基于YOLO V5m的汽车零部件缺陷检测方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种基于YOLO V5m的汽车零部件缺陷检测方法、装置及存储介质，涉及缺陷检测技术领域，包括获取目标数量的训练图像；所述训练图像包括含方框标注信息，所述方框标注信息包括缺陷类型，所述缺陷类型包括外形缺陷；基于获取的所有所述训练图像，训练改进型YOLO V5m模型，获得训练完成的改进型YOLO V5m模型；所述改进型YOLO V5m模型为backbone层中第二CSP模块、第三CSP模块和第四CSP模块前分别拼接有一个transformer编码器的YOLO V5m模型；获取待检测图像并输入训练完成的改进型YOLO V5m模型，输出预测结果；本申请可有对汽车零部件整体外形存在的缺陷进行检测，避免了现有技术中的缺陷。

【技术实现步骤摘要】

本专利技术涉及缺陷检测，具体涉及一种基于yolo v5m的汽车零部件缺陷检测方法、装置及存储介质。

技术介绍

1、先进的工业系统需要不断提高产品性能，同时也提出了越来越需严苛的质量要求。然而，产品表面的划痕、斑点或孔洞等缺陷不仅会影响产品的美观和使用的舒适度，还会影响其性能。

2、缺陷检测是减少产品缺陷不利影响的有效方法。人工目视检查是对工业产品进行质量控制的传统方法。尽管在某些情况下，人工目视检查可能更优越，但效率低且易疲劳。对于某些发生故障时会产生危险后果的应用来说，人工目视检查是不可行的。其次，人工视觉检测由于其采样率低、实时性差、检测置信度等缺点，无法满足现代工业生产线的效率和质量要求。因此，需要开发更高效、更可靠的视觉检测技术。

3、机器视觉通过光学设备和非接触式传感器自动接收和处理真实物体图像，是实现智能制造的关键技术之一，并且成为了替代人工视觉检测的有效手段。

4、例如cn113421252a公开了一种基于改进的卷积神经网络的车身焊接缺陷实际检测方法，其通过高清相机采集含缺陷处的图像并借助yolo v3(y本文档来自技高网...

【技术保护点】

1.一种基于YOLO V5m的汽车零部件缺陷检测方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种基于YOLO V5m的汽车零部件缺陷检测方法，其特征在于，所述训练图像均由配准后的RGB图像、红外图像和X射线图像组成；其中，所述训练图像对应的RGB图像、红外图像和X射线图像均含有标签；

3.根据权利要求2所述的一种基于YOLO V5m的汽车零部件缺陷检测方法，其特征在于，所述将神经网络输入特征输入改进型YOLO V5m模型进行模型训练，包括计算损失函数Losstotal；

4.根据权利要求3所述的一种基于YOLO V5m的汽车零部件缺陷检测方...

【技术特征摘要】

1.一种基于yolo v5m的汽车零部件缺陷检测方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种基于yolo v5m的汽车零部件缺陷检测方法，其特征在于，所述训练图像均由配准后的rgb图像、红外图像和x射线图像组成；其中，所述训练图像对应的rgb图像、红外图像和x射线图像均含有标签；

3.根据权利要求2所述的一种基于yolo v5m的汽车零部件缺陷检测方法，其特征在于，所述将神经网络输入特征输入改进型yolo v5m模型进行模型训练，包括计算损失函数losstotal；

4.根据权利要求3所述的一种基于yolo v5m的汽车零部件缺陷检测方法，其特征在于，所述待检图像为配准后的待测汽车零部件对应rgb图像、红外图像和x射线图像中的至少一种；

5.一种基于yolo v5m的汽车零部件缺陷检测装置，其特征在于，包括：

6.根据权利要求5所述的一种基于yolo v...

【专利技术属性】
技术研发人员：陆宇，况子明，许恒宇，
申请(专利权)人：中科泰明南京科技有限公司，
类型：发明
国别省市：