布料品質管理是紡織業的一個重要課題,因為好的品質管理可以降低營運的成本並提高產品的品質,同時保持良好的客戶滿意度。由於圖形處理單元技術的進步,以及類神經網路架構的不斷改進,使得卷積神經網路成為一種有效的圖形辨識方法,因此本研究將採用卷積神經網路來做三種織物常見瑕疵的影像辨識,這三種瑕疵分別為油汙、斷緯和節紗。 本研究所使用的卷積神經網路模型為Inception-Resnet-V2,藉由設定其中不同網路架構的層數,來找出較適用於織物瑕疵辨識的設定,所採用的評估方法為k等分交叉驗證方法。當選擇到適當的網路層數時,從六百張瑕疵圖像的實驗結果所得到的最佳瑕疵辨識正確率為87 67%,優於人工檢測的辨識率,尤其是對於斷緯和油汙這兩種瑕疵,其辨識準確率均可超過90%,顯示了本研究所提出的方法可以有效的用來識別織物瑕疵類型,並切合實務使用的需求。
An Application of Convolutional Neural Networks on the Classification of Textile Fabric Flaws
國豪, 李. (Author). 2019
學生論文: Doctoral Thesis