一种基于YOLO的储油船板表面焊接飞溅物检测方法技术

本发明专利技术公开了一种基于YOLO的储油船板表面焊接飞溅物检测方法，具体涉及焊接飞溅物检测技术领域，其步骤如下：步骤1：构建训练样本集以及数据集预处理；步骤2：构造基于YOLO算法的网络模型；步骤3：对上述构造的模型参数进行初始化；步骤4：使用构造的训练样本集对网络模型进行训练及优化，得到最优参数；步骤5：使用测试样本集对最优网络模型进行测试，并输出结果。与现有技术相比，本发明专利技术的优势之处在于，本发明专利技术利用深度学习的思想，训练出一个可以高效检测储油船板表面焊接飞溅物的YOLO目标检测模型，在今后面对实时的储油船板表面焊接飞溅物时，工业机器人可以基于元YOLO目标检测模型进行高效的自主检测，使机器人工作效率大幅提升。升。升。

【技术实现步骤摘要】
一种基于YOLO的储油船板表面焊接飞溅物检测方法


[0001]本专利技术涉及焊接飞溅物检测
，更具体地说，本专利技术涉及一种基于YOLO的储油船板表面焊接飞溅物检测方法。

技术介绍

[0002]目前国内外对黏附于焊接板表面飞溅物检测的研究较少，大多数采用基于机器视觉的方法，传统机器视觉须对检测图像进行多次的加工处理，这样一来目标检测的效率就会大大降低，然而工业应用往往需要的是高效率。
[0003]因此亟需提供一种基于YOLO的储油船板表面焊接飞溅物检测方法。

技术实现思路

[0004]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于YOLO的储油船板表面焊接飞溅物检测方法，以解决全方位自主移动无尘除锈机器人在工作时，检测黏附于焊接板表面飞溅物的效率不高的问题。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：一种基于YOLO的储油船板表面焊接飞溅物检测方法，其步骤如下：
[0006]步骤1：构建训练样本集以及数据集预处理；
[0007]步骤2：构造基于YOLO算法的网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO的储油船板表面焊接飞溅物检测方法，其特征在于，其步骤如下：步骤1：构建训练样本集以及数据集预处理；步骤2：构造基于YOLO算法的网络模型；步骤3：对上述构造的模型参数进行初始化；步骤4：使用构造的训练样本集对网络模型进行训练及优化，得到最优参数；步骤5：使用测试样本集对最优网络模型进行测试，并输出结果。2.根据权利要求1所述的一种基于YOLO的储油船板表面焊接飞溅物检测方法，其特征在于，所述步骤1，可继续拆分为如下步骤：S1：自制数据集，并将数据集进行预处理，S2：对数据集进行数据增强，S3：将数据增强之后...

【专利技术属性】
技术研发人员：刘文昌，邬春学，张生，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：