基于YOLOX-Tiny的数码印花织物缺陷检测方法研究与应用.pdfVIP

摘要

随着“环保、时尚”消费理念的兴起，数码印花在纺织领域得到越来越广泛的应用。

在数码印花的过程中，布料上浆不均匀、机器喷头故障、机械传动误差等多种因素会导

致印花织物产生缺陷，直接影响最终产品质量，提高企业生产成本。为了减少企业损

失，在线实时检测数码印花过程中产生的缺陷是很有必要的。近年来，在纺织行业已经

有一些基于深度学习的计算机视觉技术成功应用于工业品缺陷检测当中，但在数码印

花领域，由于其织物颜色丰富、印花图案复杂、花型种类繁多，导致目前针对数码印花

织物缺陷检测的效果仍然不太理想。因此，研发基于深度学习的数码印花织物缺陷检

测系统对于纺织印花行业具有较大的工程应用价值。本文的主要工作内容如下：

(1)制作并增强数码印花织物缺陷数据集。对数码印花生产中的缺陷图像进行采集

并利用专业标注软件对缺陷图像进行标注，制作用于本文研究的数码印花织物缺陷数

据集；其次，在对数据集采用常规的数据扩充方法的基础上使用了CycleGAN网络对

原数据进行训练，进而达到数据增强的目的。实验结果表明，数据增强后的网络检测性

能优于增强前的网络。

(2)提出了一种基于YOLOX-Tiny的改进织物缺陷检测网络。在嵌入式设备算力有

限的情况下，验证分析了多种目标检测领域的轻量化神经网络，在保证检测精度的基

础上同时考虑实时性需求，本文选择了YOLOX-Tiny为缺陷检测基准网络；针对网络

对小目标检测精度不高的问题，通过添加SE注意力机制模块来提高模型的检测精度，

最终分别在公开数据集和自建数据集对网络进行性能测试。实验结果表明，改进后的

网络相较于原网络mAP值提升了2.7个百分点，在其他检测精度指标上也有不同程度

的提升。

(3)研究并实现了一套数码印花织物缺陷检测系统。本文根据工厂实际需求设计了

系统的总体框架，通过实验平台调试，将改进后的网络部署到嵌入式设备JetsonNano

开发板上并通过TensorRT工具进行模型加速，最终构建了一个具有加载模型、图像识

别、实时检测功能的数码印花织物缺陷检测系统。

关键词：深度学习；缺陷检测；数码印花；轻量化神经网络；YOLOX-Tiny

论文类型：应用研究

ABSTRACT

Withtheriseoftheconsumptionconceptofenvironmentalprotectionandfashion,digital

printinghasbeenmoreandmorewidelyusedintextilefield.Intheprocessofdigitalprinting,

manyfactorssuchasunevenclothsizing,machinenozzlefailure,mechanicaltransmission

errorwillleadtoprintedfabricdefects,directlyaffectthequalityofthefinalproduct,improve

theproductioncostofenterprises.Inordertoreducethelossofenterprises,itisnecessaryto

detectthedefectsintheprocessofdigitalprintingonline.Inrecentyears,somecomputer

visiontechnologiesbasedondeeplearninghavebeensuccessfullyappliedtothedefect

detectionofindustrialproductsinthetextileindustry.However,inthefieldofdigitalprinting,

theeffectofthedefectdetectionofdigitalprintingfabricsisstillnotsatisfactoryduetothe

richcolors,complexprintingpatternsandvar