基于毫米波感知的皮革瑕疵分类方法

摘要

皮革瑕疵分类是确保皮革产品质量的关键环节.传统的人工检测和图像处理方法受限于光照等环境因素，难以满足高效检测需求.近年来，深度学习特别是卷积神经网络(CNN)的应用提高了瑕疵检测的准确性和效率，但仍受到环境影响.毫米波雷达技术作为一种新兴的无损检测方法，因其强穿透性和不受光照等因素影响的特性而逐渐受到关注.文中提出了一种结合毫米波雷达与改进Vision Transformer模型的皮革瑕疵分类方法，利用毫米波雷达信号提取皮革瑕疵的时频特征，并通过深度学习模型进行分类，在自建数据集上达到了95.62%的准确率，相比经典的分类模型优势显著.

关键词

毫米波雷达 / 皮革瑕疵分类 / Vision Transformer模型 / 迁移学习