【技术实现步骤摘要】
一种基于YOLO的轻质墙板表面缺陷检测方法及装置
[0001]本专利技术涉及缺陷检测领域，特别是一种基于YOLO的轻质墙板表面缺陷检测方法及装置。
技术介绍
[0002]在轻质墙材的生产过程中，对产品进行缺陷检测是必不可少的一步，即识别出缺陷的类型和缺陷的位置。轻质墙材生产中对于产品的表面缺陷识别还停留在人工检测阶段，会受到工人的个人因素影响，效率和质量都难以得到保障。
[0003]传统的机器视觉技术一般使用图像处理算法，如阈值分割、形态学、连通区域提取等方法取出可能包含产品缺陷的图像区域，再使用贝叶斯网络、支持向量机等算法进行图像分类，以区分出是否是缺陷。传统机器视觉技术不是端到端的算法，对每一种缺陷都要分析其特征，然后利用机器学习算法进行反复试验、调整参数，才能得到一个表现良好的算法，该过程对算法工程师的经验要求很高。表面缺陷检测采用传统的图像处理算法检测有鲁棒性差，误检率高等缺点。
[0004]采用深度学习目标检测的方法可以使检测准确率大大提高，并能同时对缺陷种类进行分类，模型的泛化性能和鲁棒性有显著增...
【技术保护点】
【技术特征摘要】
1.基于YOLO的轻质墙板表面缺陷检测方法及装置，其特征在于，包括以下步骤：步骤一：收集生产线上存在表面缺陷的轻质墙板的图像，建立轻质墙板缺陷识别库；步骤二：对所述存在表面缺陷的轻质墙板的图像中的缺陷进行批量标记，并按照7:2:1随机划分为训练...
【专利技术属性】
技术研发人员：陈继文，马文静，孟德才，于永鹏，杨红娟，姬帅，贝太学，刘洪彬，于复生，高晓明，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。