融合改进vgg16模型与SVM的抓毛织物检测方法

针对抓毛织物检测准确率低的问题，提出一种融合改进vgg16模型与SVM的抓毛织物检测方法。先对抓毛织物图像进行主成分分析、奇异值分解预处理操作，通过数据增强得到扩充后的数据样本，在扩充后的抓毛织物图像输入改进的vgg16卷积神经网络模型，利用卷积神经网络自动获取抓毛织物样本的特征，将获取的抓毛织物输入支持向量机分类器中对抓毛织物进行分类。实验结果表明：融合改进vgg16模型与SVM的抓毛织物检测方法在样本测试集平均识别准确率为99.96%,通过对比预处理前后的4类抓毛织物图像以及对抓毛织物特征可视化结果表明，图像预处理提高了模型的鲁棒性和泛化能力，随着卷积层数的增加能够获得具有分辨力较高的抓毛织物表面特征。