一种基于轻量级深度学习的O型密封圈缺陷检方法及装置制造方法及图纸

本发明专利技术公开了一种基于轻量级深度学习的O型密封圈缺陷检方法，包括以下步骤：步骤1：选用轻量级基线网络MoblieNetV3；步骤2：根据Bottleneck中的卷积核重要度进行剪枝；步骤3：采用数据集在轻量化模型上进行深度学习；步骤4：进行训练后模型的权重量化；步骤5：采用O型密封圈缺陷检测装置自动且批量地检测密封圈表面的缺陷。本发明专利技术采用了基于轻量级深度学习的系统进行O型密封圈的缺陷检测，其基线网络采用轻量级的深度学习网络MobileNetV3,并利用轻量化的方法压缩模型，使其能够运行在资源受限的嵌入式设备上，从而实现工业上O型密封圈的缺陷检测。圈的缺陷检测。圈的缺陷检测。

【技术实现步骤摘要】
一种基于轻量级深度学习的O型密封圈缺陷检方法及装置


[0001]本专利技术涉及智能制造，数字化改造和工业橡胶密封圈的缺陷检测领域，具体是一种嵌入式环境下的基于轻量级深度学习密封圈缺陷检测算法及系统。

技术介绍

[0002]国内工厂对橡胶圈及相关产品的缺陷检测方法，大多采取人工检测方式。而人工检测方式浪费大量劳动力，而且增加了生产成本，工人的长时间作业导致检测准确率下降。国内拥有自动可视化的X射线探伤设备，但是存在设备昂贵、维护成本高、辐射强等问题。
[0003]深度神经网络模型被广泛应用在图像分类、物体检测等机器视觉任务中，并取得了巨大成功。
[0004]然而，由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战。

技术实现思路

[0005]1.要解决的技术问题
[0006]本专利技术的目的是为了解决现有技术中由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战的问题，而提出的一种基于轻量级深度学习的O型密封圈缺陷检方法及装置。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量级深度学习的O型密封圈缺陷检方法，其特征在于，包括以下步骤：步骤1：输入包含O型密封圈的图像数据；步骤2：调用预先建立并训练好的轻量级神经网络模型，该模型预先设定了相关测试参数、缺陷阈值，并通过经过处理的O型密封圈图像数据集进行深度学习，训练后采用剪枝和量化对模型进行轻量化，通过所述测试模型进行计算得到缺陷检测结果；步骤3：输出缺陷检测的结果。2.根据权利要求1所述的一种基于轻量级深度学习的O型密封圈缺陷检方法，其特征在于，所述神经网络模型的建立，包括以下步骤：S1：选用轻量级模型，并对模型进行一系列轻量化的处理；S2：收集一定数量的包含被测对象的图像数据集，对图像数据集进行数据增强，对数据集中包含被检测对象的各种缺陷的图像进行缺陷标注；S3：对标注后的图像进行预处理，并根据设置的深度学习训练参数进行训练建立卷积神经网络。3.根据权利要求2所述的一种基于轻量级深度学习的O型密封圈缺陷检方法，其特征在于，所述轻量化模型压缩方法，包括以下步骤：选用MobileNetV3作为基线网络；进行模型剪枝，设置稀疏度，通过训练获得Bottleneck输出层的卷积核的重要度；进行权重参数量化，设置上下限阈值，根据阈值量化权重。4.根据权利要求3所述的轻量级网络，其特征在于，该模型属于轻量级分类网络，相较于V2版本，其引入了SE卷积注意力机制，提高分类精度，同时将其结构中的通道数进行收缩，减少了时间的消耗。5.根据权利要求3所述的轻量级网络，其特征在于，模型剪枝方法，需要设置卷积核重要度...

【专利技术属性】
技术研发人员：柯荣鹏，张启飞，李文娟，施小锋，
申请(专利权)人：浙江大学软件学院宁波管理中心宁波软件教育中心，
类型：发明
国别省市：