【技术实现步骤摘要】
基于YOLO v5模型的产品质量在线检测方法
[0001]本公开涉及产品质量检测
,尤其涉及一种基于YOLO v5模型的产品质量在线检测方法、装置和电子设备。
技术介绍
[0002]目前许多企业在产品生产过程中,对产品的检测,主要是通过人工检测的方式来进行。企业对产品的检测具有迫切的技术需求,因为人工成本逐年增加,人工检测难度加大,产品数据增加,故急切需求产品检测技术及衍生品。
[0003]由于工人无法长时间、高强度的持续对产品进行质量检测,而导致整体生产效率受到了较大的影响,产品的质量主要通过质检人员的抽检来保证,无法实现一件一检,从而可能会有不合格件成为漏网之鱼,最终影响整个产品的质量或企业形像。
[0004]自2012年AlexNet提出后,目标检测得到了快速、有效的发展,近年来取得了巨大的成功。其中极具代表性的是目标检测神器YOLO系列,在2020年6月25日的YOLO v5模型横空出世后,目前在检测技术上已经达到了颠峰。
[0005]因此,可以结合该技术,提出一种新的品质量在线检测方法,以代替人工对产品进行质量检测,以达到节省人力、物力的目的,实现企业生产过程中的全自动化,达到实时检测的目的。
技术实现思路
[0006]为了解决上述问题,本申请提出一种基于YOLO v5模型的产品质量在线检测方法、装置和电子设备。
[0007]本申请一方面,提出一种基于YOLO v5模型的产品质量在线检测方法,包括如下步骤:
[0008]获取若干产品图片的训练集照 ...
【技术保护点】
【技术特征摘要】
1.一种基于YOLO v5模型的产品质量在线检测方法,其特征在于,包括如下步骤:获取若干产品图片的训练集照片和验证集照片并进行先验标注处理,得到训练集和验证集;基于YOLO v5模型,对所述训练集和所述验证集进行迭代深度学习,输出并保存满足迭代条件时的训练权重;将产品的测试集图片输入深度学习后的模型,通过所述YOLO v5模型确认所述测试集图片的锚框位置,利用已训练权重判断所述测试集图片的锚框位置是否合格,并输出判断结果。2.根据权利要求1所述的基于YOLO v5模型的产品质量在线检测方法,其特征在于,获取若干产品图片的训练集照片和验证集照片并进行先验标注处理,得到训练集和验证集,包括:获取若干包含产品目标坐标的训练集照片和验证集照片;使用labelImg打锚框的方式,对所述训练集照片和所述验证集照片进行标注处理,得到具有锚框标注的标签;将所述标签转换为预设数据格式的格式标签,并将所述标签划分为训练集标签和验证集标签。3.根据权利要求1所述的基于YOLO v5模型的产品质量在线检测方法,其特征在于,基于YOLO v5模型,对所述训练集和所述验证集进行迭代深度学习,输出并保存满足迭代条件时的训练权重,包括:设置YOLO v5预训练权重;在YOLO v5框架的基础之上,利用所述预训练权重,进行所述YOLO v5模型的迁移学习;将所述训练集输入至YOLO v5模型,进行迭代训练,当满足预设的迭代条件时,输出并保存本次迭代的训练权重,并利用所述训练权重更新所述YOLO v5模型,得到目标检测模块。4.根据权利要求3所述的基于YOLO v5模型的产品质量在线检测方法,其特征在于,基于YOLO v5模型,对所述训练集和所述验证集进行迭代深度学习,输出并保存满足迭代条件时的训练权重,还包括:获取本次迭代的训练权重;利用所述训练权重反馈调节所述验证集,并输出验证效果及评价指标。5.根据权利要求3所述的基于YOLO v5模型的产品质量在线检测方法,其特征在于,将产品的测试集图片输入深度学习后的模型,通过所述YOLO v5模型确认所述测试集图片的锚框位置,利用已训练权重判断所述测试集图片的锚框位置是否合格,并输出判断结果,包括:获取产品的测试集图片;将产品的测试集图片输入至所述目标检测模块进行目标检测,确认测试集图片锚框位置;利用判断器,判断所述锚框位置是否符合所述YOLO v5模型中保存的已训练权重,并将判断结果可视化输出;具体的:
测试集图片进行目标检测后,可以通过YOLO v5模型提取得到测试集图片的锚框位置,记作O1;将其与已训练权重中作为对比判断的特征图片的锚框位置(记作O0),按照判断器的原则进行:经过检测后,将产品的测试集图片和特征图片的锚框位置关系进行可视化处理,并则...
【专利技术属性】
技术研发人员:袁美玲,秦利明,李军,徐正,徐乾春,李晓轩,谢超龙,黄涵培,
申请(专利权)人:台州学院,
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。