【技术实现步骤摘要】
本专利技术涉及目标检测，具体涉及一种基于cbs-yolov5的织物瑕疵检测方法及系统。
技术介绍
1、传统的检测方法主要以人工检测为主，但此类检测方式极易造成视觉疲劳，甚至视觉受损，而且检测人员也容易受周遭环境的干扰，导致漏检、误检等情况的发生；此外检测时存在主观性，缺乏统一的评判标准。因此，寻求高效准确的织物疵点检测方法已成为现代纺织业亟需解决的问题。
技术实现思路
1、本专利技术提供一种基于cbs-yolov5的织物瑕疵检测方法及系统，本专利技术采用的cbs-yolov5模型是端到端的学习模型，它可以自动从原始图像中学习特征表示，无需依赖手工特征工程，减轻了工作量并提高了瑕疵检测性能。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种基于cbs-yolov5的织物瑕疵检测方法，包括以下步骤：
4、s10：捕捉织物瑕疵图像，建立数据集，对数据集中图像进行预处理，获得带有标签的织物图像数据集；
5、s20：将预处理好的数据集给定...
【技术保护点】
1.一种基于CBS-YOLOV5的织物瑕疵检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于CBS-YOLOV5的织物瑕疵检测方法，其特征在于，所述S10中对数据集中图像进行预处理包括以下步骤：
3.根据权利要求1所述的基于CBS-YOLOV5的织物瑕疵检测方法，其特征在于，所述CBS-YOLOV5模型包括Input输入端、Backbone骨干网络、Neck颈部以及Head检测头端，所述构建CBS-YOLOV5模型包括以下步骤：
4.根据权利要求3所述的基于CBS-YOLOV5的织物瑕疵检测方法，其特征在于，所述S3...
【技术特征摘要】
1.一种基于cbs-yolov5的织物瑕疵检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于cbs-yolov5的织物瑕疵检测方法，其特征在于，所述s10中对数据集中图像进行预处理包括以下步骤：
3.根据权利要求1所述的基于cbs-yolov5的织物瑕疵检测方法，其特征在于，所述cbs-yolov5模型包括input输入端、backbone骨干网络、neck颈部以及head检测头端，所述构建cbs-yolov5模型包括以下步骤：
4.根据权利要求3所述的基于cbs-yolov5的织物瑕疵检测方法，其特征在于，所述s310中引入ca注意力模块包括以下步骤：
5.根据权利要求1所述的基于cbs-yolov5的织物瑕疵检测方法，其特征在于，所述s320中使用bifpn机制改进cbs-yolov5模型的neck颈部包括以下步骤：
6.根据权利要求1所述...
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。