【技术实现步骤摘要】
本专利技术属于微小缺陷的方向盘表面缺陷检测，特别是涉及一种高精度且快速的方向盘表面缺陷检测方法。
技术介绍
1、皮革是一种优质耐用的纺织品，用于制作各种服装产品以及汽车等商品的配件，与其他纺织品相比，皮革产品价值昂贵，因此无差错生产是一个重要问题。汽车方向盘是驾驶员控制汽车的重要部件，其表面如果存在缺陷会使得产品质量大打折扣，因此检测方向盘表面是否平整、是否存在划痕、褶皱、翻皮等缺陷的重要性不言而喻。方向盘皮革的制造是一个复杂的过程，需要几个阶段才能将动物皮转化为成品皮革，由于工序多、过程长，在皮革产品生产过程中，许多不可避免的皮革表面缺陷原因是持续存在的，比如褶皱、表面破损、凹洞、脱皮、划痕、针孔、烙印等。除此之外，在包覆结构的缝合过程中也会出现拼接处的表面缺陷，例如跳针、线头、针脚外露等。缺陷类别众多，大小不一、缺陷特征复杂等特点导致了方向盘产品表面缺陷检测的难度极大。
2、目前，该行业高度依赖训练有素的技术人员对材料进行目视检查和分类。由此产生的问题是，已经发现许多外部因素会影响最有经验的技术人员的决策。色盲、任务重复和照明条件等因素会导致眼睛疲劳，而持续的注意力集中、决策判断和工作量压力大可能会导致检查员产生劳动疲劳。还有其他的一些内部因素影响，如工作经验、情绪状态，甚至一天中的工作时间段，可能会导致一些决策偏差。这样的传统方式是耗时且高度主观的，增加了人为错误和缺陷识别不一致的风险。自20世纪90年代以来，一些学者和自动检测设备供应商开始共同关注对皮革类表面缺陷的自动检测。然而根据数据调查，许多企业目前仍然
技术实现思路
1、本专利技术目的是为了解决现有技术中的问题，提出了一种高精度且快速的方向盘表面缺陷检测方法。在复杂背景下提升对方向盘表面微小缺陷的检测能力，为方向盘表面缺陷检测任务提供新的方法选择。
2、本专利技术是通过以下技术方案实现的，本专利技术提出一种高精度且快速的方向盘表面缺陷检测方法，所述方法包括以下步骤：
3、s1：对当前输入图像进行图像预处理；
4、s2：将预处理后的图像输入到yolov5的主干网络进行特征提取，得到不同尺度的特征；
5、s3：在yolov5颈网络的基础上，针对小目标引入特征预测层，新增的特征预测层经历的下采样次数更少，促使模型更容易抓取小目标对应的特征；
6、s4：对yolov5的损失函数进行改进，引入nwd。
7、进一步地，所述预处理包括hsv增强、mosaic数据增强、图像平移、图像缩放和图像翻转。
8、进一步地，所述s2中，主干网络由多个模块组成，包括切片结构focus、卷积模块conv、瓶颈层c3以及空间金字塔池化spp。
9、进一步地，所述focus结构对输入的特征图进行切片操作，将其分割成更小的部分，有助于集中关注感兴趣区域的信息；focus结构通过切片和集中处理感兴趣区域的信息来减少计算量，并帮助模型提取与目标检测相关的特征；spp以多个不同的尺度对特征图进行池化操作，利于提取不同尺度下缺陷特征。
10、进一步地，在s3中，在yolov5原有的颈网络添加c3模块、卷积模块、上采样模块以及拼接模块，在最后的预测部分增加一个大小为160×160的预测头，所述预测部分的特征对应的小目标分辨率大，利于对小缺陷特征进行学习。
11、进一步地，所述yolov5原有的颈网络使用金字塔融合网络结构fpn和路径聚合网络pan完成多尺度特征的融合，对应最后的三个预测头，大小分别为80×80、40×40、20×20。
12、进一步地，s4中，yolov5的损失函数包含三个方面的损失：矩形框损失lossbox、置信度损失lossobj、分类损失losscls，总损失为三个损失的加权和，
13、lossyolo＝a×lbox+b×lobj+c×lcls (1)。
14、进一步地，yolov5使用ciou loss计算矩形框损失，置信度和分类损失使用bceloss计算，并在ciou的基础上进一步进入wasserstein距离来更精准地度量边界框相似性，同时将其与ciou进行加权求和，作为最终的矩形框损失函数，所述最终的矩形框损失函数公式表达为：
15、lbox＝α×ciou+(1-α)×nwd (2)。
