【技术实现步骤摘要】
本专利技术涉及深度学习，具体的是基于wgoa-hho改进yolov8的焊缝缺陷检测方法及系统。
技术介绍
1、焊缝连接是很多结构的关键部分，直接关系到整体结构的强度和稳定性。质量不合格的焊缝可能导致结构故障，增加安全隐患，尤其是在涉及高载荷和高应力的行业中，如、建筑物、管道、交通工具等。常见的焊缝缺陷检测方法如超声波检测等方法通常依赖人工操作，容易受到人类疲劳、主观判断差异等因素的影响，存在漏检凤霞。而深度学习可以实现自动化实时检测，消除人为误差，提升检测精度和一致性。
2、在使用深度学习对数据集进行学习训练过程前，必须合理设置超参数。超参数是深度学习模型中不可通过训练数据直接学习的参数，其往往是人为地在模型训练之前设置就设置好的参数，这些参数往往决定了模型的训练和推理性能。yolov8包含许多超参数，设置合理的超参数能够提升模型的准确性、收敛速度以及整体表现。在实际应用中，通常需要通过实验手动地调优超参数，找到适合具体任务的最佳配置。因此，如何自适应调整超参数也成为了一道难题。
技术实现思路b>
1本文档来自技高网...
【技术保护点】
1.基于WGOA-HHO改进YOLOv8的焊缝缺陷检测方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于WGOA-HHO改进YOLOv8的焊缝缺陷检测方法，其特征在于，所述使用Canny边缘检测算法对焊缝图像数据集进行预处理的过程包括：高斯滤波、计算图像梯度、非极大值抑制、双阈值检测以及边缘连接与滞后阈值。
3.根据权利要求2所述的基于WGOA-HHO改进YOLOv8的焊缝缺陷检测方法，其特征在于，所述高斯滤波的过程：
4.根据权利要求1所述的基于WGOA-HHO改进YOLOv8的焊缝缺陷检测方法，其特征在于，所述W...
【技术特征摘要】
1.基于wgoa-hho改进yolov8的焊缝缺陷检测方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于wgoa-hho改进yolov8的焊缝缺陷检测方法，其特征在于，所述使用canny边缘检测算法对焊缝图像数据集进行预处理的过程包括：高斯滤波、计算图像梯度、非极大值抑制、双阈值检测以及边缘连接与滞后阈值。
3.根据权利要求2所述的基于wgoa-hho改进yolov8的焊缝缺陷检测方法，其特征在于，所述高斯滤波的过程：
4.根据权利要求1所述的基于wgoa-hho改进yolov8的焊缝缺陷检测方法，其特征在于，所述wgoa-hho优化算法的步骤包括：wgoa全局搜索阶段、hho捕食阶段以及构建wgoa-hho的双向优化算法阶段。
5.根据权利要求4所述的基于wgoa-hho改进yolov8的焊缝缺陷检测方法，其特征在于，所述wgoa全局搜索阶段过程如下：
6.根据权利要...
【专利技术属性】
技术研发人员：王维西，刘烨，张孝清，崔周舟，郑柏超，韦中，钱昱晨，余万芳，郭新宇，
申请(专利权)人：南京信息工程大学，
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。