一种基于YOLO模型的缺陷检测方法及装置与流程

本发明属于缺陷检测，具体涉及一种基于yolo模型的缺陷检测方法及装置。

背景技术：

1、由于加工工艺的影响，生产产品（如各类充电头）的外观表面缺陷形态呈现多种状态,这给产品表面缺陷检测带来很大的难度。随着市场的产品质量标准不断提高，生产厂商对产品的外观品质提出了更高的要求。对于这种高精度的产品质量检测，人工检测难以适用。因此机器视觉检测就成为检测工业生产产品的表面缺陷的重要手段和依据。

2、随着人工智能技术的不断发展，机器视觉检测由计算机视觉领域的基于深度学习的目标检测算法来实现。当前主流的目标检测算法主要分为两类：一种是以rcnn系列为代表的两阶段目标检测算法；另一种是以yolo系列为代表的端到端的一阶段目标检测算法。其中，一阶段目标检测算法具有更好的实时检测性能，被广泛应用于工业场景中，但对于目标尺寸小、特征较少的充电头表面缺陷目标，仍缺少针对性的检测方法来准确识别。

3、因此，需提供一种新的缺陷检测方法，以提高对小目标缺陷的检测精度。

技术实现思路

1、本发明针对现有的缺陷检测方法中，对于充电头中目标尺寸小、特征较少的表面缺陷的检测精度有待提高的问题，提供一种基于yolo模型的缺陷检测方法及装置。

2、第一方面，提供一种基于yolo模型的缺陷检测方法，包括以下步骤：

3、获取充电头的缺陷数据集，并将缺陷数据集划分为训练集与验证集；

4、基于yolo模型构建初始缺陷检测模型，包括：将yolo模型中neck网络的conv模块替换为gsconv模块；利用训练集对初始缺陷检测模型进行训练，得到最终缺陷检测模型；

5、将验证集输入最终缺陷检测模型，并输出检测结果。

6、可选的，所述基于yolo模型构建第一缺陷检测模型还包括：

7、在所述neck网络中搭建vovgscsp模块；

8、将vovgscsp模块中的conv模块替换为dwconv模块，得到tiny-vovgscsp模块；

9、将neck网络中的c2f模块替换为tiny-vovgscsp模块。

10、可选的，所述基于yolo模型构建第一缺陷检测模型还包括：

11、利用carafe上采样算子替代yolo模型的原上采样方式。

12、可选的，在将yolo模型中neck网络的conv模块替换为gsconv模块之前，还包括构造多种尺度的特征融合检测层；所述yolo模型为yolov8模型。

13、可选的，所述基于yolo模型构建初始缺陷检测模型还包括，将解耦检测头分为两个同样的分支，每个分支由两个cbs模块和一个conv模块组成，其中一个分支负责计算分类损失，另一个分支用于计算边框回归损失。

14、可选的，计算边框回归损失的损失函数为wiou损失函数，wiou损失函数公式如下：

15、；

16、；

17、；

18、式中，bi表示第i个目标的目标框坐标，gi表示第i个目标的真实框坐标；iou(bi,gi)表示第i个目标框与第i个真实框的iou重叠度；wg和hg分别表示目标框和真实框的最小外接矩形框的宽和高；上标*表示wg和hg是从计算图中分离出来的；x和y为边界框的中心点坐标；β为边界框的离群度；r为梯度增益；xgt为真实框中心点的横坐标，ygt为真实框中心点的纵坐标,δ为惩罚超参数，为带有动量的指数运行均值，为单调聚焦系数。

19、第二方面，提供一种基于yolo模型的缺陷检测装置，包括：

20、缺陷数据集获取模块，其用于将获取缺陷数据集，并将缺陷数据集划分为训练集与验证集；

21、模型构建模块，其用于将yolo模型中neck网络的conv模块替换为gsconv模块；并根据所述gsconv模块，在所述neck网络中搭建vovgscsp模块；

22、模型训练模块，其利用训练集对初始缺陷检测模型进行模型训练，得到最终缺陷检测模型；

23、检测结果输出模块，其用于将验证集输入最终缺陷检测模型，并输出检测结果。

24、可选的，所述模型构建模块还用于将vovgscsp模块中的conv模块替换为dwconv模块，得到tiny-vovgscsp模块；将neck网络中的c2f模块替换为tiny-vovgscsp模块。

25、第三方面，提供一种电子设备，所述电子设备包括：

26、处理器；

27、用于存储所述处理器可执行指令的存储器；

28、所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现上述第一方面所述的方法。

29、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行上述第一方面所述的方法。

30、有益效果：本发明提供一种基于yolo模型的缺陷检测方法及装置，在neck网络中引入轻量级卷积的gsconv模块替换原有的标准卷积的conv模块，可在不引入过多计算量的同时提升neck网络的特征提取能力，因此该方法可提高模型对小目标缺陷样本的检测精度。

技术特征：

1.一种基于yolo模型的缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于yolo模型的缺陷检测方法，其特征在于，所述基于yolo模型构建第一缺陷检测模型还包括：

3.根据权利要求2所述的一种基于yolo模型的缺陷检测方法，其特征在于，所述基于yolo模型构建第一缺陷检测模型还包括：

4.根据权利要求3所述的一种基于yolo模型的缺陷检测方法，其特征在于，在将yolo模型中neck网络的conv模块替换为gsconv模块之前，还包括构造多种尺度的特征融合检测层；所述yolo模型为yolov8模型。

5.根据权利要求3所述的一种基于yolo模型的缺陷检测方法，其特征在于，所述基于yolo模型构建初始缺陷检测模型还包括，将解耦检测头分为两个同样的分支，每个分支由两个cbs模块和一个conv模块组成，其中一个分支负责计算分类损失，另一个分支用于计算边框回归损失。

6.根据权利要求5所述的一种基于yolo模型的缺陷检测方法，其特征在于，计算边框回归损失的损失函数为wiou损失函数，wiou损失函数公式如下：

7.一种基于yolo模型的缺陷检测装置，其特征在于，包括：

8.根据权利要求7所述的一种基于yolo模型的缺陷检测装置，其特征在于，所述模型构建模块还用于将vovgscsp模块中的conv模块替换为dwconv模块，得到tiny-vovgscsp模块；将neck网络中的c2f模块替换为tiny-vovgscsp模块。

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至6中任一项所述的方法。

技术总结
本发明提供一种基于YOLO模型的缺陷检测方法及装置，方法包括以下步骤：获取充电头的缺陷数据集，并将缺陷数据集划分为训练集与验证集；基于YOLO模型构建初始缺陷检测模型，包括：将YOLO模型中Neck网络的Conv模块替换为GSConv模块；根据所述GSConv模块，在所述Neck网络中搭建改进型的Tiny‑VoVGSCSP模块；利用训练集对初始缺陷检测模型进行模型训练，得到最终缺陷检测模型；将验证集输入最终缺陷检测模型，并输出检测结果。该检测方法可提高对小目标缺陷样本的检测精度。

技术研发人员：张庆祥,王婉婷,谭庆新,郭俊权,郑晓泽,陈英滔,谭辉
受保护的技术使用者：广东三姆森科技股份有限公司
技术研发日：
技术公布日：2024/1/16