基于视觉显著性与RBF神经网络融合的织物瑕疵检测
Journal of textile science & engineering（2022）
摘要
为提升织物瑕疵检测准确率,避免出现漏检或误检,提高织物检测智能化程度,提出基于视觉显著性与RBF神经网络融合的织物瑕疵检测方法,将织物图像经中值滤波降噪后,通过织物瑕疵区域对比度、纹理粗糙度和纹理方向的异常显著性模型计算获得显著图,并经RBF神经网络训练获得的映射函数和网络特征字典重构织物图像提取特征,之后采用最大熵自动阈值法定位分割,有效获得织物瑕疵检测结果.实验结果表明:此方法能实时有效对多种异常特征较弱的织物瑕疵进行检测,适应性强,检测准确率大幅提升,能满足实际工业织物瑕疵检测要求.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要