-
题名基于多层感知分类器的皮革图像缺陷识别研究
被引量：1
- 1
-
-
作者
马静
-
机构
陕西国防工业职业技术学院
-
出处
《中国皮革》
CAS
2024年第8期40-46,共7页
-
基金
陕西省“十四五”教育科学规划2023年度课题(SGH23Y3055)
陕西国防工业职业技术学院2022年度重点课题(Gfy22-13)。
-
文摘
针对传统皮革图像缺陷识别准确率和识别效率不高的问题,提出一种改进多层感知分类器的皮革图像缺陷识别方法。首先,以多层感知分类器作为基础网络模型,对其结构进行优化,并选择适宜的激活函数、分类器和权值与偏置更新方法;然后,搭建一个基于改进多层感知分类器的皮革图像缺陷识别模型;最后,提出一套皮革缺陷图像数据集构建方案,通过滑窗裁剪、样本标注、图像增广等获得4类皮革缺陷图像样本,并将该数据集输入至搭建缺陷识别模型中进行缺陷识别。试验结果表明,本模型对孔洞缺陷、划痕缺陷、针眼缺陷和无缺陷4种故障样本的平均精确率、召回率、准确率和F1值分别为96.97%、96.52%、94.99%和96.14,且本模型进行缺陷识别所用时长仅为3.56 s。相较于经典卷积神经网络VGG16、残差网络ResNet10和支持向量机SVM,本模型对皮革图像不同样本的故障识别准确率更高,识别时间更短。由此说明,本模型能够提升皮革图像缺陷识别准确率和效率,模型性能具备优越性和有效性。
-
关键词
多层感知分类器
皮革图像
图像增广
权值与偏置更新
缺陷识别
-
Keywords
multi-layer perception classifier
leather image
image enlargement
weight and bias update
defect recognition
-
分类号
TS56
[轻工技术与工程—皮革化学与工程]
-
