基于卷积神经网络与显著性特征的皮革缺陷检测

针对目前皮革缺陷形态多样、检测难度高的问题,提出卷积神经网络与显著性特征组合的检测方法。以9种常见的皮革缺陷为检测目标,应用卷积神经网络方法对其进行初步检测,结果表明此方法对其中几种缺陷的检测准确性不够。对皮革缺陷的几何和灰度特征进行数理统计,归纳出缺陷显著性特征描述,提出以卷积神经网络为主、显著性特征为辅的组合检测方法。通过试验验证得出,组合检测方法的准确率可达90%以上,相比卷积神经网络法,检测准确率有所提升且平均处理时间的增幅很小,可满足实际皮革缺陷检测需求。