本发明涉及计算机视觉和深度学习领域,具体提供一种喷码字符缺陷检测方法及装置。
背景技术:
1、目前,主流的工业产品缺陷检测采用传统图像处理方法实现,存在易受环境光、背景干扰、算法复用性差、仅能适应简单缺陷目标等问题,传统的喷码字符质检技术主要依靠人工进行判定,该质检过程主要考验质检员的仔细程度和经验技术,失误率较高、质检效率低、不同质检员的质检标准可能不一致,因此质检难度较大。
技术实现思路
1、本发明是针对上述现有技术的不足,提供一种实用性强的喷码字符缺陷检测方法。
2、本发明进一步的技术任务是提供一种设计合理,安全适用的喷码字符缺陷检测装置。
3、本发明解决其技术问题所采用的技术方案是:
4、一种喷码字符缺陷检测方法,具有如下步骤:
5、s1、训练数据集,单独对每一个字符进行检测;
6、s2、增设特征检测层;
7、s3、采用正负样本平衡策略;
8、s4、对图像中的可能目标进行边界框识别和定位,形成初步的目标检测结构,形成预测框;
9、s5、设置阈值,用以判断生成的预测框是否存在缺陷。
10、进一步的,在步骤s1中,单独对每个字符进行检测时,包括汉字、数据、英文字符和标点符号,采用one-stage模型,对每个字符单独检测,并直接进行缺陷与否的判定,运用focal loss损失函数,训练模型。
11、进一步的,在步骤s2中,在特征检测层中采用四个不同的特征图,设定特征检测层包含四个特征图fi,i={1,2,3,4},fi表示第i个特征图,i=1表示最高分辨率;
12、对于fi,大小为wi×hi,其中,wi和hi分别表示特征图的宽度和高度,使用面的公式来描述特征图的尺寸:
13、wi=w0/(2^i)
14、hi=h0/(2^i)。
15、进一步的,在步骤s3中,在计算损失时,focal loss会自动调整样本权重,对于易学习或者模型容易正确分类的样本,focal loss会分配较小的权重;
16、对于难以学习的样本,focal loss会赋予他们较高的权重。
17、进一步的,focal loss的公式为:
18、fl(pt)=-αt(1-p_t)^γlog(p_t)#;
19、pt是样本被正确分类的概率,αt是平衡因子,γ是调节因子,通过调整γ解决类别不平衡的问题。
20、进一步的,在步骤s4中,对初步检测结构中的相邻或重叠的边界框进行根据预测框的x,y轴位置进行过滤,消除冗余和错位的边界框;
21、将相邻或重叠的单字符预测框合并,形成一个更大的预测框,捕获更多的上下文信息。
22、进一步的,在步骤s5中,设置的所述阈值基于经验或是通过训练数据得出,对检测结果进行精确的排序或分类,当预测框的指标低于阈值时,视为存在缺陷的预测框,需要进一步处理;
23、如果高于阈值,就认定为正常的预测结果。
24、一种喷码字符缺陷检测装置,包括:至少一个存储器和至少一个处理器;
25、所述至少一个存储器,用于存储机器可读程序;
26、所述至少一个处理器,用于调用所述机器可读程序,执行一种喷码字符缺陷检测方法。
27、本发明的一种喷码字符缺陷检测方法及装置和现有技术相比,具有以下突出的有益效果:
28、本发明运用focal loss损失函数,可以使机器学习模型更加专注于有困难学习的样本数据。这种方法是通过动态调整样本权重,使模型更加关注错误分类的样本。这符合字符缺陷的实际环境,可以有效的降低正负样本的不平衡性,并且能够大大改善深度学习模型的性能,提高其精度和优化其检测结果。
29、对yolov5目标检测模型的优化,增加额外的特征检测层,进一步提升了对于小目标检测任务的精度。这种优化方式采用了四个具有不同感受野的检测器,以提升对小目标检测的精度。这不仅增强了模型对于不同尺度目标的适应性,而且还提升了模型的可扩展性。
30、不仅提高了目标对象的检测准确性,还显著降低了误检的情况,增强了整体的目标检测和分类性能,展现出良好的实用前景。
31、使用机器视觉替代人工视觉质检,减轻质检员工作负担,提高质检效率和准确率,提高生产力。
1.一种喷码字符缺陷检测方法,其特征在于,具有如下步骤:
2.根据权利要求1所述的一种喷码字符缺陷检测方法,其特征在于,在步骤s1中,单独对每个字符进行检测时,包括汉字、数据、英文字符和标点符号,采用one-stage模型,对每个字符单独检测,并直接进行缺陷与否的判定,运用focal loss损失函数,训练模型。
3.根据权利要求2所述的一种喷码字符缺陷检测方法,其特征在于,在步骤s2中,在特征检测层中采用四个不同的特征图,设定特征检测层包含四个特征图fi,i={1,2,3,4},fi表示第i个特征图,i=1表示最高分辨率;
4.根据权利要求3所述的一种喷码字符缺陷检测方法,其特征在于,在步骤s3中,在计算损失时,focal loss会自动调整样本权重,对于易学习或者模型容易正确分类的样本,focal loss会分配较小的权重;
5.根据权利要求4所述的一种喷码字符缺陷检测方法,其特征在于,focal loss的公式为:
6.根据权利要求5所述的一种喷码字符缺陷检测方法,其特征在于,在步骤s4中,对初步检测结构中的相邻或重叠的边界框进行根据预测框的x,y轴位置进行过滤,消除冗余和错位的边界框;
7.根据权利要求6所述的一种喷码字符缺陷检测方法,其特征在于,在步骤s5中,设置的所述阈值基于经验或是通过训练数据得出,对检测结果进行精确的排序或分类,当预测框的指标低于阈值时,视为存在缺陷的预测框,需要进一步处理;
8.一种喷码字符缺陷检测装置,其特征在于,包括:至少一个存储器和至少一个处理器;