基于卷积神经网络轻量化的改进SSD异纤检测方法

• Published in: 计算机集成制造系统 Vol. 31; no. 1; pp. 171 - 181
• Main Authors: 胡胜, 王紫悦, 张守京, 李博豪, 赵小惠, 刘文慧
• Format: Journal Article
• Language: Chinese
• Published: 湖北工业大学现代制造质量工程湖北省重点实验室,湖北 武汉 430068%西安工程大学机电工程学院,陕西 西安 710048%西安近代化学研究所,陕西 西安 710065 31.01.2025; 西安工程大学机电工程学院,陕西 西安 710048
• Subjects: K-means++聚类; 卷积神经网络; 异纤检测; foreign fiber detection; convolutional neural network; K-means++clustering; lightweighting; improved single shot multibox detector; 改进SSD; 轻量化
• ISSN: 1006-5911
• DOI: 10.13196/j.cims.2023.0647

TS107.2%TP391.41; 精准检测棉花中混杂的小型异纤是保障纱线与织物质量的基础和关键.针对现有算法在棉花小型异纤检测中存在的漏检率高、网络结构复杂等问题,提出一种基于卷积神经网络轻量化的改进单步多框检测器(SSD)的棉花异纤检测方法.首先,通过引入深度可分离卷积、倒残差结构等创新性设计,将SSD算法中原有骨干特征提取网络VGGNet16替换为MobileNetv2网络;然后,对于SSD算法中生成的候选框尺寸与棉花异纤大小不匹配导致棉花背景占比过高,从而引起正负样本不均衡的问题,采用K-means++算法对棉花异纤尺寸进行聚类分析,根据聚类结果修正候选框尺寸.通过算例进行验证,结果显示所提方法在实现模型轻量化的同时有效提升了异纤检测效果和计算效率.