[發(fā)明專利]基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110763410.1
• 申請(qǐng)日: 2021-07-06
• 公開（公告）號(hào): CN113487570A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 羅森;孟曉亮;朱苗勇;王衛(wèi)領(lǐng);宋翰凌;王雪菲;鄭好
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/50;G06T7/13
• 代理公司: 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 梁焱

1.基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，該方法包括如下步驟：

采集所需數(shù)量的高溫連鑄坯表面圖像；

對(duì)采集的高溫連鑄坯表面圖像進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的每一幅圖像中的缺陷進(jìn)行標(biāo)注，獲得yolov5x網(wǎng)絡(luò)模型的訓(xùn)練集；

對(duì)yolov5x網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，包括：在yolov5x網(wǎng)絡(luò)模型中添加GhostBottleneck模塊替換掉Bottleneck模塊；

使用所述訓(xùn)練集對(duì)改進(jìn)的yolov5x網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得yolov5-Ghost網(wǎng)絡(luò)模型；

利用所述yolov5-Ghost網(wǎng)絡(luò)模型對(duì)連鑄坯生產(chǎn)線上的高溫連鑄坯表面缺陷進(jìn)行實(shí)時(shí)檢測(cè)。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，在連鑄坯生產(chǎn)線上采集所需數(shù)量的高溫連鑄坯表面圖像。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，所述對(duì)采集的高溫連鑄坯表面圖像進(jìn)行預(yù)處理，包括：通過多尺度融合算法來提升圖像細(xì)節(jié)，并基于OpenCV圖像處理算法來實(shí)現(xiàn)的高溫連鑄坯表面缺陷邊緣檢測(cè)。

4.根據(jù)權(quán)利要求1所述的基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，使用圖形圖像注釋工具LabelImg對(duì)預(yù)處理后的每一幅圖像中的缺陷進(jìn)行標(biāo)注。

5.根據(jù)權(quán)利要求1所述的基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，當(dāng)yolov5-Ghost網(wǎng)絡(luò)模型檢測(cè)到缺陷時(shí)，會(huì)用矩形框?qū)⑵錁?biāo)出，所述矩形框?yàn)閮牲c(diǎn)坐標(biāo)。

6.根據(jù)權(quán)利要求2所述的基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，使用攝像機(jī)在連鑄坯生產(chǎn)線上采集所需數(shù)量的高溫連鑄坯表面圖像。

7.根據(jù)權(quán)利要求6所述的基于改進(jìn)的yolov5x網(wǎng)絡(luò)模型的高溫連鑄坯表面缺陷檢測(cè)方法，其特征在于，所述使用攝像機(jī)在連鑄坯生產(chǎn)線上采集所需數(shù)量的高溫連鑄坯表面圖像時(shí)，設(shè)置所述攝像機(jī)的高度在2-3米范圍內(nèi)，入射角度在15-25°范圍內(nèi)。