公开(公告)号：CN114240904B

公开(公告)日：2025-03-25

申请号：CN202111567060.8

申请日：2021-12-20

Applicant: 西安工程大学

Inventor： 余灵婕 ,  郜仲元 ,  章玉铭 ,  支超 ,  孙润军 ,  陈梦琦 ,  周尤勇 ,  王帅 ,  柯真霞 ,  朱梦秋

IPC: G06T7/00 ,  G06T7/10 ,  G06T3/4038 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于改进pix2pixGAN网络模型的疵点织物生成方法，属于织物疵点检测领域。本发明包括：S1、获取织物与疵点的语义分割图；S2、将语义分割图、无疵点图和疵点图对应进行横向拼接；将拼接图像分离为语义分割图、无疵点图和疵点图，进行归一化；将语义分割图与无疵点图打包作为生成器的训练集导入，疵点图导入判别器；S3、根据生成器生成图与判别器疵点图的交叉熵和L1Loss损失函数之和来优化，使得生成器输出目标域图片，得到DPGAN模型；S4、在新的纹理织物上随机进行语义分割，将语义分割后的图与原无疵点织物图拼接，输入DPGAN模型中，生成新纹理疵点织物图。本发明能够在不同纹理织物上生成缺陷，增强数据集。

公开(公告)号：CN112036541B

公开(公告)日：2023-11-17

申请号：CN202011112620.6

申请日：2020-10-16

Applicant: 西安工程大学

Inventor： 余灵婕 ,  陈梦琦 ,  支超 ,  祝双武 ,  孙润军 ,  郜仲元 ,  王帅 ,  柯真霞 ,  周尤勇 ,  朱梦秋

IPC: G06N3/006 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/086 ,  G06N3/126 ,  G06T7/00 ,  G01N21/88

Abstract: 本发明公开了一种基于遗传算法优化神经网络的织物疵点检测方法，属于数据处理领域。本发明包括：初始化Gabor滤波参数；采集织物疵点图像；标记得到疵点类别和包含疵点的边框，建立PascalVOC数据集；将PascalVOC数据集送入Faster‑RCNN网络训练模型中进行训练，计算mAP；将mAP作为遗传算法的适应度函数，进行变异、交叉和选择得到子代Gabor参数，直至迭代次数达到设定的最大值，输出最优基因型即织物疵点图像的最优滤波参数；调用对应的Faster‑RCNN模型输出织物疵点的位置、类型和准确度。本发明能够很好的将疵点和背景分离，织物检测模型进行疵点的准确率高、通用性好。

公开(公告)号：CN114240904A

公开(公告)日：2022-03-25

申请号：CN202111567060.8

申请日：2021-12-20

Applicant: 西安工程大学

Inventor： 余灵婕 ,  郜仲元 ,  章玉铭 ,  支超 ,  孙润军 ,  陈梦琦 ,  周尤勇 ,  王帅 ,  柯真霞 ,  朱梦秋

IPC: G06T7/00 ,  G06T7/10 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于DPGAN模型的疵点织物生成方法，属于织物疵点检测领域。本发明包括：S1、获取织物与疵点的语义分割图；S2、将语义分割图、无疵点图和疵点图对应进行横向拼接；将拼接图像分离为语义分割图、无疵点图和疵点图，进行归一化；将语义分割图与无疵点图打包作为生成器的训练集导入，疵点图导入判别器；S3、根据生成器生成图与判别器疵点图的交叉熵和L1Loss损失函数之和来优化，使得生成器输出目标域图片，得到DPGAN模型；S4、在新的纹理织物上随机进行语义分割，将语义分割后的图与原无疵点织物图拼接，输入DPGAN模型中，生成新纹理疵点织物图。本发明能够在不同纹理织物上生成缺陷，增强数据集。

公开(公告)号：CN113129434A

公开(公告)日：2021-07-16

申请号：CN202110469863.3

申请日：2021-04-28

Applicant: 西安工程大学

Inventor： 余灵婕 ,  王关林 ,  柯真霞 ,  支超 ,  孙润军 ,  陈梦绮 ,  郜仲元 ,  朱梦秋 ,  周尤勇 ,  王帅

IPC: G06T17/00 ,  G06T7/564 ,  G06T7/13 ,  G06T5/50 ,  G06T5/10

Abstract: 本发明公开了一种基于显微二维图像序列的非织造布三维建模方法，属于三维结构建模领域。本发明的基于显微二维图像序列的非织造布三维建模方法，融合图像处理和三维建模技术，所建立的非织造布三维几何模型中纤维不是随机分布，而是依据采集的序列真实图像提取纤维的平面位置以及深度信息，因此所建模型的空间结构和非织造布内纤维真实堆砌结构具有较高的一致性，可为后续各项研究提供精准三维结构模型。本发明的基于显微二维图像序列的非织造布三维建模方法，在降低获取图像成本的前提下，构建与真实纤维堆砌结构基本一致的非织造布三维模型。

公开(公告)号：CN112036541A

公开(公告)日：2020-12-04

申请号：CN202011112620.6

申请日：2020-10-16

Applicant: 西安工程大学

Inventor： 余灵婕 ,  陈梦琦 ,  支超 ,  祝双武 ,  孙润军 ,  郜仲元 ,  王帅 ,  柯真霞 ,  周尤勇 ,  朱梦秋

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00 ,  G01N21/88

Abstract: 本发明公开了一种基于遗传算法优化神经网络的织物疵点检测方法，属于数据处理领域。本发明包括：初始化Gabor滤波参数；采集织物疵点图像；标记得到疵点类别和包含疵点的边框，建立PascalVOC数据集；将PascalVOC数据集送入Faster-RCNN网络训练模型中进行训练，计算mAP；将mAP作为遗传算法的适应度函数，进行变异、交叉和选择得到子代Gabor参数，直至迭代次数达到设定的最大值，输出最优基因型即织物疵点图像的最优滤波参数；调用对应的Faster-RCNN模型输出织物疵点的位置、类型和准确度。本发明能够很好的将疵点和背景分离，织物检测模型进行疵点的准确率高、通用性好。