-
题名基于ContrastGAN的色织物缺陷检测
被引量：5
- 1
-
-
作者
周新龙
张宏伟
吴燕子
陆帅
张玥
-
机构
西安工程大学
浙江大学工业控制技术国家重点实验室
北京理工大学医工融合研究院
-
出处
《棉纺织技术》
CAS
北大核心
2022年第11期1-8,共8页
-
基金
国家自然科学基金(61803292)
陕西省重点研发计划(2019ZDLGY01-08,2019SF-235)
中国纺织工业联合会科技指导性项目(2020111)。
-
文摘
传统自编码器应用于图案、背景纹理复杂的色织物缺陷检测任务中,存在普适性差以及漏检率、误检率高等问题,为了解决该问题,提出一种基于对比学习生成式对抗网络(ContrastGAN)的无监督检测方法。首先,建立基于ContrastGAN的色织物图像重构修复模型;其次,采用对比学习加强潜在特征空间正负例样本约束,最大化输入输出图像对应Patch之间的互信息,增强正负例特征向量区分度,使模型重构无缺陷样本图像能力得到进一步提升;然后,利用训练好的模型得到待测色织物的重构图像,并通过计算得到待测样本与对应重构图之间的残差图像;最后,对残差图像进行阈值分割和数学形态学处理,实现了缺陷区域的快速检测和准确定位。该模型能有效重构多种色织物的纹理,相比传统自编码器能够实现更高的缺陷定位精度,满足多种复杂色织物缺陷检测场景的需要。
-
关键词
机器视觉
色织物
缺陷检测
对比学习
Patch级别互信息
潜在特征空间
-
Keywords
machine vision
yarn-dyed fabric
defect detection
contrastive learning
Patch level mutual information
latent feature space
-
分类号
TS101
[轻工技术与工程—纺织工程]
TP391
[轻工技术与工程—纺织科学与工程]
-
-
题名BIM下的高层建筑平面凹凸不规则识别方法
- 2
-
-
作者
郑平芳
袁玲
-
机构
福建林业职业技术学院交通工程系
-
出处
《成都工业学院学报》
2024年第5期6-10,共5页
-
基金
福建省中青年教师教育科研项目(JAT210764)。
-
文摘
在高层建筑平面审查过程中,主要通过基于ResNET(残差学习网络)的图片分类模型进行平面凹凸不规则识别,存在数据样本不均衡的问题,使得最终识别结果曲线下面积(AUC)值较低。针对此类问题,提出建筑信息模型(BIM)下的高层建筑平面凹凸不规则识别方法。利用布尔交运算方法,分析高层BIM模型中所有结合对象之间的关系,获取建筑平面信息。通过无人机搭载图像采集系统获取建筑实景图像,并应用多尺度局部直方图均衡化算法实现图像增强。建立以最大类间方差法为基础的图像分割方案,结合多策略融合未来搜索算法确定最优分割阈值,得到高层建筑图像目标前景区域。最后,运用深度学习网络构建基于潜在特征空间的图片异常检测模型,将分割后图像输入训练好的模型中自动学习,即可得到建筑平面凹凸不规则识别结果。实验结果表明:该方法识别结果的AUC值为0.9,更符合高层建筑平面审查工程的要求。
-
关键词
建筑信息模型
高层建筑
潜在特征空间
图像增强
图像分割
不规则识别
-
Keywords
Building Information Model(BIM)
High-rise Building
latent feature space
Image Enhancement
Image Segmentation
irregular recognition
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
