基于卷积神经网络的织物缝纫平整度客观评价

发布时间：2023-10-14 08:18

　　针对大多数评价织物缝纫平整度等级方法对实验条件均有较高的要求,且织物种类及环境等因素对实验结果均有较大影响的现状,提出利用卷积神经网络分析织物缝纫平整度等级的方法,以提高等级分类的准确率和效率。设计了一个基于残差卷积神经网络的织物缝纫平整度客观评价模型,该模型以1 000个普通织物的缝纫图像作为训练样本输入,得到缝纫平整度的分类结果,所选织物包含10种常见服装面料品类(塔夫绸、塔斯隆、雪纺、顺纡绉、尼丝纺、麂皮绒、天丝斜纹、真丝缎面、平布、交织绸)。研究结果表明:经200个测试集样本的验证,该模型的评价准确率达96%,与智能化评价以及建立预测模型方法相比,利用卷积神经网络分析织物缝纫平整度等级的方法,具有较好的准确率,且具备获取样本图像流程简单、效率高的优势。

【文章页数】：5 页

【文章目录】：
1 织物缝纫图像数据集采集与预处理
    1.1 图像采集
    1.2 标签制作
2 卷积神经网络模型的设计
    2.1 卷积神经网络
    2.2 残差卷积神经网络模型设计
3 实验部分
    3.1 预处理
    3.2 实验结果
    3.3 与其他分类方法的结果比较
4 结 论



本文编号：3853945