基于轻量化网络和知识蒸馏的纱线状态检测

为准确识别导纱管内纱线数量与种类,保证纱线打结有序进行,提出一种基于卷积神经网络的纱线分类方法。首先,将采集到的3500张图片分为训练集2800张和测试集700张,再从训练集中划出560张作为验证集;其次采用叠加深度可分离卷积构建轻量化的自搭建学生网络。为克服学生网络准确率低、泛化性能弱等缺陷,采用迁移学习与知识蒸馏的组合训练方式对自搭建网络进行训练,将最终训练得到的学生网络权重进行移动端部署应用。实验结果表明:在PC端上对自搭建学生网络采取组合训练方式有效,在移动端上单根纱线识别概率在70%以上、双根纱线为80%以且纱线检测平均准确率达98.86%。为针织行业有关纱线的检测与识别提供了新思路。