CN117274209B 瓶身缺陷检测方法、系统、介质及电子设备 （上海第二工业大学）_第1页
CN117274209B 瓶身缺陷检测方法、系统、介质及电子设备 （上海第二工业大学）_第2页
CN117274209B 瓶身缺陷检测方法、系统、介质及电子设备 （上海第二工业大学）_第3页
CN117274209B 瓶身缺陷检测方法、系统、介质及电子设备 （上海第二工业大学）_第4页
CN117274209B 瓶身缺陷检测方法、系统、介质及电子设备 （上海第二工业大学）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号本发明提供了一种瓶身缺陷检测方法、系2AI模型目标处理步骤：采用训练好的模型检测待检测图像的位置线区域以及主干网络，连接所述输入端，提取增强数据的特征部分，所述主干网络使用颈部网络，连接所述主干网络，对不同尺度特征信息进行融合，所述颈部网络使用步骤1：将训练集中的所有boundingbox的宽度和高度提取出来，组成一个矩阵或列3计算每个样本被选择为下一个聚类中心的概率，概率AI模型目标处理：采用训练好的模型检测待检测图像的位置线区域以及是主干网络，连接所述输入端，提取增强数据的特征部分，所述主干网络使用颈部网络，连接所述主干网络，对不同尺度特征信息进行融合，所述颈部网络使用46.一种存储有计算机程序的计算机可读存储介质理器执行时实现权利要求1至4中任一项所述的瓶身缺陷检测方法7.一种电子设备，包括存储器、处理器及5而瓶身瑕疵点检测则依靠颜色的差异进行检测。传统的瓶身缺陷检测方法虽然简单易用，适的ROI候选框需要考虑瓶身的几何形状和位置线的相对位置。如果ROI候选框过小或过6[0014]主干网络，连接所述输入端，提取增强数据的特征部分，所述主干网络使用最短距离的权重选择下一个聚类中心，距离越远的样本被选为下一个聚类中心的概率越[0036]对中位线上的所有像素点的横坐标进行方差的求解，判7中引入小目标检测层，改进后的网络从骨干网络的第2层就开始将提取到的特征图与深层特征进行融合,这部分的改进主要针对的是机油瓶前侧瓶身瑕疵点过小、瑕疵点颜色与瓶身颜色过近导致原模型漏检的问题,在YOLOv5模型的基础上增加一个小目标检测层,通过[0049]通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、8[0064]K_Means++算法具有更好的初始选择策略，可以更快地收敛并获得更好的聚类结小目标检测层，改进后的网络从骨干网络的第2层就开始将提取到的特征图与深层特征进行融合,这部分的改进主要针对的是瓶前侧瓶身瑕疵点过小、瑕疵点颜色与瓶身颜色过近导致原模型漏检的问题,在YOLOv5模型的基础上增加一个小目标检测层,通过增加模型对9针对机油瓶瓶身微小瑕疵点检测困难、瑕疵点颜色与瓶身颜色过近导致原模型漏检的问白色位置线轮廓的像素点，对上述像素点进行处理判别中位线上所有像素点到中位线首尾两个像素点构成直线的距离之和以及离散值判断差公式表示为其中Var(X)表示像素点横坐标X的方差，Σ表示求和符而克服传统图像处理方法中ROI框位置固定性的限制。基于深度学习的方法不仅能够自动[0079]另一方面是针对瓶身瑕疵点这一缺陷类型，工业环境现场的光照强度通常不稳在处理图像数据时通常需要大量的标注数据进行训练，以学习区分不同形状和模式的特形状进行几何特征的分析，以及边缘检测和轮廓分析等技术来识别和判断线条的弯曲程算机程序被处理器执行时实现所述的瓶身缺现方法的软件模块又可以是硬件部件内的结

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论