一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法技术

本发明专利技术涉及一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法，旨在解决制革工厂中的实际问题，以期许为制革生产环节中蓝湿皮表面缺陷的实时检测提供方法。该方法包括制革工厂的大面积蓝湿皮图像数据采集、大面积蓝湿皮图像预处理、蓝湿皮表面缺陷图像数据增强、模型训练以及模型测试等。本发明专利技术对于大面积蓝湿皮表面存在的刀洞、刺划伤、烂面、斑点、描刀伤、折痕和烙印等常见的缺陷具有90%以上的识别准确率，且速度快，检测一张大面积蓝湿皮的速度在两秒以内。与传统人工检测相比，本发明专利技术的方法在大面积蓝湿皮表面缺陷检测方面具有更高的检测精度和更快的检测速度，能满足制革工厂快速检测的要求。速检测的要求。速检测的要求。

【技术实现步骤摘要】
一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法


[0001]本专利技术属于大面蓝湿皮表面缺陷检测领域，尤其涉及一种基于YOLOv5的大面蓝湿皮表面缺陷检测方法。

技术介绍

[0002]动物生长、屠宰、运输和生皮到革的加工过程中，会给皮革造成超过15种不同类别的缺陷，严重影响其品质和价值。因此，制革过程中的大面积蓝湿皮表面缺陷检测一直是最为重要的环节。该环节除了区分蓝湿皮的质量等级，还能够有效地预防次品混入良品中，降低质量风险，从而保障企业和消费者的利益。
[0003]由于蓝湿皮表面的缺陷种类繁多、形状和大小各异，所以这些质检工作一直以来只能依靠人工去完成，质检工人需在强光下通过肉眼仔细观察蓝湿皮表面，然后找出缺陷。这种人工目视的检测方法属于经验性操作，不仅要求从业人员拥有丰富的经验和熟练的技术，还必须具备良好的视力，且在长时间工作后容易因视力疲劳漏掉一些细小缺陷，影响蓝湿皮品质的判定，给企业造成难以挽回的损失。此外，人工质检存在的效率低、成本高、劳动强度大、质检标准不一、招工难等问题日趋显著，这些问题已成为皮革工业进一步发展的瓶颈。
[0004]目前，已有基于图像处理和传统机器学习的蓝湿皮表面缺陷检测技术的相关报道。这两种方法的检测原理和结果各不相同，其中图像处理是根据蓝湿皮图像中的局部异常反映的原始属性来分割缺陷区域和非缺陷区域。而传统机器学习则是对图像中的缺陷进行特征提取，然后根据提取到的几何特征、颜色特征等信息，使用分类器将缺陷分为刀洞、烙印等类别。然而，这些方法也存在一些无法应用于实际工业的弊端，当使用这两种方法检测蓝湿皮表面的缺陷时，需要针对不同的蓝湿皮进行算法调整，才能达到缺陷与背景分离以及提取缺陷特征并分类的目的。而且这些方法对皮革图像的成像质量要求较高，也对拍摄环境和背景颜色异常敏感，不同条件下拍摄的图像，需要重新调整算法来适应当前拍摄的图像，若拍摄条件变化特别大时甚至会重新设计检测算法。此外，在检测皮革表面有与缺陷类似的附着物和褶皱等非缺陷的图像时，可能会将附着物和褶皱等误判为缺陷，从而产生较大的误差，对检测的精度具有很大的影响。因此，这也就造成了制革工人一直采用人工的方式来检测大面积蓝湿皮表面缺陷的现象。
[0005]针对现存问题，本专利技术提出一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法，旨在解决制革工厂中的实际问题，以期许为制革生产环节中蓝湿皮表面缺陷的实时检测提供方法。该方法包括制革工厂的大面积蓝湿皮图像数据采集、大面积蓝湿皮图像预处理、蓝湿皮表面缺陷图像数据增强、模型训练以及模型测试等。本专利技术对于大面积蓝湿皮表面存在的刀洞、刺划伤、烂面、斑点、描刀伤、折痕和烙印等常见的缺陷具有90%以上的识别准确率，且速度快，检测一张大面积蓝湿皮的速度在两秒以内。与传统人工检测相比，本专利技术的方法在大面积蓝湿皮表面缺陷检测方面具有更高的检测精度和更快的检测速度，能满足制革工厂快速检测的要求。

