一种基于轻量化UNet的纱线质量在线检测方法

本发明涉及纱线检测和深度学习技术领域，公开了一种基于轻量化UNet的纱线质量在线检测方法，包括在线采集纱线生产过程的纱线图片，在计算机中将采集的图片进行尺寸缩小后输入至离线训练好的MiniUNet网络中，输出带有异常位置和种类的语义分割检测结果图；Bottleneck部分包括Soft‑CBAM注意力机制和最近邻插值；Decoder部分的每个上采样模块包括深度可分离卷积、激活函数GELU和Pixelshuffle操作。本发明基于UNet进行非对称结构设计，减少了大量参数量和内存占用量的同时，保持了高精度的检测效果，更适合于部署在低算力的移动设备上。