[發明專利]一種基于YOLOv5的皮革缺陷檢測方法、系統及裝置

有效

• 申請號: 202110205526.3
• 申請日: 2021-02-24
• 公開（公告）號: CN113160123B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 徐志華;陳雅清;王美林;黃韻瑜
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T1/20;G06T9/00;G06F9/50;G01N21/88;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.一種基于YOLOv5的皮革缺陷檢測方法，其特征在于，至少包括：

獲取待檢測的皮革樣本，掃描皮革樣本得到皮革圖像；

將皮革圖像進行預處理；

構建基于YOLOv5的皮革缺陷檢測網絡模型，確定皮革缺陷檢測網絡模型的部署方式，所述部署方式包括：基于GRPC的GPU服務器部署方式及離線邊緣計算部署方式；

所述基于YOLOv5的皮革缺陷檢測網絡模型包括用于提取皮革圖像特征的主干網絡、特征金字塔網絡及結果輸出預測網絡，所述主干網絡包括Focus模塊、i個3*3卷積模塊、i個HS-Blocks模塊及SPP模塊，主干網絡中Focus模塊連接第一個3*3卷積模塊，3*3卷積模塊與HS-Blocks模塊依次交替相連；任意一個HS-Blocks模塊包括split模塊、第一1*1卷積模塊、HS-Bottleneck模塊、第二1*1卷積模塊及集合預測單元Concat，所述split模塊分別連接第一1*1卷積模塊及HS-Bottleneck模塊，HS-Bottleneck模塊連接第二1*1卷積模塊，第一1*1卷積模塊及第二1*1卷積模塊均連接集合預測單元Concat，所述特征金字塔網絡接收主干網絡提取的不同尺度的皮革圖像特征后將不同尺度的皮革圖像特征融合，所述結果輸出預測網絡包括若干個1*1卷積模塊，均與特征金字塔網絡連接，用于輸出皮革缺陷檢測的結果；

選定基于GRPC的GPU服務器部署方式：將預處理后的皮革圖像基于GPU服務器進行圖像編碼壓縮操作，依次通過GRPC圖像傳輸、圖像解碼后，輸入至基于YOLOv5的皮革缺陷檢測網絡模型進行皮革缺陷檢測；

選定離線邊緣計算部署方式：將預處理后的皮革圖像進行圖像縮放操作，輸入至基于YOLOv5的皮革缺陷檢測網絡模型進行皮革缺陷檢測；

輸出皮革缺陷檢測的結果。

2.根據權利要求1所述的基于YOLOv5的皮革缺陷檢測方法，其特征在于，所述皮革圖像通過DALSA線陣相機掃描皮革樣本得到。

3.根據權利要求2所述的基于YOLOv5的皮革缺陷檢測方法，其特征在于，皮革圖像進行的預處理包括：將皮革圖像進行尺度變化、灰度二值化、歸一化及Mixup操作。

4.根據權利要求3所述的基于YOLOv5的皮革缺陷檢測方法，其特征在于，所述HS-Bottleneck模塊包括第三1*1卷積模塊、HS-Conv模塊、FcaLayer通道注意力模塊、第四1*1卷積模塊及Add模塊，所述第三1*1卷積模塊、HS-Conv模塊、FcaLayer通道注意力模塊、第四1*1卷積模塊及Add模塊依次連接，所述第三1*1卷積模塊還直接與Add模塊連接。

5.根據權利要求3所述的基于YOLOv5的皮革缺陷檢測方法，其特征在于，所述基于YOLOv5的皮革缺陷檢測網絡模型構建后，還進行disout正則化操作。

6.根據權利要求1所述的基于YOLOv5的皮革缺陷檢測方法，其特征在于，設選定基于GRPC的GPU服務器部署方式時的基于YOLOv5的皮革缺陷檢測網絡模型規模為S，選定離線邊緣計算部署方式時的基于YOLOv5的皮革缺陷檢測網絡模型規模為T，S、T滿足：S＞T。

7.一種基于YOLOv5的皮革缺陷檢測系統，其特征在于，所述系統用于實現權利要求1所述的基于YOLOv5的皮革缺陷檢測方法，所述系統包括：

皮革樣本采集模塊，用于獲取待檢測的皮革樣本；

掃描模塊，用于掃描皮革樣本得到皮革圖像；

預處理模塊，將皮革圖像進行預處理；

皮革缺陷檢測網絡模塊，用于承載基于YOLOv5的皮革缺陷檢測網絡模型，檢測皮革缺陷；

部署方式設定模塊，用于設定基于YOLOv5的皮革缺陷檢測網絡模型的部署方式；

GPU服務器部署模塊，用于實現皮革缺陷檢測模型的GPU服務器部署方式的部署；

離線邊緣計算部署模塊，用于實現離線邊緣計算部署方式的皮革缺陷檢測模型的部署；

檢測結果輸出模塊，用于輸出皮革缺陷檢測的結果。