[發明專利]基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法及系統

在審

• 申請號: 202211623573.0
• 申請日: 2022-12-16
• 公開（公告）號: CN115937651A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 袁巨龍;王安靜;王金虎;孔佳駿;毛越初;陳聰;吳金津
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/80;G06V10/74;G06V10/762;G06N3/048;G06N3/08;G06T7/00
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 冷紅梅

1.一種基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法，用于檢測圓柱滾子表面缺陷，其特征在于，包括：

采集圓柱滾子表面圖像并標注作為樣本數據；

構建yolov5s網絡模型，并在所述yolov5s網絡模型中嵌入目標檢測層得到改進的yolov5s網絡模型；

訓練所述改進的yolov5s網絡模型；

將待檢測的圓柱滾子的表面圖像輸入訓練后的改進的yolov5s網絡模型，輸出圓柱滾子表面缺陷。

2.根據權利要求1所述的一種基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法，其特征在于，所述改進的yolov5s網絡模型包括輸入端、backbone部分、neck部分和detect層，在所述neck部分嵌入所述目標檢測層，所述目標檢測層為Swim?Transformer模塊。

3.根據權利要求2所述的一種基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法，其特征在于，所述backbone部分包括CBS模塊和SPPF模塊，所述SPPF模塊的前端嵌入有RepVGG模塊，所述SPPF模塊的后端嵌入有CA注意力機制模塊。

4.根據權利要求2或3所述的一種基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法，其特征在于，在所述yolov5s網絡模型中嵌入目標檢測層得到改進的yolov5s網絡模型的方法為：

將標注后的樣本數據進行預處理并將預處理后的數據輸入backbone部分，獲取特征圖；

將所述特征圖輸入neck部分，輸出不同特征圖尺寸的特征融合數據；

將所述不同特征圖尺寸的特征融合數據輸入detect層，基于損失函數對所述不同特征圖尺寸的特征融合的數據進行計算，并驗證，獲得所述改進的yolov5s網絡模型。

5.根據權利要求4所述的一種基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法，其特征在于，將所述特征圖輸入neck部分，輸出不同特征圖尺寸的特征融合數據的方法包括：將所述特征圖劃分成若干個小塊，得到圖像塊；

將圖像塊進行不重疊卷積后得到每個圖像塊對應的矩陣向量Q_h、K_h及V_h，計算每個圖像塊的Attention并進行特征融合，輸出不同特征圖尺寸的特征融合數據。

6.根據權利要求5所述的一種基于改進的yolov5s網絡模型的圓柱滾子表面檢測方法，其特征在于，所述Attention的計算式為：其中，Q_h為圖像塊h對應的矩陣向量，K_h為圖像塊h對應的矩陣向量，V_h為圖像塊h對應的矩陣向量，Q_hK_h^T為圖像塊h對應的矩陣向量Q_h和矩陣向量K_h通過矩陣點乘得到的相似度矩陣，d_k為縮放因子。