一种用于缺陷检测的yolov5优化方法及优化系统技术方案

本发明专利技术公开了一种用于缺陷检测的yolov5优化方法及优化系统，属于缺陷检测技术领域，包括：S1、数据预处理：首先获取图片集，然后对图片集中的图像进行标注，最后将图片集划分出训练集和测试集；S2、yolov5优化：具体为：S201、利用yolov5对训练集和测试集进行训练得到IOU值；S202、优化yolov5，得到Abs

【技术实现步骤摘要】
一种用于缺陷检测的yolov5优化方法及优化系统


[0001]本专利技术属于缺陷检测
，具体涉及一种用于缺陷检测的yolov5优化方法及优化系统。

技术介绍

[0002]深度学习领域发展至今，针对计算机视觉领域缺陷检测赛道最为广泛使用的模型包括yolov5和Faster
‑
RCNN，其中，yolov5单阶段网络模型具有速度快，易部署等优势，综合检出能力稍逊于Faster
‑
RCNN，而双阶段模型Faster
‑
RCNN虽然有较好的检出精度，但模型更为复杂，运算速度上远不如yolov5，有时不能满足工业节拍需要。因此两者各有利弊，实际使用中需根据具体场景选择使用。
[0003]目前，使用yolov5作为缺陷检测模型时却会遇到一个严重的问题，那就是此模型对于每个检出的置信度都不高，有时甚至是非常低，且有越小的目标越容易出现低得分的缺点。在使用COCO或VOC等国际通用的数据集进行目标检测时，由于目标都是人、狗、车等明确目标，一般不容易将背景误认为目标，即发生误检，所有检出无论置信度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于缺陷检测的yolov5优化方法，其特征在于，包括：S1、数据预处理：首先获取图片集，然后对图片集中的图像进行标注，最后将图片集划分出训练集和测试集；S2、yolov5优化：具体为：S201、利用yolov5对训练集和测试集进行训练得到IOU值，所述IOU值在0
‑
1之间；S202、优化yolov5，得到Abs
‑
Loss
‑
yolov5；具体为：通过IOU阈值将IOU值划分为两部分，将大于IOU阈值的检出框得分置为1，其他检出框得分不变；或者通过IOU阈值将IOU值划分为两部分，将大于IOU阈值的检出框得分置为1，其他检出框得分置为0；S203、分别使用S201中的yolov5和S202中的Abs
‑
Loss
‑
yolov5对训练集进行训练，并使用测试集验证效果；S3、通过提高置信度阈值的手段过滤过杀。2.根据权利要求1所述的用于缺陷检测的yolov5优化方法，其特征在于，所述IOU阈值为0.5、0.35、0.2中的一个。3.根据权利要求1所述的用于缺陷检测的yolov5优化方法，其特征在于，在S1中，所述标注的具体过程为：首先将缺陷划分为M个标签，对M个标签缺陷进行选择性标注；M为大于0的自然数。4.根据权利要求3所述的用于缺陷检测的yolov5优化方法，其特征在于，根据缺陷严重程度的特征，将缺陷划分为严重缺陷和轻度缺陷两类；仅标注严重缺陷。5.根据权利要求1所述的用于缺陷检测的yolov5优化方法，其特征在于，所述验证效果的技术指标包括准确率，召回率，mAP0.5和mAP0.5:0.95；具体公式如下：准确率=检出的正确缺陷条数/检出的缺陷总条数；召回率=检出的正确缺陷条数/训练集或测试集中的缺陷总条数；；mAP0.5表示IOU为0.5时的mAP得分，而mAP0.5:0.95表示IOU为0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95时的平均mAP；记每个缺陷的真实结果为GT，预测结果为DT，函数S()表示括号内内容的面积，∩表示求交集，∪表示求并集，则IOU表示GT与DT之间的交并比，并由下式求出：。6....

【专利技术属性】
技术研发人员：朱光旭，方超群，陈秀睿，邱柏葳，李苏畅，田博轩，田楷，陈立名，胡江洪，曹彬，
申请(专利权)人：菲特天津检测技术有限公司，
类型：发明
国别省市：