[發明專利]一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法

在審

• 申請號: 202310330040.1
• 申請日: 2023-03-30
• 公開（公告）號: CN116468679A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 蔡振林;劉斌
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06V10/764
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 黃月瑩

1.一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，包括如下步驟：

采集壓鑄制品的圖片數據，對圖片數據進行預處理；

構建壓鑄制品缺陷檢測模型，所述壓鑄制品缺陷檢測模型采用ShuffleNetV2-plus結構作為主干網絡，以提高缺陷檢測能力，并采用ECA注意力機制，以減少降維通道的信息損失問題；

對壓鑄制品缺陷檢測模型進行訓練和并用壓鑄制品缺陷檢測模型進行檢測，以mAP與同一臺計算機上的FPS作為最終評價結果；

使用訓練好的壓鑄制品缺陷檢測模型檢測壓鑄制品缺陷并分類。

2.如權利要求1所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，所述預處理包括如下步驟：

步驟S1、將圖片數據劃分為訓練集、驗證集和測試集；

步驟S2、對已獲得的數據集通過翻折、旋轉、縮放和平移等幾何變換方法對帶有標注的數據集進行增強，并生成新的數據標注；

步驟S3、對圖片數據采用加入椒鹽噪聲、高斯噪聲以及灰度變換的圖像處理操作，模擬實際生產環境，并利用步驟S2對數據集進一步擴充。

3.如權利要求1所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，所述壓鑄制品缺陷檢測模型采用改進的YOLOX模型，包括改進主干網絡、特征融合部分和解耦頭；

所述改進主干網絡包括改進的ShuffleNetV2-plus網絡，對檢測數據集進行特征分離與提取；

所述特征融合部分包括特征金字塔網絡結構與金字塔注意力結構，能夠從不同方向傳遞信息，提高模型融合特征的能力；

所述解耦頭對提取的特征進行分類與結果分析，并提高收斂速度。

4.如權利要求3所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，改進的ShuffleNetV2-plus網絡是在ShuffleNetV2-plus結構與Xception結構中引入ECA注意力機制代替原來的SE注意力機制。

5.如權利要求4所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，Xception結構將通道卷積與逐點卷積相分離，最后再進行通道混洗，通道卷積與逐點卷積的順序能夠調換。

6.如權利要求3所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，改進的YOLOX模型的損失函數包括：定位損失、置信度預測損失和預測損失。

7.如權利要求6所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，定位損失使用IOU損失函數；置信度預測損失與預測損失使用BCEWithLogitsLoss損失函數；

BCEWithLogitsLoss函數是BCE損失函數與Sigmoid激活函數的組合，能夠進行多分類問題的損失計算。

8.如權利要求3所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，改進的YOLOX模型的解耦頭采用Anchor-free、Multi-positives與SIMOTA的策略；

Anchor-free策略將壓鑄制品缺陷樣本中心作為正樣本，并對每個樣本指定FPN級別；

Multi-positives策略采取將中心所在固定大小區域劃定為正樣本；SIMOTA策略將多個缺陷目標框在同樣數量的正樣本下進行分配。

9.如權利要求2所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，步驟S1中采集到的圖片數據經改進的YOLOX模型處理后統一尺寸為640×640像素大小的RGB圖像。

10.如權利要求1所述的一種基于改進YOLOX模型的壓鑄制品缺陷檢測方法，其特征是，壓鑄制品缺陷檢測模型用于識別的壓鑄制品缺陷包括水紋、起泡、縮孔、變色、機械拉傷、變形、裂痕、飛邊、多肉以及粘膜拉傷。