本申请涉及图像识别、深度学习,具体涉及一种pin针焊接图像缺陷检测方法。
背景技术:
1、在电子零部件的加工制造中往往需要对产品的质量进行监控,以防有不符合产品规格或质量不符合标准的工件流出。其中,pin焊接面的质量由于其往往直接影响到产品能否正常工作而被视作缺陷检测的重点。
2、传统的缺陷检测方法需要手工设计缺陷特征,不具有设计全部有用特征的能力,由于实际工业生产过程中的场景复杂程度不同,缺陷的种类存在未知性和多样性,因此手工特征需要设计多种缺陷模板,这样只能提供种类有限的缺陷,无法探测到新型缺陷,当面对复杂无规则的数据时,传统方法将不在适用。
技术实现思路
1、本申请的目的是提供一种新型pin针焊接图像缺陷检测方法。
2、为了实现上述目的,本申请提供如下技术方案:
3、一种pin针焊接图像缺陷检测方法,包括以下步骤,
4、步骤s1:导入pin针焊接图像缺陷数据集,开始训练yolox算法模型,使其学习pin针焊接图像缺陷的特征;
5、步骤s2:获取目标图像的缺陷,该缺陷包括树脂、毛丝、划痕和颜色;
6、步骤s3:将目标图像送入到已经训练好的yolox算法模型中;
7、步骤s4:基于缺陷的特征,yolox算法的预测端输出缺陷种类和位置。
8、进一步地,在步骤s2中,将pin针焊接图像缺陷采用labelimg软件进行标注。
9、进一步地,在步骤s4中,所述yolox算法模型包括输入端、骨干网络、强特征提取网络以及预测网络。
10、进一步地,所述输入端采用mosaic数据增强方法的同时,融合了mixup数据增强方法,通过随机缩放、随机裁剪、随机排布、不同图片加权融合中的一种或多种方式对图片进行拼接。
11、进一步地,所述骨干网络中使用了focus模块和csplayer模块。
12、进一步地,所述focus模块通过对图片进行切片操作,将图片中每隔一个像素点取一个值。
13、本申请的有益效果为:
14、本申请提出了一种基于yolox的pin针焊接面表面缺陷检测方法,改进的模型对pin针焊接面表面缺陷检测的map为91.98%,比原始的yolox模型高4.35%,并且改进的模型能够降低和pin针焊接面表面特征相似度较高的缺陷误检和漏检的概率。
1.一种pin针焊接图像缺陷检测方法,其特征在于:包括以下步骤,
2.根据权利要求1所述的一种pin针焊接图像缺陷检测方法,其特征在于:在步骤s2中,将pin针焊接图像缺陷采用labelimg软件进行标注。
3.根据权利要求1所述的一种pin针焊接图像缺陷检测方法,其特征在于:在步骤s4中,所述yolox算法模型包括输入端、骨干网络、强特征提取网络以及预测网络。
4.根据权利要求3所述的一种pin针焊接图像缺陷检测方法,其特征在于:所述输入端采用mosaic数据增强方法的同时,融合了mixup数据增强方法,通过随机缩放、随机裁剪、随机排布、不同图片加权融合中的一种或多种方式对图片进行拼接。
5.根据权利要求3所述的一种pin针焊接图像缺陷检测方法,其特征在于:所述骨干网络中使用了focus模块和csplayer模块。
6.根据权利要求5所述的一种pin针焊接图像缺陷检测方法,其特征在于:所述focus模块通过对图片进行切片操作,将图片中每隔一个像素点取一个值。