基于S-YOLOV3模型的织物实时缺陷检测算法 
下载： 1632次
Real-time Fabric Defect Detection Algorithm Based on S-YOLOV3 Model
1 西安工程大学电子信息学院, 陕西 西安 710048
2 西安工程大学协同创新中心, 陕西 西安 710048
图 & 表
图 1. S-YOLOV3模型识别织物缺陷的流程
Fig. 1. Flow diagram for S-YOLOV3 model to identify fabric defects
下载图片 查看原文
图 2. Darknet53的结构
Fig. 2. Structure of Darknet53
下载图片 查看原文
图 3. S-YOLOV3模型的训练流程
Fig. 3. S-YOLOV3 model training process
下载图片 查看原文
图 4. S-YOLOV3网络的剪枝过程
Fig. 4. Pruning process of S-YOLOV3 network
下载图片 查看原文
图 5. FID织物缺陷的样本。(a)断头疵;(b)破洞;(c)多网;(d)密路;(e)稀路
Fig. 5. Samples of FID fabric defects. (a) Broken-end; (b) hole; (c) netting-multiple; (d) thick-bar; (e) thin-bar
下载图片 查看原文
图 6. YID织物缺陷的样本。(a)毛丝1;(b)毛丝2;(c)毛丝3;(d)毛丝4;(e)破洞;(f)断经;(g)断纬; (h)浆斑;(i)结丝;(j)污渍;(k)开车疵;(l)褶皱
Fig. 6. Samples of YID fabric defects. (a) Broken filament 1; (b) broken filament 2; (c) broken filament 3; (d) broken filament 4; (e) hole; (f) broken-picks; (g) cracked-ends; (h) pulp-stain; (i) filaments; (j) stain; (k) driving-defects; (l) wrinkle
下载图片 查看原文
图 7. FID数据集中各缺陷的检测结果
Fig. 7. Test results for each defect in FID dataset
下载图片 查看原文
图 8. YID数据集中各缺陷的检测结果
Fig. 8. Test results for each defect in YID dataset
下载图片 查看原文
图 9. 织物缺陷的检测结果
Fig. 9. Test results of fabric defects
下载图片 查看原文
图 10. FID缺陷的检测结果。(a)断头疵;(b)破洞;(c)多网;(d)密路;(e)稀路
Fig. 10. FID defect detection results. (a) Broken-end; (b) hole; (c) netting-multiple; (d) thick-bar; (e) thin-bar
下载图片 查看原文
图 11. YID缺陷的检测结果。(a)毛丝1;(b)毛丝2;(c)毛丝3;(d)褶皱;(e)断经;(f)污渍;(g)浆斑;(h)开车疵
Fig. 11. YID defect detection results. (a) Broken-filament 1; (b) broken-filament 2; (c) broken-filament 3; (d) wrinkle; (e) broken-picks; (f) stain; (g) pulp-stain; (h) driving-defects
下载图片 查看原文
表 1不同的检测框架在测试集上的性能对比
Table1. Performance comparison of different detection frameworks on test sets
| Framework | FID | YID |
|---|
| mAP /% | FPS | mAP /% | FPS |
|---|
| Mobilenet1.0 | 81 | 45 | 80 | 48 | | Darknet53 | 93 | 41 | 95 | 40 |
|
查看原文
表 2不同模型在测试集上的性能对比
Table2. Performance comparison of different models on test set
| Model | mAP /% | FPS |
|---|
| GAN+Faster R-CNN | 92.0 | 5 | | YOLOV2 | 76.8 | 67 | | YOLOV3 | 94.0 | 40 |
|
查看原文
表 3YOLOV3与S-YOLOV3检测结果对比
Table3. Comparison of test results between YOLOV3 and S-YOLOV3
| Model | Number ofarguments /M | mAP /% | FPS |
|---|
| YOLOV3 | 65 | 94 | 40 | | S-YOLOV3 | 15 | 94 | 55 |
|
查看原文
周君, 景军锋, 张缓缓, 王震, 黄汉林. 基于S-YOLOV3模型的织物实时缺陷检测算法[J]. 激光与光电子学进展, 2020, 57(16): 161001. Jun Zhou, Junfeng Jing, Huanhuan Zhang, Zhen Wang, Hanlin Huang. Real-time Fabric Defect Detection Algorithm Based on S-YOLOV3 Model[J]. Laser & Optoelectronics Progress, 2020, 57(16): 161001.
PDF全文
