摘要
本发明公开了一种基于视觉图像的涤纶面料缺陷检测方法及系统,涉及面料检测领域,该方法包括:获取涤纶面料的多尺度特征图;生成每个关键工序的变化轨迹特征;利用卷积神经网络从涤纶面料的多尺度特征图中提取整合后的特征,并结合每个关键工序的变化轨迹特征,构建多粒度特征矩阵;基于联邦学习和随机森林技术,对多粒度特征矩阵中每个特征进行重要性综合评分,并根据重要性综合评分进行特征筛选,得到涤纶面料缺陷识别输入特征;通过神经网络对涤纶面料缺陷识别输入特征进行评分预测,识别潜在的涤纶面料缺陷区域。本发明提升涤纶面料缺陷检测的准确性和鲁棒性,且具有数据隐私保护与多源信息整合的优势。
技术关键词
涤纶面料
多粒度特征
缺陷检测方法
轨迹特征
随机森林模型
矩阵
视觉
图像
多尺度
多层次
粒子群算法
信息增益算法
特征值
网格搜索算法
数据隐私保护
缺陷检测系统
基线
加密
系统为您推荐了相关专利信息
静态网页
识别网页
静态特征
随机森林模型
网页结构
智能分析技术
监督学习算法
数据
森林算法
优化预测模型
数据汇聚系统
海洋环境数据
深海沉积物
数据管理平台
插值模块