【技术实现步骤摘要】
基于YOLO V5模型的智能手机面板表面缺陷检测方法
[0001]本专利技术属于计算机视觉的目标检测领域，具体涉及一种基于YOLO V5模型的智能手机面板表面缺陷检测方法。
技术介绍
[0002]随着5G时代的到来和智能手机产业在全球的迅速发展，手机交易量在逐年增加，用户对手机屏幕的质量要求也在逐步提高。如今的智能手机屏幕的外表面都覆盖有一片玻璃，而手机的显示屏，触摸屏，摄像头和一系列的光学传感器都隐藏于这片玻璃面板之下。手机面板的加工精度和表面质量直接影响到手机的显示效果，触控灵敏，成像质量和光学传感器的信号接收。在手机面板的生产过程，CNC剪裁，表面抛光，油墨印刷和清洗等环节，都不可避免会产生崩边，划痕，坏点，灰尘以及脏污等缺陷严重影响到手机用户的使用体验，因此对手机面板表面质量的检测存在必要。但是普通方法检测方法，对于透明玻璃产品表面的缺陷采集困难；采集到的表面缺陷形态多样；检测的结果容易受环境影响；检测的速度难以跟上生产节拍，导致手机玻璃的检测准确性和实时性难以达到企业的检测要求。因此，研究一种抗干扰力强准确率高的实...
【技术保护点】
【技术特征摘要】
1.一种基于YOLO V5模型的智能手机面板表面缺陷检测方法，其特征在于，该方法包括以下步骤：S1，采集缺陷图像；S2，切割缺陷图像，筛选出带有缺陷信息的图像；S3，对筛选后的图像进行图像增强和标注，并制成手机面板数据集，包括训练集，验证集和测试集；S4，构建改进的YOLO V5网络；S5，利用手机面板数据集对改进的YOLO V5模型进行训练，得到最佳的权重文件；S6，使用最佳权重文件和测试集进行检测，输出缺陷的类别和位置信息。2.根据权利要求1所述的一种基于YOLO V5模型的智能手机面板表面缺陷检测方法，其特征在于，步骤3中的训练集，验证集和测试集的比例为8：1：1。3.根据权利要求1所述的一种基于YOLO V5模型的智能手机面板表面缺陷检测方法，其特征在于，S3包括：S3
‑
1，数据标注将智能手机面板表面缺陷分为坏点，划痕，崩边，灰尘和脏污五类，标注信息包括缺陷类别，标注框的中心坐标以及标注框的长度和宽度，标注信息保存格式为文本格式，且每个缺陷图像对应生成一个文本格式的标注文件；S3
‑
2，图像增强首先将图像分别旋转不同角度，然后随机调整每张图像的亮度和色度，增加高斯噪声，并将多张图片随机叠加，最终使得图像数据得到增强，并且伴随图像增强同步生成对应的标注文件。4.如权利要求1所述的一种基于YOLO V5模型的智能手机面板表面缺陷检测方法，其特征在于，S4包括：S4
‑
1，Backbone引入PSA模块，具体是用注意力模块PSA替换掉CSP残差结构中的3
×
3CBL模块，形成新的模块PSA
‑
CSP；S4
‑
2，Neck中增加多个跨尺度以及跨层级的特征融合；S4
‑
3，在Head部分，增加可变形卷积，以提升检测头对目标空间位置和形态的感知力；S4
‑
4，在锚框的筛选时，按照识别的缺陷将锚框划分多个集合，其中按照置信度，将同一集合中的锚框分为强邻和弱邻集合，强邻集合抑制目标锚框的置信度，弱邻集合强化该锚框的置信度；S4
‑
5，使用交叉熵函数Varifocal loss，计算锚框的损失值：其中，VEL为锚框的交叉熵损失值，q
iou
是目标锚框和标注框之间的交并比，当q
iou
＝0时，表示该锚框为负样本，当q
iou
＞0时，表示锚框为正样本，P是锚框对缺陷的预测概率，α、β为可调节系数；S4
‑
6，将CSP结构中最后一个1
×
1的CBL层中的卷积层和BN层压缩，减少模型大小，其压缩方法如下：
其中x是输入张量，y是输出张量，μ,σ为计算得到的均值和方差，δ...
【专利技术属性】
技术研发人员：袁巨龙，毛越初，王旭，赵文宏，王安静，吕冰海，王金虎，陈泓谕，杭伟，韩云晓，
申请(专利权)人：浙江工业大学，
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。