摘要
本发明公开了一种基于多阶段卷积神经网络的纱线包覆检测方法及系统,涉及纱线检测领域,该基于多阶段卷积神经网络的纱线包覆检测方法包括以下步骤:从生产过程数据中筛选出若干因素作为输入变量;通过输入变量及对应的标签训练支持向量机模型,得到纱线包覆质量预测模型;构建多阶段卷积神经网络,并结合纱线包覆质量预测模型的输出及图像数据进行纱线包覆的缺陷检测分类;使用差分进化算法优化生产过程中的参数和原材料比例。本发明通过多阶段卷积神经网络的使用,更精确地识别和分类不同类型的缺陷,利用差分进化算法及获取的缺陷检测分类结果优化生产过程参数和原材料比例,且融合不同类型数据,增强了泛化能力。
技术关键词
支持向量机模型
多阶段
进化算法
优化支持向量机
新图像数据
变量
粒子群优化算法
识别纱线
标签
生成混沌序列
模块
参数
极值
轻量化结构
精确地识别
贪婪策略
系统为您推荐了相关专利信息
温度控制方法
链路
回归分析方法
参数
物联网传感器设备
策略生成方法
运动
智能反馈系统
数据间关联关系
机器学习分类算法