25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx

下载本文档

阅读 0
格式 docx
大小 401.43 KB
约33页
2025-11-30
收藏
评论
点赞(0)
海报
举报

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第1页

1/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第2页

2/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第3页

3/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第4页

4/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第5页

5/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第6页

6/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第7页

7/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第8页

8/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第9页

9/33页

25年WP关键词：布匹缺陷；表面缺陷检测；深度学习；注意力机制-约18850字符.docx_第10页

10/33页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/33

文本预览下载提示常见问题

I摘要纺织业是我国轻工业的重要组成部分，随着经济的发展，人们对纺织品的需求越来越高。针对织物缺陷快速准确的检测得到极大的运用，在布匹生产过程中及时发现缺陷，可以提高布匹质量，有利于维持企业信誉。目前，YOLO 系列算法能在较高准确度的情况下，完成缺陷的快速检测，且具有较好的鲁棒性，适合织物缺陷的检测。本文提出了一种基于 AC-YOLOv5 的织物缺陷的检测方法，该方法结合织物检测要求、纹理分布、光学特性和成像特点，能应对织物缺陷大小不一且种类繁多，布匹背景纹理复杂等诸多问题。首先，在 YOLOv5 骨干网络中引入 ASPP 模块，采用...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容