16、本专利技术提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种高精度且快速的方向盘表面缺陷检测方法的步骤。
17、本专利技术提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种高精度且快速的方向盘表面缺陷检测方法的步骤。
18、本专利技术的有益效果为：
19、本专利技术提出了一种高精度且快速的方向盘表面缺陷检测方法，所述方法应用于方向盘表面缺陷检测领域，在yolov5的网络基础上增加了小目标检测层，并引入nwd对损失函数进行改进，提升了模型对复杂背景下方向盘表面微小缺陷的检测能力。
本文档来自技高网...【技术保护点】
1.一种高精度且快速的方向盘表面缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述预处理包括HSV增强、mosaic数据增强、图像平移、图像缩放和图像翻转。
3.根据权利要求1所述的方法，其特征在于，所述S2中，主干网络由多个模块组成，包括切片结构Focus、卷积模块Conv、瓶颈层C3以及空间金字塔池化SPP。
4.根据权利要求3所述的方法，其特征在于，所述Focus结构对输入的特征图进行切片操作，将其分割成更小的部分，有助于集中关注感兴趣区域的信息；Focus结构通过切片和集中处理感兴趣区域的信息来减少计算量，并帮助模型提取与目标检测相关的特征；SPP以多个不同的尺度对特征图进行池化操作，利于提取不同尺度下缺陷特征。
5.根据权利要求1所述的方法，其特征在于，在S3中，在YOLOv5原有的颈网络添加C3模块、卷积模块、上采样模块以及拼接模块，在最后的预测部分增加一个大小为160×160的预测头，所述预测部分的特征对应的小目标分辨率大，利于对小缺陷特征进行学习。
6.根据权
7.根据权利要求1所述的方法，其特征在于，S4中，YOLOv5的损失函数包含三个方面的损失：矩形框损失lossbox、置信度损失lossobj、分类损失losscls，总损失为三个损失的加权和，
8.根据权利要求7所述的方法，其特征在于，YOLOv5使用CIOU loss计算矩形框损失，置信度和分类损失使用BCE loss计算，并在CIOU的基础上进一步进入Wasserstein距离来更精准地度量边界框相似性，同时将其与CIOU进行加权求和，作为最终的矩形框损失函数，所述最终的矩形框损失函数公式表达为：
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述方法的步骤。
10.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-8任一项所述方法的步骤。
...【技术特征摘要】
1.一种高精度且快速的方向盘表面缺陷检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述预处理包括hsv增强、mosaic数据增强、图像平移、图像缩放和图像翻转。
3.根据权利要求1所述的方法，其特征在于，所述s2中，主干网络由多个模块组成，包括切片结构focus、卷积模块conv、瓶颈层c3以及空间金字塔池化spp。
4.根据权利要求3所述的方法，其特征在于，所述focus结构对输入的特征图进行切片操作，将其分割成更小的部分，有助于集中关注感兴趣区域的信息；focus结构通过切片和集中处理感兴趣区域的信息来减少计算量，并帮助模型提取与目标检测相关的特征；spp以多个不同的尺度对特征图进行池化操作，利于提取不同尺度下缺陷特征。
5.根据权利要求1所述的方法，其特征在于，在s3中，在yolov5原有的颈网络添加c3模块、卷积模块、上采样模块以及拼接模块，在最后的预测部分增加一个大小为160×160的预测头，所述预测部分的特征对应的小目标分辨率大，利于对小缺陷特征进行学习。
6.根据权利要求5所述的方法，其...
【专利技术属性】
技术研发人员：金晶，陈铎，何旭杰，姜宇，高翔，
申请(专利权)人：哈尔滨工业大学人工智能研究院有限公司，
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。