机械工程学报

作者：赵树煊, 张洁, 汪俊亮, 徐楚桥

单位：1. 东华大学人工智能研究院 上海 201620;2. 上海工业大数据与智能系统工程技术研究中心 上海 201620;3. 上海交通大学机械与动力工程学院 上海 200240

关键词：面料疵点检测,深度学习,迁移学习；

基金：国家自然科学基金（51905091）、上海市教育发展基金会和上海市教育委员会“晨光计划”（20CG41）和上海市科技计划（20DZ2251400）资助项目。

针对针织格纹面料疵点检测存在检测实时性差和疵点数据稀缺的问题，提出一种基于两阶段深度迁移学习的面料疵点检测算法，实现对疵点的实时高精度检测与检测模型的高效训练。第一阶段迁移：设计面料疵点先验知识迁移算法，通过聚类算法求得交并比最优的四类疵点预选框尺寸参数，使用带有先验知识的疵点预选框替代基于特征的定位方法，实现面料疵点尺寸特征先验知识的迁移，提高面料疵点的定位速度；第二阶段迁移：设计面料特征提取能力迁移算法，利用不同种面料之间具有通用特征的特性，通过将纯色棉麻布检测模型参数迁移至格纹面料检测模型，实现对面料通用特征提取能力的迁移，减少检测模型训练所需的样本数量，提高检测模型训练效率。实验结果表明，在检测性能方面，提出的面料疵点检测算法检测精度为95%、检测速度可达30 m/min，优于传统的目标检测算法，能够满足面料生产中对于检测性能的要求；在模型训练方面，检测模型训练所需疵点样本数量减少50%以上、检测模型训练速度同比提高3倍。

来源：2021年第17期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2021年第17期