【技术实现步骤摘要】
本专利技术属于图像识别，涉及钢板表面缺陷检测技术，尤其涉及一种基于yolov7网络的钢板表面缺陷检测方法。
技术介绍
1、目前，随着制造业的发展，在钢板的轧制过程中，因为加工工艺等缘故，钢板表面会出現刮痕、孔眼、鳞片等缺陷，这种缺陷严重影响钢板的品质和性能指标。传统的解决方案往往需要人机交互，效率很低，这对大型工厂的处理非常不利。
2、现有的钢板表面缺陷检测方法，有依靠人工目视法和频闪检测法，还有自动化的红外检测法和漏磁检测法等，这两种方法的检测率较低、实时性较差，远不能满足生产线高速的生产节奏，而且缺乏科学性和规范性，致使传统的非自动化检测方法无法适应现代化工业生产的需要。所以解决传统制造业中钢板表面缺陷检测精细程度低的问题是迫切需求。随着近些年计算机视觉技术的愈发成熟，尤其是目标检测的日益发展，如fasterrcnn，yolo等网络结构被提出后，基于深度学习进行钢板表面缺陷检测的方案具备了可能性。但目前在现有技术中尚无可以应用的相关方案。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于yolov7网络的钢板表面缺陷检测方法，将高分辨率图像分块同时写入对应目标的boundingbox改变后的坐标到xml文件中，根据用户需要检测出既定的缺陷类型并统计。
2、为了达到上述目的，本专利技术提供如下技术方案：
3、一种基于yolov7网络的钢板表面缺陷检测方法，包括如下步骤：
4、步骤一，准备用于训练网络的图片集，图片经过人工标
5、步骤二，对待训练的图片进行分块处理，并写入分块图片及标注框改变后的坐标到对应的xml文件中；
6、步骤三，基于分块处理后的图片，根据设置好的参数训练网络模型；
7、步骤四，基于训练好的网络模型，前端输入待检测图片并返回检测结果，根据检测结果、图片及其对应的xml文件进行检测框的绘制，并返回给前端。
8、进一步的，所述步骤一中，在浏览器中输入待检测的图片，或将需要检测的图片打包至文件夹下进行统一导入。
9、进一步的，所述步骤一中，待检测的图片格式为png，jpg，jpeg中的一种且分辨率大于或等于640*640。
10、进一步的，所述步骤二中分块处理的具体过程包括：
11、(1)填充待切的原图右下边界至滑窗预测窗口大小的整数倍；
12、(2)判断标注框是否在当前剪切的区域内；
13、(3)根据预先设置的切割图像的滑窗大小与步长，从左向右自上而下依次滑动切片，每次裁剪通过判断标注框的位置信息写入xml文件。
14、进一步的，所述步骤(3)中每次裁剪通过判断标注框的位置信息写入xml文件的过程具体包括：当标注框在当前剪切区域时，根据标注框原有坐标位置进行换算，将裁剪后的分块图片在原图中的位置、对应新的坐标、分块图片中标注框位置写入新的xml文件中。
15、进一步的，当标注框不在当前剪切区域时，针对裁剪后的分块图片生成一个空的xml文件作为训练的负样本。
16、进一步的，所述步骤二中，获得分块处理后切出的小图片的左上角点和右下角点在原图中的坐标(x,y)。
17、进一步的，所述步骤二中，xml文件由用户根据原图修改。
18、进一步的，所述步骤三中，加载预先训练的yolov7模型进行检测处理。
19、进一步的，所述步骤四中，使用et读取xml文件遍历所有目标框进行绘制。
20、与现有技术相比，本专利技术具有如下优点和有益效果：
21、1.本专利技术吸收了近两年先进的精细分割算法作为底层基础处理模块，这使得本专利技术方案在图像预处理和检测中都可以保留更多的细节信息，精细度更高。用户可以根据需求来设置切割图像的大小与步长，将图片分割成多张图片，处理速度快，识别精度高。
22、2.本专利技术方案可以在短时间内完成图像的检测和绘制，基本满足实时要求，具有较高的性能。
23、3.本专利技术方案能够根据用户需求，使用网络人为添加新的不合格类别进行训练调参，方便后续的功能扩展。
本文档来自技高网...【技术保护点】
1.一种基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤一中，在浏览器中输入待检测的图片，或将需要检测的图片打包至文件夹下进行统一导入。
3.根据权利要求1或2所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤一中，待检测的图片格式为png，jpg，jpeg中的一种且分辨率大于或等于640*640。
4.根据权利要求1所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤二中分块处理的具体过程包括：
5.根据权利要求4所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤(3)中每次裁剪通过判断标注框的位置信息写入xml文件的过程具体包括：当标注框在当前剪切区域时，根据标注框原有坐标位置进行换算，将裁剪后的分块图片在原图中的位置、对应新的坐标、分块图片中标注框位置写入新的xml文件中。
6.根据权利要求5所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征
7.根据权利要求1所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤二中，获得分块处理后切出的小图片的左上角点和右下角点在原图中的坐标(x,y)。
8.根据权利要求1所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤二中，xml文件由用户根据原图修改。
9.根据权利要求1所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤三中，加载预先训练的YOLOv7模型进行检测处理。
10.根据权利要求1所述的基于YOLOv7网络的钢板表面缺陷检测方法，其特征在于，所述步骤四中，使用ET读取xml文件遍历所有目标框进行绘制。
...【技术特征摘要】
1.一种基于yolov7网络的钢板表面缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于yolov7网络的钢板表面缺陷检测方法，其特征在于，所述步骤一中，在浏览器中输入待检测的图片，或将需要检测的图片打包至文件夹下进行统一导入。
3.根据权利要求1或2所述的基于yolov7网络的钢板表面缺陷检测方法，其特征在于，所述步骤一中，待检测的图片格式为png，jpg，jpeg中的一种且分辨率大于或等于640*640。
4.根据权利要求1所述的基于yolov7网络的钢板表面缺陷检测方法，其特征在于，所述步骤二中分块处理的具体过程包括：
5.根据权利要求4所述的基于yolov7网络的钢板表面缺陷检测方法，其特征在于，所述步骤(3)中每次裁剪通过判断标注框的位置信息写入xml文件的过程具体包括：当标注框在当前剪切区域时，根据标注框原有坐标位置进行换算，将裁剪后的分块图片在原图中的位置、对应新的...
【专利技术属性】
技术研发人员：张宇，王苏扬，赵贵州，杨爱玲，单钱聪，
申请(专利权)人：东南大学，
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。