基于特征增强和深度网络的温控器质量检测方法及系统技术方案

本发明专利技术属于图像处理技术领域，公开了一种基于特征增强和深度网络的温控器质量检测方法及系统，收集温控器状态数据集，将其转化为YOLO训练格式，制作数据集的状态标签，并将其构建为训练集、测试集；优化YOLOv8检测算法，构建温控器质量检测模型；将采集的状态图像数据集的输入改进的YOLOv8网络进行训练，保存最优训练结果的检测模型；将采集的温控器状态图像作为测试集，输入保存的最优检测模型中，输出具体的检测结果；设定15分钟为温控器质量的检测时间阈值，在15分钟内，有标签为1的为不合格进行筛选，在15分钟时，有标签为0的为不合格也进行筛选。

【技术实现步骤摘要】

本专利技术属于图像处理，尤其涉及一种基于特征增强和深度网络的温控器质量检测方法及系统。

技术介绍

1、温控器，是指根据工作环境的温度变化，在开关内部发生物理形变，从而产生某些特殊效应，产生导通或者断开动作，控制设备的运行以达到理想的温度及节能效果的自动控制元件。随着工业自动化水平的不断提高，批量生产温控器已经成为一个既定事实，如何在成品质量上有一个好的把控是目前比较棘手的问题。之前温控器的质量检测方式是主要是采用人工外观检测方式，这其中有以下几个缺点：(1)用人工进行检测，劳动强度大，效率低，长时间的工作会使检测的质量下降，更重要的是，这对检测人员的身体健康影响很大；(2)人工进行检测，容易误检和漏检，导致最后成品质量不好。

2、近年来，随着深度学习相关理论的不断发展以及计算机算力的提升，对于大批量的温控器质量检测，用深度学习相关算法或者模型来完成已经是一个很成熟的方向。yolo(you only look once)作为经典的基于回归的单阶段目标检测算法，已经是被广泛用于工业场景下的目标检测技术，它被广泛接受的原因有：实时性好、高准确性、多尺本文档来自技高网...

【技术保护点】

1.一种基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括：

2.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，步骤S1中构建温控器状态检测数据集，本专利技术首先用扫描摄像头在加热铝板装置加热的15分钟内进行图像采集，使用标注工具labelimg标注温控器的状态标签，训练集、测试集都包括若干温控器不同状态温控器有标签图像其中小杆弹起状态图像标签为1，小杆未弹起状态的图像标签为0。

3.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，步骤S2中基于改进YOLOv8的温控器状态检测模型包括输入...

【技术特征摘要】

1.一种基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括：

2.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，步骤s1中构建温控器状态检测数据集，本发明首先用扫描摄像头在加热铝板装置加热的15分钟内进行图像采集，使用标注工具labelimg标注温控器的状态标签，训练集、测试集都包括若干温控器不同状态温控器有标签图像其中小杆弹起状态图像标签为1，小杆未弹起状态的图像标签为0。

3.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，步骤s2中基于改进yolov8的温控器状态检测模型包括输入、骨干网络、颈部网络和头部网络；

4.如权利要求1所述的基于特征增强和深度网络的温控器质量检测方法，其特征在于，包括，efm-dpag特征增强模块包括第一efm-dpag模块、第二efm-dpag模块，并且efm-dpag模块包含两个部分：efm模块和dpag模块；fem模块为特征增强模块，它是通过在多个分支上使用不同的卷积和尺度构建多分支结构连接多通道特征映射，从而横向扩展网络宽度，提高了特征的提取能力；dpag模块集成了分支通道注意力模块和通道注意力模块两种连续注意机制，其中分支通道注意模块通过通道关系门和位置关系门增强通道相关性和特征精度，通道注意模块通过抓取空间信息对目标进行定位，efm-dpag模块提高了特征利用和识别能力的效率。

5...

【专利技术属性】
技术研发人员：荆晓远，任娟，王广宁，姚永芳，陈俊均，于军，廖珂，梁雁，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：