一种基于YOLOX的钢材表面缺陷检测方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于YOLOX的钢材表面缺陷检测方法、系统、设备及介质，涉及钢材检测技术领域，包括采集钢材表面缺陷数据集，并进行预处理和标注后，将数据集划分为训练集和测试集；对YOLOX网络结构模型进行改进，搭建改进的YOLOX网络结构模型；使用所述训练集对改进的YOLOX网络模型进行训练，得到钢材表面缺陷检测模型；使用所述测试集对钢材表面缺陷检测模型进行测试。本发明专利技术使用YOLO系列算法，改进主流检测算法中会预测出很多冗余的预测框的通病，在YOLOX算法的基础上引入了ASFF模块，提高模型的特征融合能力，更好地进行缺陷检测，使用改进的SE注意力机制，提高模型的特征提取能力，采用EIOU损失函数改善模型定位不准确的问题，加强了识别能力获得更高的检测精度。

【技术实现步骤摘要】

本专利技术涉及钢材检测领域，特别是一种基于yolox的钢材表面缺陷检测方法、系统、设备及介质。

技术介绍

1、随着钢材作为一种重要的工业产品正随着经济的发展扩张规模、提升产量，尽管目前生产制造水平有了巨大的进步，但在钢材的生产和加工过程中，很容易受到各种不良因素的影响，从而使钢材表面产生多种类型的缺陷。比较常见的缺陷有划痕、孔洞、裂纹，这些不同类型的缺陷会使得钢材的耐久性、使用强度急剧下降，缺陷会随着时间影响正常使用，甚至会造成不可预料的后果。所以，对钢材表面的缺陷进行快速高效的检测显得尤为重要。

2、传统人工的检测方法，效率低下且由于检测人员水平不同，误检率会高。传统的机器视觉算法优于人工检测，但是复用性不大，很难对各类缺陷进行迁移。为了检测到影响生产的最小缺陷，钢材表面缺陷检测已经向着更高精度、更小像素发展。随着ai技术的发展，传统的检测方法正逐渐被计算机视觉所代替，计算机视觉可以较好的解决传统检测方法漏检率高，成本高等缺点，它在图像分类、人脸识别和目标检测等领域得到了广泛应用。基于深度学习的算法逐渐用于工业的缺陷检测中，目标检测领域，主流本文档来自技高网...

【技术保护点】

1.一种基于YOLOX的钢材表面缺陷检测方法，其特征在于：包括，

2.如权利要求1所述的基于YOLOX的钢材表面缺陷检测方法，其特征在于：所述将数据集划分为训练集和测试集具体为使用Python脚本将数据集按照8:2的比例随机划分为训练集和测试集。

3.如权利要求2所述的基于YOLOX的钢材表面缺陷检测方法，其特征在于：所述对YOLOX网络结构模型进行改进包括BackBone部分、改进SENet注意力机制、Neck部分以及Prediction部分；

4.如权利要求3所述的基于YOLOX的钢材表面缺陷检测方法，其特征在于：所述改进SENet注意力机制为通过...

【技术特征摘要】

1.一种基于yolox的钢材表面缺陷检测方法，其特征在于：包括，

2.如权利要求1所述的基于yolox的钢材表面缺陷检测方法，其特征在于：所述将数据集划分为训练集和测试集具体为使用python脚本将数据集按照8:2的比例随机划分为训练集和测试集。

3.如权利要求2所述的基于yolox的钢材表面缺陷检测方法，其特征在于：所述对yolox网络结构模型进行改进包括backbone部分、改进senet注意力机制、neck部分以及prediction部分；

4.如权利要求3所述的基于yolox的钢材表面缺陷检测方法，其特征在于：所述改进senet注意力机制为通过在squeeze部分添加全局最大池化分支，引入了一种更丰富的特征选择策略；

5.如权利要求4所述的基于yolox的钢材表面缺陷检测方法，其特征在于：所述neck部分的改进具体为在neck输出部分添加asff模块，输入通过pafpn输出三个特征图x1、x2和x3；

6.如权利要求5所述的基于yol...

【专利技术属性】
技术研发人员：蒋三新，刘毅，韩明桥，陈雨，朱寅，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：