接。

5.根据权利要求4所述的一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：所述多尺度并行训练结构中的每一层的输出均连接有一个ReLU修正线性单元层。

6.根据权利要求1所述的一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：所述dropout层的dropout比例为0.4。

7.根据权利要求4所述的一种基于卷积神经网络的织带边缘毛疵缺陷检测方法，其特征在于：所述全连接层的输出数量为2个。