基于混合特征的机器视觉方法,用于对织品和的客观评估
Qingchun Jiao1, Zifan Qian1, Yue Dong2
1School of Automation and Electrical Engineering, Zhejiang University of Science and Technology, Hangzhou, China.
PloS one
|September 3, 2025
概括
这项研究引入了一种机器视觉方法,使用基于混合特征的深度可分离注意网络 (HDAN-PF) 进行客观的织品堆积和模糊评估. 这种新方法达到96.26%的准确性,改善了织品质量评估.
科学领域:
- 织科学
- 计算机视觉
- 机器学习
背景情况:
- 织品的和是关键的质量指标.
- 目前的主观评价方法效率低下,容易出现错误.
- 需要客观的评估来控制织品的质量.
研究的目的:
- 开发一个客观,有效和准确的方法来评估织品的和色等级.
- 引入一种新的机器视觉方法来评估织品的质量.
- 克服主观评分系统的局限性.
主要方法:
- 提出基于混合特征的深度可分离的注意网络 (HDAN-PF).
- 采用机器视觉方法整合频率和空间域特征.
- 使用通道注意力和深度可分离的卷积来提取特征和效率.
主要成果:
- 在各种织物图像上实现了96.26%的分类准确性.
- 在各种织物类型中表现出强大的概括能力.
- HDAN-PF模型有效地融合了多个领域的特征,以进行精确的评估.
结论:
- 拟议的基于混合特征的机器视觉方法为客观的织品堆积和模糊性评估提供了一个变革性的解决方案.
- 这种方法提高了织品质量评估的一致性和效率.
- 这种方法对织工业具有显著的实用性.


