一种基于改进yolov5的深层多尺度目标检测方法技术

本发明专利技术涉及图像处理和目标检测技术领域，公开了一种基于改进yolov5的深层多尺度目标检测方法，其包括步骤：采集不同尺度的缺陷样本，并对缺陷进行标注，得到样本数据；对所述样本数据进行随机划分，得到训练集、验证集和测试集；使用改进的yolov5算法进行训练，得到初版检测模型，所述改进的yolov5算法的backbone网络增加多个不同深度的卷积层，且在不同层之间建立连接，同层的特征图之间同时包含直接连接和跳跃连接；将所述初版检测模型带入产线测试运行，持续收集模型错判的价值样本，不断加入所述价值样本优化迭代模型，得到满足检测指标的终版模型，该方式能够增强模型对不同尺度目标的特征提取能力，提高小尺度缺陷目标的检测精度，解决误检和漏检的问题。

【技术实现步骤摘要】

本专利技术涉及图像处理和目标检测，特别涉及一种基于改进yolov5的深层多尺度目标检测方法及系统，尤其适用于pcb板缺陷检测。

技术介绍

1、在pcb板的生产制造过程中，会出现各种不同类型的缺陷。为了筛选和过滤这些缺陷图片，工厂通常首先使用aoi机台拍摄大量图片，再由人员进行缺陷判图。然而，由于人力精力和时间的限制，判图的准确率和效率往往不能令人满意。鉴于此，为了节省人力和时间成本，行业内的制造商普遍采用基于人工智能技术的自动缺陷分类系统(adc系统)来替代人力进行pcb板缺陷检测，并在实际生产中取得良好成效。

2、鉴于pcb板缺陷的尺度大小和形状的多样性，针对更小尺度的缺陷目标，传统的深度学习方法往往存在建模的难度和挑战。小尺度的缺陷目标由于特征区域小，形态与图像背景相似的原因，模型在建模过程中无法提取充分的特征，从而导致模型对小尺度缺陷形态的误检和漏检问题。这种误检和漏检问题会对工厂的生产效率和产品质量造成重大影响，进一步带来损失。

技术实现思路

1、为实现上述
技术介绍
中描述的误检和漏检缺陷，本文档来自技高网...

【技术保护点】

1.一种基于改进yolov5的深层多尺度目标检测方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于改进yolov5的深层多尺度目标检测方法，其特征在于，不同层卷积层的首个特征图之间从首层开始采用下采样依次连接。

3.根据权利要求2所述的基于改进yolov5的深层多尺度目标检测方法，其特征在于，不同层卷积层的特征图之间从底层开始依次向上连接，连接规律如下：首层为X层，单层首个特征图为Y位置特征图，X+n层的Y特征图与X+n-1层的Y+1特征图连接，X+n-1层的Y+1位置特征图与X+n-2层的Y+2位置特征图连接，以此类推。

4.根据权利要求3所...

【技术特征摘要】

1.一种基于改进yolov5的深层多尺度目标检测方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于改进yolov5的深层多尺度目标检测方法，其特征在于，不同层卷积层的首个特征图之间从首层开始采用下采样依次连接。

3.根据权利要求2所述的基于改进yolov5的深层多尺度目标检测方法，其特征在于，不同层卷积层的特征图之间从底层开始依次向上连接，连接规律如下：首层为x层，单层首个特征图为y位置特征图，x+n层的y特征图与x+n-1层的y+1特征图连接，x+n-1层的y+1位置特征图与x+n-2层的y+2位置特征图连接，以此类推。

4.根据权利要求3所述的基于改进yolov5的深层多尺度目标检测方法，其特征在于，不同深度的卷积层的特征图尺度不同，且不同深度的卷积层并发输出至neck层。

5.根据权利要求4所述的基于改进yolov5的深层多尺度目标检测方法，其特征在于，不同深度的卷积层按间隔...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，
申请(专利权)人：成都数之联科技股份有限公司，
类型：发明
国别省市：