关键词：深度学习;纺织物;缺陷检测;图像分类;卷积神经网络
摘 要：传统的纺织物缺陷检测主要依赖人工，存在主观性强、效率低和准确率不高的问题。探讨了深度学习技术在自动化纺织物缺陷检测中的应用，特别是MLP、CNN、VGG16和ResNet50模型。通过准确率、训练损失、混淆矩阵、ROC曲线和t-SNE聚类效果等指标，对这些模型在特定数据集上的表现进行了评估。结果显示：ResNet50模型在测试集上的准确率达到96.0%,AUC值超过0.91,Silhouette Score值为0.7731,Davies-Bouldin Index值为0.3195，表现出最优的检测性能。此外，针对实际生产中存在的上百种缺陷种类，还研究了层次分类方法，通过树状结构的分类策略，进一步提高了缺陷检测的准确率至85.4%。为提高纺织品质量检测的自动化水平提供了有效的技术支持。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取