【技术实现步骤摘要】
一种基于YOLOv5改进轻量型的焊缝缺陷识别算法
[0001]本专利技术涉及工业缺陷检测应用领域,具体为一种基于
YOLOv5
改进轻量型的焊缝缺陷识别算法
。
技术介绍
[0002]因材料缺陷而导致的安全问题一直是备受人们关注的热点问题,如何实现对材料缺陷的快速准确识别与定位是当今材料缺陷检测问题研究的重点
。
近年来,焊接构件广泛应用于工业生产和制造中
。
由于生产工艺和焊接环境等因素影响,焊接构件在制造和使用过程中容易产生各类内部缺陷,对其安全使用带了风险,因此对焊缝内部缺陷的质量评估至关重要
。
无损检测技术因具有非破坏性
、
直观
、
快速等优点,在焊缝缺陷检测中发挥着巨大的作用
。
[0003]目前,常用的无损检测方法有射线检测
(RT)、
超声检测
(UT)、
人工检测等
。
其中
X
射线检测是工业无损检测
(NDT)
的主要方法之一,其检测结果可以作为焊缝缺陷分析和质量评定的重要依据
。
传统的人工缺陷识别方式依靠专业的技术人员进行,检测结果更容易受到主观因素的影响
。
同时,需要做大量的标注工作,容易受到检测环境等因素的影响,容易导致误检
、
漏检,检测结果一致性不足,无法满足日渐增长的检测需求
。
随着近些年目标检测领域的不断改进,尤其 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
YOLOv5
改进轻量型的焊缝缺陷识别算法,其特征在于,包括如下步骤:步骤1:获取
X
射线焊缝缺陷底片图像,裁剪出相同的宽度和高度并导出为
JPG
图片,建立包含6种焊缝缺陷的
X
射线缺陷数据集,所述6种焊缝缺陷为裂纹
、
气孔
、
夹渣
、
焊瘤
、
未焊透
、
未熔合;步骤2:预处理
X
射线缺陷数据集,通过多种数据增强的方式扩充
X
射线缺陷数据集,并将图像与其对应的标注文件按照
8:1:1
的比例随机划分为训练集
、
验证集和测试集
。
步骤3:将准备好的数据集输入到基于
YOLOv5
改进轻量型的焊缝缺陷网络进行训练;步骤4:采用验证集对每轮训练得到的权重文件进行验证,获取在验证集上表现最优的权重文件,得到缺陷检测模型;步骤5:将步骤2中经过预处理后获得的测试集输入缺陷检测模型,定位待测
X
射线焊缝缺陷图像中的焊缝区域;步骤6:输出待测
X
射线焊缝缺陷图像的最终检测结果
。2.
根据权利要求1所述的一种基于
YOLOv5
改进轻量型的焊缝缺陷识别算法,其特征在于,所述步骤3中,所述
YOLOv5
改进轻量型的焊缝缺陷网络包括轻量型的
C3_Faster
网络和特征提取模块
SPPSE
,所述轻量型的
C3_Faster
网络替代部分原
YOLOv5
【专利技术属性】
技术研发人员:秦经刚,杨景淇,刘小川,
申请(专利权)人:中国科学院合肥物质科学研究院,
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。