基于GAN-Data数据增强与FD-DETR的织物疵点检测方法

您当前的位置：

首页 >

文章列表页 >

基于GAN-Data数据增强与FD-DETR的织物疵点检测方法

学术论文 | 更新时间：2026-06-22

上一篇|下一篇

- 基于GAN-Data数据增强与FD-DETR的织物疵点检测方法
- Fabric Defect Detection Method Based on GAN-Data Augmentation and Improved RT-DETR
- 陈孟元，张坦坦，唐哲
- 电子学报 2026年54卷第1期页码：417-432
- 作者机构：
  安徽工程大学高端装备先进感知与智能控制教育部重点实验室，安徽芜湖 241000
- 作者简介：
  陈孟元男，1984年1月出生于安徽省芜湖市。现为安徽工程大学电气工程学院教授、博士生导师，安徽省学术和技术带头人后备人选，安徽省高校杰出青年基金获得者，第一完成人获得安徽省科学技术进步奖一等奖。主要研究方向为移动机器人视觉SLAM与智能制造技术。E-mail: mychen@ahpu.edu.cn
  张坦坦男，2000年5月出生于安徽省宿州市。现为安徽工程大学电子信息专业硕士研究生。主要研究方向为风格迁移与缺陷检测。E-mail: 2230342256@stu.ahpu.edu.cn
  唐哲男，2000年6月出生于安徽省宿州市。现为安徽工程大学电子信息专业硕士研究生。主要研究方向为图像处理。E-mail: 2230342287@stu.ahpu.edu.cn
- 基金信息：
  安徽省重点研究与开发计划项目(202304a05020073);安徽省高校杰出青年科研项目(2022AH020065);安徽省高校哲学社会科学研究项目(2023AH050881)
- DOI： 10.12263/DZXB.20250899
  中图分类号：
- 录用：2026-01-24 ，
- 稿件说明：
移动端阅览
DOI：
DOI：

HTML全文
图( 12 ) 表( 5 )
参考文献
出版信息
数据统计

摘要

Abstract

关键词

Keywords

references

115

浏览量

342

下载量

0

CSCD

文章被引用时，请邮件提醒。

提交

工具集

BibTeX下载
Endnote下载
RefMan 下载
NoteExpress下载
NoteFirst下载

关联资源

相关文章

基于深度学习的单帧图像超分辨率重建综述

基于深度对抗学习潜在表示分布的异常检测模型

面向工业多时间尺度软测量的时序解耦与度量对齐Transformer模型

包含绕包铝箔屏蔽的数据线缆信号完整性解析方法

基于全局初检与局部列表精检的OTFS两阶段检测方法

相关作者

吴靖

叶晓晶

黄峰

陈丽琼

王志锋

刘文犀

席亮

刘涵

相关机构

福州大学机械工程及自动化学院

福州大学先进技术创新研究院

福州大学计算机与大数据学院

哈尔滨理工大学计算机科学与技术学院

福州大学机械工程及自动化学院