基于改进DenseNet201网络的织物疵点检测算法

针对当前织物疵点检测存在大多数采用人工检测、速度慢、检测准确率低等问题,提出一种改进DenseNet201网络的织物检测算法。先对数据集图像进行预处理,可视化各种织物疵点类型的数量,把数据集划分为正常织物、8种常见织物疵点,对疵点图像进行数据增强,从而扩增训练集数量;然后提取在数据集ImageNet下预训练好的DenseNet201权重参数进行迁移学习,改进卷积层第1层、添加SPP层和本研究9分类的分类层;最后经过反复调整参数训练得到织物疵点检测模型。试验表明:改进后的DenseNet201模型对正常织物、8种常见织物疵点识别精度为96.8%。认为:改进DenseNet201网络模型具有良好的泛化性和鲁棒性。