基于改进甲壳虫全域搜索算法的机织物疵点检测

为解决深度学习模型在面对跨场景的织物疵点检测时存在泛化性能差的问题,在甲壳虫全域搜索算法(BAS)的基础上添加了本地搜索能力构建了一种基于甲壳虫算法的混合算法,该算法可具体分为训练阶段和检测阶段。在训练阶段,通过对无疵点织物进行训练构建二维Gabor滤波器,然后使用改进BAS的混合模型对Gabor滤波器的参数进行了优化,使改进后的算法具备全局搜索和局部搜索的能力;在检测阶段,根据在训练阶段获得最佳参数构造Gabor滤波器,对待检测的织物图像进行卷积运算,并对卷积后图像进行二值化处理,最终识别待测试织物是否含有疵点。实验结果表明:该方法的特征提取具有良好的类别区分性,更加集中在疵点范围内,检测准确率可达99.26%,具有良好的稳定性和泛化性能。