卷积神经网络与多阈值分析在服装行业污染物检测中的应用
计算机视觉与模式识别
2022-07-27 v1
摘要
在现代纺织工业中,服装品的质量控制必不可少,因为消费者对最高标准的认知与期望在可持续与道德纺织品诉求下持续提升。此类质量水平需通过产品全生命周期(从原材料到装箱库存)的检验来实现。检验可包括色差测试、紧固件疲劳测试、织物称重测试、污染物测试等。本工作专门研究成品中由小部件引发的污染物自动检测,如原材料类的小石子和塑料碎屑,或来自制造过程的整枚针、夹子等。识别通过对物品 X 射线图像的两级处理完成:第一级,多阈值分析依据灰度与形状属性识别污染物;第二级为深度学习分类器,经训练以区分真阳性与假阳性。该自动检测器已成功部署于实际生产工厂,因其结果满足工艺技术规范,即假阴性数小于 3%、假阳性数小于 15%。
引用
@article{arxiv.2207.12720,
title = {Convolutional neural networks and multi-threshold analysis for contamination detection in the apparel industry},
author = {Marco Boresta and Tommaso Colombo and Alberto De Santis},
journal= {arXiv preprint arXiv:2207.12720},
year = {2022}
}
备注
23 pages, 8 figures