基于深度学习的机织物起毛起球客观评级分析

来源：现代纺织技术杂志2024年第1期北京时间：

作者：吴骏, 徐天, 于坤

单位：1. 天津工业大学，a.天津市光电检测技术与系统重点实验室；b.电子与信息工程学院，天津 300387；2. 天津市产品质量监督检测技术研究院纺织纤维检验中心，天津 300192

摘要：为了有效克服目前人工检测速度慢、误差大、主观性强的问题，更快速、准确、客观地对机织物起毛起球样本评级，提出了一种多尺度特征融合的Wide-SqueezeNet网络。首先制作了两种成分不同的机织物起毛起球数据集。根据机织物起毛起球图像中毛球形状大小不一以及分布不均的特点，在网络中改进Fire模块，其中增加了短连接来解决训练中梯度发散等问题，在短连接中使用两个3×3小卷积核来减少计算量并且获取不同尺度的特征图信息，增强网络的特征提取能力来提高准确率；其次为了减少整体的计算量，在网络预处理时将图像统一到224×224大小，并且将网络中普通卷积替换为深度可分离卷积。结果表明，通过使用多尺度特征融合和深度可分离卷积来改进网络，机织物起毛起球的客观评级准确率可以达到99.333%。相比于基础网络SqueezeNe、Resnet、MobileNet、DenseNet、ShuffleNet，该方法的提升分别为2.220%、1.777%、2.666%、1.333%和2.220%。与人工检测需要几分钟到十几分钟不等相比，该网络只需要0.072 s即可检测一幅图像，检测速度大大提高。

关键词：机织物,起毛起球,特征融合,深度可分离卷积

基金资助：京津冀基础研究合作专项项目（H2021202008）；天津市自然科学基金资助项目（21JCZXJC00170)