技术实现思路

[0006]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法。
[0007]本专利技术提供了一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法，包括以下主要步骤：步骤1：获取包括但不限于牛皮、羊皮和猪皮等动物皮主鞣后的大面积蓝湿皮样本且样本面积在一平方米以上，采用无接触方式拍摄大面积蓝湿皮得到至少500张大面积蓝湿皮图像；步骤2：将采集到的大面积蓝湿皮图像进行预处理，构建至少包含5000张图像的蓝湿皮表面缺陷数据集；步骤3：使用具有标注功能的软件对筛选出的蓝湿皮图像（至少5000张）中存在的刀洞、刺划伤、烂面、斑点、描刀伤、折痕、烙印、虻伤、擦伤、虱叮、癣癞、松面、血筋、生长纹缺陷类型进行标注；根据蓝湿皮表面缺陷的形状和大小，画出蓝湿皮表面缺陷区域的最小外接矩阵作为标注框，然后使用至少三种图像增强方式对标注后的蓝湿皮图像进行数据增强，创建模型训练和验证的蓝湿皮表面缺陷数据集；步骤4：利用创建的蓝湿皮表面缺陷数据集，对YOLOv5模型进行训练，得到基于YOLOv5的大面积蓝湿皮表面缺陷检测模型；步骤5：基于YOLOv5的大面积蓝湿皮表面缺陷检测模型的验证和测试：模型的验证，采用精确率（Precision）、召回率（Recall）、F1
‑
score和mAP（mean Average Precision）对模型性能进行评估；模型的测试，采用除上述蓝湿皮表面缺陷数据集以外的蓝湿皮图像作为测试图像，使用正确率（Accuracy，A）、错检率（False Detection Rate，FDR）、漏检率（Miss Detection Rate，MDR）对该模型的泛化能力进行评估；步骤6：大面积蓝湿皮表面缺陷的检测：使用基于YOLOv5的蓝湿皮表面缺陷模型对大面积蓝湿皮原始图像进行缺陷检测，获取大面积蓝湿皮表面的缺陷类型和缺陷数量，并输出结果。
[0008]作为本专利技术的再进一步方案，所述步骤1中，具体包括以下步骤：步骤1
‑
1：拍摄框架的安装，将整个拍摄架放置在选皮机上，然后将光源安装在框架上，使得光线均匀分布在选机表面；步骤1
‑
2：相机需居中安装在选皮机台面的正上方，当使用两台及以上的相机拍摄时，根据相机的拍摄范围，适当调整相机之间的距离，始终保持相机的拍摄范围具有至少五分之一的重合。
[0009]作为本专利技术的再进一步方案，所述步骤2中，具体包括以下步骤：步骤2
‑
1：以蓝湿皮原始图像的左上角为起点，使用固定大小的滑动窗口进行裁剪，裁剪完成之后再以固定数量的像素点为步长，滑动到下一个区域进行裁剪；步骤2
‑
2：当滑动后的裁剪区域超出蓝湿图像边界时，超出边界的部分以None值进行填充。
[0010]作为本专利技术的再进一步方案，所述步骤3中，具体包括以下步骤：步骤3
‑
1：去除不含有缺陷的蓝湿皮图像，保留有缺陷的蓝湿图像；步骤3
‑
2：根据蓝湿皮表面缺陷的形状和大小，使用具有标注功能的软件对筛选出
的蓝湿皮图像（至少5000张）中存在的刀洞、刺划伤、烂面、斑点、描刀伤、折痕、烙印、虻伤、擦伤、虱叮、癣癞、松面、血筋、生长纹缺陷类型进行画出蓝湿皮表面这些缺陷区域的最小外接矩阵作为标注框；步骤3
‑
3：标注时使用数字代表蓝湿皮表面缺陷类别，例如，烙印标注类别为数字0；烂面标注类别为数字1等；标注后软件将会自动生产一份标签文件，文件以txt作为后缀，文件名与蓝湿图像名保持一致；文件中包含五种信息，其中第一列的整数表示标注缺陷的类别，第二列表示标注框中心的横坐标与蓝湿图像宽度的比值，第三列表示标注框中心的纵坐标与蓝湿图像高度的比值，第四列表示标注框的宽度与蓝湿图像宽度的比值，第五列表示标注框与蓝湿图像高度的比值；步骤3
‑
4：使用添加随机噪声，运动模糊、自适应直方图均衡化、图像翻转、随机裁剪、图像缩放、随机亮度、通道转换图像增强方式中的三种或多种图像增强方式对标注后的蓝湿皮图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv5的大面积蓝湿皮表面缺陷检测方法，其特征在于，至少包括：（1）获取包括但不限于牛皮、羊皮和猪皮等动物皮主鞣后的大面积蓝湿皮样本且样本面积在一平方米以上，采用无接触方式拍摄大面积蓝湿皮，得到至少500张大面积蓝湿皮图像；（2）将采集到的大面积蓝湿皮图像进行预处理，构建至少包含5000张图像的蓝湿皮表面缺陷数据集；（3）使用具有标注功能的软件对筛选出的蓝湿皮图像（至少5000张）中存在的刀洞、刺划伤、烂面、斑点、描刀伤、折痕、烙印、虻伤、擦伤、虱叮、癣癞、松面、血筋、生长纹缺陷类型进行标注；根据蓝湿皮表面缺陷的形状和大小，画出蓝湿皮表面缺陷区域的最小外接矩阵作为标注框，然后使用至少三种图像增强方式对标注后的蓝湿皮图像进行数据增强，创建模型训练和验证的蓝湿皮表面缺陷数据集；（4）利用创建的蓝湿皮表面缺陷数据集，对YOLOv5模型进行训练，得到基于YOLOv5的大面积蓝湿皮表面缺陷检测模型；（5）基于YOLOv5的大面积蓝湿皮表面缺陷检测模型的验证和测试：模型的验证，以精确率（Precision）、召回率（Recall）、F1
‑
score和mAP（mean Average Precision）为评价指标对模型性能进行评估；模型的测试，采用除上述蓝湿皮表面缺陷数据集以外的蓝湿皮图像作为测试图像，以正确率（Accuracy，A）、错检率（False Detection Rate，FDR）、漏检率（Miss Detection Rate，MDR）为评价指标对该模型的泛化能力进行评估；（6）大面积蓝湿皮表面缺陷的检测：使用基于YOLOv5的蓝湿皮表面缺陷模型对大面积蓝湿皮原始图像进行缺陷检测，获取大面积蓝湿皮表面的缺陷类型和缺陷数量，并输出表面缺陷检测结果。2.根据权利要求1所述的基于YOLOv5的大面积蓝湿皮表面缺陷检测方法，其特征在于，所述大面积蓝湿皮图像样本是使用一部或多部400万以上像素的工业面阵相机或者工业线阵相机拍摄得到的。3....

【专利技术属性】
技术研发人员：林炜，黄昌平，周黔川，张龙，唐猷成，
申请(专利权)人：四川大学，
类型：发明
国别省市：