基於深層殘差卷積網路應用於紡織品數位之對花檢驗

Deep Residual Network-Based Automated Fabric Inspection

周秉翰(B.H. Zhou) ； 何昭慶(C.C. Ho) ； 李貴琪(K.C. Lee)

《紡織綜合研究期刊》 31卷2期 (2021/04) Pp. 76-79

https://doi.org/10.6439/TTRJ.202104_31(2).0010

摘要

因應智慧製造的快速發展，利用人工智慧解決產業問題日益增加。本研究採用監督式深層捲積神經網路，學習紡織中破洞、漏紗與斷經特徵，並利用遷移式學習與微調（Fine-tuning）提高訓練速度與準確度，藉由訓練後神經網路達到自動化檢測之目標，於2080Ti硬體架構下本研究使用之神經網路預測一張600x600圖片時間為0.189秒。

關鍵字

深層卷積神經網路 ； 瑕疵辨識 ； 布料瑕疵 ； 自動光學檢測 ； 數位影像處理

並列摘要

In response to the rapid development of smart manufacturing, the use of artificial intelligence to solve industrial problems is increasing. This research uses a supervised deep convolutional neural network to learn the characteristics of holes, missing yarn and broken warp in textiles. Moreover using transfer learning and fine-tuning to improve training speed and accuracy. After the neural network achieves the goal of automatic detection, this network predicts that it will take 0.189 seconds for 600*600 images on a 2080Ti GPU.

並列關鍵字

Deep convolutional neural networks ； defect identification ； fabric defect ； automated optical inspection ； digital image processing